Occhio nel Cielo con l’AI L’iniziativa UCSB mira a polverizzare le minacce spaziali utilizzando NVIDIA RTX.

UCSB's initiative uses NVIDIA RTX to pulverize space threats with AI in Occhio nel Cielo.

Quando le piogge di meteoriti si verificano ogni pochi mesi, gli spettatori possono ammirare una scena mozzafiato di stelle cadenti e striature di luce che si disperdono nel cielo notturno.

Normalmente, i meteoriti sono solo piccoli pezzi di roccia e polvere dallo spazio che bruciano rapidamente entrando nell’atmosfera terrestre. Ma la storia prenderebbe una piega più oscura se una cometa o un asteroide fosse un po’ troppo grande e si dirigesse direttamente verso la superficie terrestre con poco tempo di preavviso.

Un tale scenario è quello che il professore di fisica Philip Lubin e alcuni dei suoi laureandi presso l’Università della California, Santa Barbara, stanno cercando di contrastare.

Il team ha recentemente ricevuto finanziamenti di fase II dalla NASA per esplorare un nuovo, più pratico approccio alla difesa planetaria – uno che consentirebbe loro di rilevare e mitigare qualsiasi minaccia molto più rapidamente ed efficientemente. La loro iniziativa si chiama PI-Terminal Planetary Defense, con le lettere PI che stanno per “Pulverize It”.

• Incontra il Creatore Ingegnere del Software Potenzia NVIDIA Jetson per Costruire un Parco di Skate Autonomo.
• Il programma MIT-Takeda entra nel quarto anno con una serie di 10 nuovi progetti.
• Eserciti di robot si scontrano nelle epiche battaglie sullo schermo di Battlecode.

Per aiutare il team a formare e accelerare gli algoritmi di intelligenza artificiale e di apprendimento automatico che stanno sviluppando per rilevare le minacce che sono su un percorso di collisione con la Terra, NVIDIA, nell’ambito del suo programma di accelerazione della ricerca applicata, ha dato al gruppo una scheda grafica NVIDIA RTX A6000.

Portare l’IA nel cielo

Ogni giorno, circa 100 tonnellate di piccoli detriti piovono sulla Terra, ma si disintegrano rapidamente nell’atmosfera con pochissimi sopravvissuti che raggiungono la superficie. Gli asteroidi più grandi, tuttavia, come quelli responsabili dei crateri visibili sulla superficie della Luna, rappresentano un vero pericolo per la vita sulla Terra.

In media, circa ogni 60 anni, apparirà un asteroide di diametro superiore ai 65 piedi, simile a quello che è esploso sopra Chelyabinsk, in Russia, nel 2013, con un’energia equivalente a circa 440.000 tonnellate di TNT, secondo la NASA.

L’iniziativa PI-Terminal Planetary Defense mira a rilevare le minacce pertinenti prima, e quindi utilizzare una serie di penetratori cinetici ad ipervelocità per polverizzare e smontare un asteroide o una piccola cometa per ridurre notevolmente la minaccia.

L’approccio tradizionale per la difesa planetaria ha comportato la deviazione delle minacce, ma Pulverize-It si rivolge all’effettiva rottura dell’asteroide o della cometa in frammenti molto più piccoli, che poi bruciano nell’atmosfera terrestre ad alte altitudini, causando pochi danni al suolo. Ciò consente una mitigazione molto più rapida.

Riconoscere le minacce è il primo passo critico – qui Lubin e i suoi studenti hanno sfruttato la potenza dell’IA.

Molte moderne indagini raccolgono enormi quantità di dati astrofisici, ma la velocità di raccolta dati è più veloce della capacità di elaborare e analizzare le immagini raccolte. Il gruppo di Lubin sta progettando un’indagine molto più grande specificamente per la difesa planetaria che genererebbe quantità ancora maggiori di dati che devono essere elaborati rapidamente.

Attraverso l’apprendimento automatico, il gruppo ha addestrato una rete neurale chiamata You Only Look Once Darknet. È un sistema di rilevamento degli oggetti quasi in tempo reale che funziona in meno di 25 millisecondi per immagine. Il gruppo ha utilizzato un grande set di dati di immagini etichettate per pre-addestrare la rete neurale, consentendo al modello di estrarre le caratteristiche geometriche a basso livello, come linee, bordi e cerchi, e in particolare le minacce come asteroidi e comete.

I primi risultati hanno mostrato che l’estrazione della fonte attraverso l’apprendimento automatico era fino a 10 volte più veloce e quasi 3 volte più accurata dei metodi tradizionali.

Lubin e il suo gruppo hanno accelerato il loro processo di analisi delle immagini di circa 100 volte, con l’aiuto della GPU NVIDIA RTX A6000, oltre alla piattaforma di calcolo parallelo e al modello di programmazione CUDA.

“Inizialmente, la nostra pipeline – che mira all’elaborazione delle immagini in tempo reale – richiedeva 10 secondi per il nostro passaggio di sottrazione”, ha detto Lubin. “Implementando la NVIDIA RTX A6000, abbiamo immediatamente ridotto questo tempo di elaborazione a 0,15 secondi”.

Combinando questa nuova potenza di calcolo con i 48GB di VRAM espansi, il team è stato in grado di implementare nuovi algoritmi basati su CuPy, che hanno notevolmente ridotto il tempo di sottrazione e identificazione, consentendo all’intera pipeline di funzionare in soli sei secondi.

NVIDIA RTX porta la memoria meteoritica

Una delle sfide tecniche più grandi del gruppo è stata soddisfare il requisito di memoria della GPU, oltre a diminuire il tempo di esecuzione dei processi di formazione. Man mano che il progetto cresce, Lubin e i suoi studenti accumulano quantità sempre maggiori di dati per la formazione. Ma con l’espansione dei set di dati, avevano bisogno di una GPU in grado di gestire le enormi dimensioni dei file.

I 48GB di memoria della RTX A6000 consentono ai team di gestire le grafiche e i dati più complessi senza preoccuparsi di ostacolare le prestazioni.

“Ogni immagine sarà di circa 100 megapixel, e stiamo mettendo molte immagini all’interno della memoria della GPU RTX”, ha detto Lubin. “Aiuta a mitigare il collo di bottiglia nel prendere e ottenere i dati”.

Il gruppo lavora su simulazioni che dimostrano varie fasi del progetto, incluse le conseguenze a terra delle onde d’urto, così come i lampi di luce ottica di ogni frammento che brucia nell’atmosfera terrestre. Queste simulazioni sono eseguite localmente, utilizzando codici personalizzati sviluppati in C++ multithreaded e multiprocessore e in Python.

La pipeline di elaborazione delle immagini per la rilevazione rapida delle minacce viene eseguita utilizzando codici personalizzati in C++, Python e CUDA, utilizzando più processori Intel Xeon e la GPU NVIDIA RTX A6000.

Altre simulazioni, come quella che presenta l’intercettazione ad ipervelocità dei frammenti minacciosi, vengono portate a termine utilizzando il centro di ricerca NASA Advanced Supercomputing (NAS) presso il NASA Ames Research Center. La struttura è costantemente aggiornata e offre oltre 13 petaflops di potenza di calcolo. Queste visualizzazioni vengono eseguite sui supercomputer NAS dotati di processori Intel Xeon e GPU NVIDIA RTX A6000.

Guarda alcune di queste simulazioni sul canale Deepspace di YouTube del gruppo UCSB.

Per saperne di più sul progetto di difesa planetaria PI-Terminal e sulla NVIDIA RTX.