Um artigo divulgado hoje descreve nos mínimos detalhes até hoje as atmosferas em planetas distantes.
Buscando as origens do que está dentro e além da Via Láctea, pesquisadores examinaram 25 exoplanetas, corpos que orbitam estrelas muito além do nosso sistema solar. Especificamente, eles estudaram os Júpiteres quentes, os exoplanetas maiores e, portanto, mais fáceis de detectar, muitos com sufocantes temperaturas acima de 3.000 graus Fahrenheit.
A análise dessas atmosferas tórridas usou computação de alto desempenho com GPUs NVIDIA para aprimorar a compreensão de todos os planetas, inclusive o nosso.
Júpiteres Quentes Como Nunca Vistos
Os Júpiteres quentes “oferecem uma oportunidade incrível de estudar física em condições ambientais quase impossíveis de reproduzir na Terra”, disse Quentin Changeat, autor principal do artigo e Pesquisador, University College London (UCL).
Ao analisar tendências em um grande grupo de exoplanetas, entende-se melhor grandes questões.
“Esse trabalho pode ajudar a criar modelos melhores de como a Terra e outros planetas surgiram”, disse Ahmed F. Al-Refaie, coautor do artigo e Chefe de Métodos Numéricos, UCL Centre for Space Exochemistry Data.
Analisando o Big Data do Hubble
Eles usaram o maior número de dados já utilizados em uma pesquisa de exoplanetas: 1.000 horas de observações de arquivos, principalmente do Telescópio Espacial Hubble.
A parte mais difícil e, para Changeat, a mais fascinante do processo, foi determinar qual seria o pequeno conjunto de modelos que seria executado de forma consistente, comparando dados de todos os 25 exoplanetas para obter os resultados mais confiáveis e reveladores.
“Foi um período incrível de exploração, eu encontrava todos os tipos de soluções, às vezes estranhas, mas foi muito rápido obter as respostas usando GPUs NVIDIA”, disse ele.
Milhões de Cálculos
Os resultados gerais exigiam cálculos técnicos. Cada um dos cerca de 20 modelos teve que ser executado 250.000 vezes para todos os 25 exoplanetas.
Para isso, foi usado o supercomputador Wilkes3 da Universidade de Cambridge, que conta com 320 GPUs NVIDIA A100 Tensor Core em uma rede NVIDIA Quantum InfiniBand.
“Eu esperava que as GPUs A100 apresentassem o dobro do desempenho em relação às V100 e P100 que usei anteriormente, mas honestamente foi uma ordem de magnitude de diferença”, disse Al-Refaie.
Ganhos de Ordens de Magnitude
Uma única GPU A100 ofereceu um aumento de desempenho de 200 vezes em comparação a uma CPU.
Com 32 processos em cada GPU, a equipe obteve 6.400 vezes mais acelerção em comparação a uma CPU. Cada nó de no Wilkes3 entregou com suas quatro A100s o equivalente a até 25.600 núcleos de CPU, disse ele.
As acelerações são altas porque sua aplicação é incrivelmente paralela. Ele simula em GPUs como centenas de milhares de comprimentos de onda leves viajariam pela atmosfera de um exoplaneta
Na A100s, seus modelos completam em minutos um trabalho que exigiria semanas em CPUs.
As GPUs executam os modelos físicos complexos tão rápido que seu gargalo se tornou um sistema baseado em CPU lidando com uma tarefa muito mais simples: determinar estatisticamente onde explorar a seguir.
“Foi um pouco engraçado, e um pouco surpreendente, que simular a atmosfera não era a parte difícil, mas nos deu a capacidade de realmente ver o que estava nos dados”, disse ele.
Uma Grande Quantidade de Software
Al-Refaie empregou profilers de CUDA para otimizar tarefas, PyCUDA para otimizar o código da equipe e cuBlas para acelerar algumas rotinas matemáticas.
“Com todos os softwares da NVIDIA disponíveis, há uma grande quantidade de coisas que você pode explorar, então a equipe está começando a escrever artigos rapidamente agora, porque temos as ferramentas certas”, disse ele.
Eles precisarão de toda a ajuda possível, já que o trabalho ficará muito mais desafiador.
Um Telescópio Melhor
O Telescópio Espacial James Webb entra em operação em junho. Ao contrário do Hubble e de todos os instrumentos anteriores, ele é especificamente voltado para observar exoplanetas.
A equipe já está desenvolvendo maneiras de trabalhar em resoluções mais altas para acomodar os dados esperados. Em vez de usar modelos unidimensionais, por exemplo, eles usarão modelos bidimensionais e considerarão mais parâmetros, como alterações ao longo do tempo.
“Se um planeta tiver uma tempestade, por exemplo, talvez não possamos vê-lo com os dados atuais, mas com os dados de última geração, acreditamos que sim”, disse Changeat.
Explorando HPC+AI
A crescente onda de dados abre uma porta para aplicar deep learning, algo que os especialistas em AI do grupo estão explorando.
É um momento emocionante, disse Changeat, que está se juntando ao Space Telescope Science Institute em Baltimore como um membro da ESA para trabalhar diretamente com especialistas e engenheiros lá.
“É muito divertido trabalhar com especialistas de muitas áreas. Tínhamos observadores espaciais, analistas de dados, além de especialistas em machine learning e em software nessa equipe. Foi isso que tornou esse artigo possível”, disse Changeat.
Saiba mais sobre o artigo aqui.
Imagem no topo cortesia da ESA/Hubble, N. Bartmann