向更深更远处迈进 | 数据计算解密神秘宇宙

从1970年第一颗人造卫星“东方红一号”发射成功，到“神舟”飞天、“嫦娥”奔月、“天问”探火、“北斗”指路。世界快速变革，技术日新月异，超弦理论、脑科学、人工智能……从理论认识到实体探寻，我们向太空迈出的每一步都充满力量，然而对广袤宇宙的探索永无止境。

01

千万公里外探测成像

启动小行星防御计划

据报道，北京理工大学将牵头在重庆研制深空探测雷达“中国复眼”，项目预期作用距离达到1.5亿公里。和探测距离达到137亿光年的“中国天眼”比起来，“中国天眼”是为了帮助人类更好地了解宇宙，而“中国复眼”主要是以近地小行星防御为主。在太阳系有着数以百万计的小行星，如果观测到一颗小行星高于一定亮度，并且进入距离地球748万公里的范围内（地球与太阳间平均距离的1/20），那么它便被称为“潜在危险小行星”。“中国天眼”由多个分布式雷达天线组成，可通过对近地小行星的实时监测，进而分析掌握它们的动态及运行规律，从而在灾难到来前做出预警和准备，如采用“太空撞击”等方式来消灭威胁到地球的小行星，从而达到守护地球的目的。

 ▲“中国复眼”一期项目

02

非结构化数据难存储

分布式助力天文研究

随着中国天眼（FAST）、郭守敬望远镜（LAMOST）等大型天文观测装置发挥着日渐重要的作用，彻底改变了人类观测苍穹、追寻宇宙奥秘的方式，如今这些大型天文观测装置的成功运行离不开稳定高效的观测模式及数据处理系统，从太阳系到银河系,再到广袤无垠的浩瀚宇宙，其研究过程均会产生大量分辨率极高的天文图像，作为典型的非结构化数据，只能对其整体进行存储，传统存储方式难以为继，灵活、弹性扩展的存储方式成为刚需，分布式存储通过高密度高性能的存储节点来满足高带宽数据所需的采集处理、存储管理能力，与海量天文数据的不规则存储具有天然的耦合性，可满足高性能计算场景下的不同算力需求，有效应对非结构化数据带来的存储挑战。

03

AI赋能图像计算处理高性能计算成加速引擎

天文学作为典型的大数据、云计算场景，大规模并行计算能力是天文学发展的重要驱动，如何从海量数据中筛选提取有效信息并发掘利用其价值成为探索宇宙奥秘的阻碍，其研究效率直接受到数据分析处理技术的掣肘。

为了突破瓶颈，AI被引入天文学领域，在对天文大数据进行数据融合﹑高效存取、分析及可视化等处理时，通过构建卷积神经网络，在长期的训练、修改、测试后，每秒可识别上万张图片，同时可以通过装备更多、更强的GPU来进行并行加速，可根据实际需求极大提高其目标检测效率。以“中国复眼”一类大型天文项目为例，为发现潜在危险小行星，需要对捕捉到的海量图像进行识别分析，筛选出高于一定亮度的近地小行星来进行后续的监测、分析，通过数据采集、模型训练、应用推理使得其计算周期大大缩短。

6500万年前，一颗小行星撞击地球，恐龙谢幕，人类登场，人类文明对于宇宙来说不过沧海一粟。如今数据挖掘、机器学习等智能计算技术作为人类进一步探索宇宙的工具，正高速推动天文学研究进程，其背后所需搭建的深度神经网络模型对数据的吞吐能力和存储介质都具有严苛的需求。坤前愿以研发驱动科技创新，以强大底层算力作为天文研究的稳定支撑。