Управление телескопом через запрос на обычном языке

Breakthrough Listen и Институт SETI внедряют ИИ-агентов в ежедневный поиск внеземного разума. На радиотелескопе Allen Telescope Array в Северной Калифорнии агенты могут настраивать инструмент, улучшать и корректировать поступающие данные и запускать на них модели ИИ — всё по одному запросу на обычном языке. Поток данных обрабатывает платформа NVIDIA Holoscan.

Как поясняет описание работы ИИ-агентов, в этой системе они не только отвечают на запросы, но и выполняют действия с инструментами. По данным Nvidia, агенты могут направлять антенны телескопа, калибровать и фокусировать оборудование, находить ошибки в данных и строить графики. Компания утверждает, что задачи, на которые у людей ушли бы недели или годы, агенты выполняют за часы.

Поток данных обрабатывается рядом с телескопом

Радиотелескопы генерируют большие объёмы данных, которые исследователям нужно анализировать прямо во время наблюдений. Библиотека DAQIRI передаёт данные сенсоров со скоростью в терабиты в секунду напрямую в память графических процессоров, чтобы обрабатывать их на лету, а не сохранять сначала на дисках. Для обработки сигналов используется CyberEther — разработанный в Институте SETI фреймворк с библиотеками NVIDIA CUDA-X, включая cuFFT и cuBLAS.

Веб-система Nexus служит связующим звеном для агентов: она предоставляет сведения о состоянии оборудования, вычислительных ресурсах и конвейерах обработки. Исследователи могут через запросы на обычном языке следить за потерями пакетов, просматривать спектрограммы в реальном времени и менять блоки обработки сигналов. По данным Nvidia, система обрабатывает 2,4 Тбит/с на ускорителях NVIDIA RTX PRO 6000 Blackwell, а вычисление ответов модели выполняется локально, рядом с телескопом.

Команда сообщает об обнаружении пульсара

Nvidia сообщает, что конвейер уже использовали для первого обнаружения пульсара с помощью ИИ в реальном времени. Пульсар — быстро вращающийся остаток звезды, испускающий импульсы; обнаруженный объект находится в Крабовидной туманности.

Следующий этап — оценка открытых моделей, в том числе NVIDIA Nemotron. Команда рассматривает их для сценариев, где важны локальная обработка данных и скорость, а также для обсерваторий, которые в будущем могут работать автономно, например на обратной стороне Луны.