AI星系探測者加劇全球GPU短缺情勢

NASA 宣佈將於 2026 年 9 月將 Nancy Grace Roman 太空望遠鏡發射至軌道上，比原訂時程提前八個月。這台新的太空望遠鏡預計在其運作期間，將向天文學家提供 2 萬 TB 的資料。這將加上自 2021 年開始運作的詹姆斯·韋布太空望遠鏡每日傳回的 57 GB 眾所矚目的影像，以及今年晚些時候在智利山脈啟動的 Vera C. Rubin 天文台進行的調查，預計每晚將收集 20 TB 的資料。相較之下，曾是典範的哈勃太空望遠鏡，每天僅能提供 1 到 2 GB 的感測資料。從前所有資料都是人工分析，但如今天文學家面對資料堆積，也開始轉向 GPU 解決問題。加州大學聖塔克魯茲分校的天體物理學家布蘭特·羅伯遜（Brant Robertson）親身經歷了這項科學領域的轉變，他支持或使用這些任務的資料。羅伯遜過去 15 年來與 NVIDIA 合作，將 GPU 應用於理解宇宙的問題，首先是透過先進的模擬測試超新星爆發的理論，現在則是開發工具來分析最新觀測站所產生的大量資料。他告訴 TechCrunch：「從觀察幾個天體，到進行 CPU 編程的大規模資料集分析，再到現在使用 GPU 加速的相同分析，這是一種演進。」羅伯遜與當時的研究生瑞安·豪森（Ryan Hausen）開發了一個名為 Morpheus 的深度學習模型，可以處理大量資料集並識別星系。他們對韋布資料的早期 AI 分析發現了許多特定類型的盤狀星系，為宇宙演化理論增添了新的觀點。現在 Morpheus 也在進化：羅伯遜正將其架構從卷積神經網絡轉換為推動大型語言模型崛起的 Transformer 模型。這將使模型能分析目前數倍的區域，並加快其運作速度。羅伯遜同時也在開發基於空間望遠鏡資料的生成式 AI 模型，以提升地面望遠鏡觀測資料的品質，因為地面望遠鏡的觀測會受到大氣層的干擾。儘管火箭技術已有進展，但將八公尺鏡頭送入軌道仍非常困難，因此使用軟體來改善 Rubin 的觀測資料是目前的最佳選擇。但他仍感受到全球對 GPU 計算資源需求的壓力。羅伯遜透過國家科學基金會（NSF）在加州大學聖塔克魯茲分校建立了 GPU 群集，但隨著更多研究者想要應用計算密集型技術進行研究，這台設備已逐漸過時。川普政府在其當前預算請求中建議將 NSF 的預算減少 50%。羅伯遜表示：「人們想要進行這些 AI、機器學習分析，而 GPU 是實現這些分析的途徑。你必須要有創業精神……尤其是在技術邊緣進行研究時。大學非常風險规避，因為他們資源有限，所以你必須走出去讓他們看到：『看，這就是我們這個領域的未來。』」