IA e GPUs da NVIDIA Aceleram Análise de dados do Telescópio James Webb

Quando o Telescópio Espacial James Webb (JWST) começou a enviar as primeiras imagens em 2022, Brant Robertson e sua equipe na Universidade da Califórnia em Santa Cruz (UC Santa Cruz) se depararam com um problema inédito: terabytes de dados chegando de uma só vez, mostrando galáxias por toda parte. “Havia galáxias em todos os lugares”, relatou Robertson, professor de astronomia e astrofísica na instituição. “Tantas, e tão distantes, que ficamos genuinamente chocados.”

Robertson lidera um grupo que estuda como as primeiras galáxias se formaram após o Big Bang. Nos últimos anos, o time quebrou o recorde de galáxia mais distante conhecida mais de uma vez, empurrando a observação cada vez mais próxima da primeira luz do universo. Essa pesquisa ganha destaque neste Spring Astronomy Day, data dedicada à astronomia nos Estados Unidos, com datasets liberados publicamente pela equipe permitindo que qualquer pessoa explore o universo primordial em profundidade inédita.

Volume de Dados Exige Processamento em Escala Industrial

O JWST é o observatório mais poderoso já lançado, operando no infravermelho e capturando luz que viajou por mais de 13 bilhões de anos. Cada imagem de campo profundo registra centenas de milhares de galáxias, algumas com 13 bilhões de anos de idade. Essa abundância transformou-se no principal desafio técnico.

“Esses datasets são grandes e complexos demais para análise humana manual”, afirmou Robertson. “Até mesmo equipes de especialistas levariam anos para fazer o que agora precisa acontecer em dias.” Sem computação nessa escala, segundo o professor, os dados simplesmente se acumulariam sem gerar insights.

Na UC Santa Cruz, um pipeline de análise foi construído para acompanhar o ritmo. modelos de IA realizam a classificação, enquanto GPUs NVIDIA aceleram quase todas as etapas: redução de dados, geração de catálogos, detecção de anomalias e simulação. Parte dessa computação roda no cluster Lux da universidade, financiado por uma bolsa de US$ 1,6 milhão da National Science Foundation. Trabalhos de maior escala migram para supercomputadores do governo dos Estados Unidos. Para desenvolvimento, Robertson mantém um sistema NVIDIA DGX Station edição ouro ao lado da mesa em seu escritório no Interdisciplinary Sciences Building, usado para testar modelos antes de enviá-los para execução em larga escala.

Sistema Morpheus: Segmentação Semântica Aplicada ao Espaço Profundo

Uma das ferramentas centrais do pipeline é o Morpheus, sistema de IA desenvolvido por Ryan Hausen (ex-aluno de pós-graduação na UCSC, atualmente engenheiro de software de pesquisa na Johns Hopkins) em colaboração com Robertson. Originalmente aplicado a levantamentos de galáxias anteriores, o sistema foi depois adaptado e escalado para lidar com as imagens muito maiores e mais detalhadas do JWST.

O Morpheus utiliza técnicas de segmentação semântica, a mesma abordagem que carros autônomos empregam para distinguir estradas de pedestres. Em vez de classificar uma galáxia inteira de uma vez, o sistema examina cada pixel, diferenciando um núcleo esferoidal de seu disco circundante, mesmo quando ambos ocupam a mesma imagem. Aplicado aos dados do JWST, o sistema possibilitou a primeira análise em larga escala com IA das observações do telescópio, revelando resultados difíceis de conciliar com modelos existentes.

Entre os achados estavam galáxias de disco em rotação, sistemas que se assemelham à Via Láctea mas que aparecem em épocas do universo onde modelos cosmológicos tradicionais não previam estruturas tão organizadas. Essa descoberta levanta questões sobre a formação de estruturas galácticas no universo primitivo.

Impacto Além da Academia: Democratização do Conhecimento Astronômico

“A IA não apenas ajuda cientistas a entenderem o universo mais rápido, ela ajuda todos nós a acessarmos e entendermos trabalhos na fronteira do conhecimento; esse é o verdadeiro avanço”, comentou Dion Harris, diretor sênior de soluções de infraestrutura de IA e computação de alto desempenho em hiperescala na NVIDIA.

A liberação pública dos datasets processados pela equipe de Robertson permite que pesquisadores independentes, estudantes e entusiastas explorem dados do universo primordial sem necessidade de acesso direto ao JWST ou a recursos computacionais de nível institucional. Esse modelo de ciência aberta acelera descobertas colaborativas e amplia o alcance de pesquisas antes restritas a grandes centros acadêmicos.

O Spring Astronomy Day deste ano oferece uma oportunidade de reconhecer como a convergência entre observação astronômica avançada, inteligência artificial e poder computacional está redefinindo não apenas a velocidade da descoberta científica, mas também quem pode participar dela. Com pipelines automatizados processando terabytes em dias e sistemas como o Morpheus identificando padrões imperceptíveis ao olho humano, a astronomia entra em uma era onde o volume de dados deixa de ser obstáculo e passa a ser vantagem estratégica.