AI星系探測者加劇全球GPU短缺情勢

美國太空總署（NASA）宣佈將於 2026 年 9 月提前八個月發射南希·格雷斯·羅曼太空望遠鏡。該望遠鏡預計在其生命週期中向天文學家提供 20,000 太位元的資料，這將與自 2021 年開始運作的詹姆斯·韋伯太空望遠鏡每日下傳的 57 吉位元影像資料，以及今年晚些時候在智利山區開始運作的維拉·C·魯賓天文臺每晚收集 20 太位元的資料調查相結合。相比之下，曾經的黃金標準哈勃太空望遠鏡每天僅提供 1 到 2 吉位元的感測器讀數。隨著資料量激增，天文學家正轉向使用 GPU 來解決問題。UC 聖塔克魯茲大學的天體物理學家布蘭特·羅伯遜（Brant Robertson）長期與英偉達（Nvidia）合作，將 GPU 應用於理解太空的挑戰中。他與前研究生萊恩·豪森（Ryan Hausen）開發了一種名為墨菲斯（Morpheus）的深度學習模型，用於分析大型資料集並識別星系。早期的墨菲斯模型對韋伯資料的分析識別出大量特定型別的盤狀星系，為宇宙發展理論增添了新視角。現在，羅伯遜正將該模型的架構從卷積神經網路轉換為大型語言模型背後的變換器（transformers），這將使模型分析面積提升數倍並加快速度。此外，他還在開發基於太空望遠鏡資料的生成式 AI 模型，以改善受地球大氣扭曲影響的地面望遠鏡觀測質量。儘管火箭技術有所進步，將八米鏡片送入軌道仍很困難，因此利用軟體改善魯賓望遠鏡的觀測是最佳替代方案。然而，羅伯遜也面臨全球對 GPU 訪問需求的壓力。他利用美國國家科學基金會（NSF）在 UC 聖塔克魯茲大學建立了 GPU 叢集，但該叢集正變得過時，且更多研究者希望應用計算密集型技術。特朗普政府在其當前預算請求中提出將 NSF 預算削減 50%。羅伯遜指出，人們希望進行 AI 和機器學習分析，而 GPU 是實現這一目標的關鍵方式。由於大學資源