AIを活用した空中監視：UCSBイニシアチブがNVIDIA RTXを使い、宇宙の脅威を撃退する目的で立ち上がる

UCSB Initiative launches aerial surveillance using AI to repel threats from space with the help of NVIDIA RTX.

数か月ごとに流星群が起こると、観察者は夜空に散らばる流れ星や光の筋が輝く見事な光景を見ることができます。

通常、流星は地球の大気圏に入った瞬間に速やかに燃え尽きる宇宙からの小さな岩や塵の塊です。しかし、彗星や小惑星がやや大きく、地球の表面に直接向かっていて、警告時間がほとんどない場合には、物語は暗い方向に向かうことになります。

このようなシナリオを、カリフォルニア大学サンタバーバラ校の物理学教授フィリップ・ルビン氏と彼の大学院生たちは防御策を講じるために取り組んでいます。

チームは最近、NASAから第II相資金を受け取り、より迅速かつ効率的に脅威を検出および緩和することができる新しい、より実用的な惑星防御のアプローチを探ることになっています。彼らのイニシアチブはPI-Terminal Planetary Defenseと呼ばれ、PIは「Pulverize It」の略です。

• メイカーに会おう：ソフトウェアエンジニアがNVIDIA Jetsonを活用して自律運転スケートパークを構築
• 焼け落ちた炎：スタートアップが生成AI、コンピュータビジョンを融合して山火事と戦う
• MPT-7Bを紹介します：新しいオープンソースLLM

彼らが開発している脅威を検出するためのAIおよび機械学習アルゴリズムをトレーニングし、スピードアップするために、NVIDIAはApplied Research Accelerator Programの一環として、グループにNVIDIA RTX A6000グラフィックスカードを提供しました。

AIをスカイに持っていく

毎日、約100トンの小さなデブリが地球に降り注ぎますが、大気中で速やかに崩壊し、サバイバルするものはほとんどありません。しかし、月の表面に見られるクレーターの責任を持つような大きな小惑星は、地球上の生命にとって実際の脅威となります。

平均して、直径65フィート以上の小惑星が60年ごとに現れ、2013年にロシアのチェリャビンスク上空で爆発したものに相当する約440,000トンのTNTに相当するエネルギーを持つものがあります。

PI-Terminal Planetary Defenseイニシアチブは、関連する脅威をより早く検出し、それから超高速度のキネティックペネトレーターの配列を使用して小惑星または小さな彗星を粉砕し分解し、脅威を大幅に最小限に抑えることを目的としています。

従来の惑星防御のアプローチは脅威をそらすことでしたが、Pulverize-Itは、小惑星または彗星をより小さな破片に効果的に破砕し、高高度で地球の大気圏で燃え尽きさせ、地上のダメージを最小限に抑えることを目的としています。これにより、より迅速な緩和が可能になります。

脅威を認識することは、最初の重要なステップです。ルビン氏と彼の学生たちは、AIのパワーを活用しました。

多くの現代の調査は、大量の天体物理学データを収集しますが、データの収集速度は収集された画像を処理および分析する能力よりも速いです。ルビン氏のグループは、特に惑星防御のためにより大きな調査を設計し、迅速に処理する必要があるより多くのデータを生成することにしています。

グループは、You Only Look Once Darknetと呼ばれるニューラルネットワークをトレーニングしました。これは、25ミリ秒未満で動作するほぼリアルタイムの物体検出システムです。グループは、ラベル付きの大規模なデータセットを使用して、ニューラルネットワークを事前トレーニングし、モデルが線、エッジ、円などの低レベルの幾何学的特徴を抽出し、特に小惑星や彗星などの脅威を抽出できるようにしました。

初期の結果では、機械学習によるソース抽出が従来の方法よりも10倍速く、ほぼ3倍正確であることが示されました。

ルビン氏と彼のグループは、NVIDIA RTX A6000 GPUの助けを借りて、画像解析プロセスを約100倍高速化しました。また、CUDA並列コンピューティングプラットフォームおよびプログラミングモデルも使用しました。

「最初に、私たちのパイプラインはリアルタイムの画像処理を目指しており、差分ステップに10秒かかりました」とルビン氏は言います。「NVIDIA RTX A6000を実装することで、この処理時間を0.15秒に即座に短縮しました。」

この新しい計算能力を48GBのVRAMと組み合わせることで、チームは新しいCuPyベースのアルゴリズムを実装し、差分および識別時間を大幅に短縮し、パイプライン全体をわずか6秒で実行することができました。

NVIDIA RTXが流星の記憶をもたらす

グループの最大の技術的課題の一つは、GPUメモリ要件を満たすことと、トレーニングプロセスの実行時間を短縮することでした。プロジェクトが成長するにつれて、ルビン氏と彼の学生たちは、トレーニングのためにますます大きなデータ量を蓄積しています。しかし、データセットが拡大するにつれて、巨大なファイルサイズを処理できるGPUが必要になりました。

RTX A6000の48GBのメモリは、最も複雑なグラフィックスやデータセットを処理し、パフォーマンスを低下させる心配なしに扱うことができるようにします。

「各画像は約100メガピクセルになり、RTX GPUのメモリに多数の画像を配置しています」とルビン氏は語ります。「これにより、データを入出力するボトルネックを緩和するのに役立ちます。」

このグループは、プロジェクトのさまざまな段階を示すシミュレーションに取り組んでおり、衝撃波からの地上効果や、地球大気圏で燃焼する各フラグメントからの光学的光パルスなどを示しています。これらのシミュレーションは、マルチスレッド、マルチプロセッサC++およびPythonで記述されたカスタム開発コードをローカルで実行して実現されます。

迅速な脅威検出のための画像処理パイプラインは、複数のIntel XeonプロセッサとNVIDIA RTX A6000 GPUを使用したカスタムC++、Python、CUDAコードで実行されます。

脅威フラグメントの高速衝突を特集したシミュレーションなど他のシミュレーションは、NASA Ames Research CenterのNASA Advanced Supercomputing（NAS）施設を使用して実現されています。この施設は常にアップグレードされ、13ペタフロップ以上のコンピューティング性能を提供しています。これらの可視化は、Intel Xeon CPUとNVIDIA RTX A6000 GPUを搭載したNASスーパーコンピュータで実行されます。

UCSBグループのDeepspace YouTubeチャンネルでこれらのシミュレーションのいくつかをチェックしてください。

PI-Terminal Planetary DefenseプロジェクトとNVIDIA RTXについてもっと学びましょう。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!