拯救地球 NV GPU如何防止小行星撞击地球

（原标题：拯救地球 NV GPU如何防止小行星撞击地球）

大家都知道NASA(美国国家航空航天局) 一直在探索地外生命方面所做的努力，然而却很少有人知道他们同时还在进行一个防止小行星撞击地球、毁灭地球生物的项目。

　　在NASA的FDL(前沿开发实验室)，三个研究小组分别利用基于NVIDIA的深度学习GPU，通过与SETIInstitute (地外文明搜索研究所)——一家致力于研究宇宙生命的非营利性组织——合作，用了整个夏天的时间来探索有关小行星的诸多难题。

在解决问题的过程中，他们使用了一款基于NVIDIA  GPU 平台的“应用研究加速器”，它可以让研究人员在短短 6 周内完成过去6个月或更久的工作。正因如此，也让FDL的这项研究工作成为了可能。

　　FDL是白宫专为应对“小行星大挑战”而成立的实验室，该实验室旨在让研究人员“找到所有对人类构成威胁的小行星，并找到如何处置它们的办法”。而GPU计算的出现则让NASA和SETIInstitute在分析那些对于太空项目而言，重要而又庞大的数据集时带来效率上的显著提升。

FDL主任 James Parr 表示，该实验室解决这一难题主要通过两种方式：一是将机器学习技术运用到行星防御工作中来；二是展示应用研究加速器的可行性，以便快速实现重大突破。

　　为此，实验室挑选了12 名顶尖研究生通过实习的方式加入到该项目中来。而在实习期间，他们居住在硅谷的NASA艾姆斯研究中心，而工作地点则是在附近的SETIInstitute，而且是分属不同的项目组。

　　借力机器学习
为完成这一挑战性工作，FDL将这些研究生分成了3 组。每个组负责不同的工作，但每份工作都需要通过机器学习来加速研究小行星防御工作，比如评估偏转技术、利用雷达数据对小行星的形状进行建模，以及定位坠落的流星并确定其成分。而这些组最终的目标，是为了解答在对抗潜在有害小行星时需要面对的三个问题。

　　构成
　　为了了解小行星的构成，研究人员设计了一架无人机来寻找该区域的流星。他们使用基于GPU 的深度学习模型，借助 25,000 幅训练用的流星图像以及1 个包含1500 万幅图像的图像库，打造了一套自动化流星检测系统。Parr 表示，虽然0.7% 的误判率依然过高，但打造一架寻找流星的无人机已经完全没有问题。

　　形状和质心
　　小行星的形状对于其潜在偏转的评估工作而言至关重要。Parr指出，过去生成单个小行星的形状需要计算机耗费很长的时间来运行50,000 行传统代码，还要加上大约 4 周时间进行人工引导迭代。而运用GPU 和机器学习技术，将寻找小行星自旋轴的计算用时缩短到了短短几个小时，然后运用Parr 所谓的“前沿方法”来绕过传统代码，直接得出最终的迭代结果。Parr表示，原本需要数周的计算用时现在被缩短至几毫秒，这个结果是非常喜人的。

让小行星偏转的最好方法
　　在之前分析小行星偏转技术时，研究人员最多只能使用4 个轨道。而FDL团队使用GPU 和机器学习技术打造了一个分析模型，该模型可以运用800,000 个模拟轨道，从而使准备工作实现了惊人的跨越式进步。

　　GPU 成就太空项目
　　Parr 强调，所有这一切，如果没有 NVIDIA 向FDL提供的4 颗TITANX和 8 颗Pascal架构GPU，那么这些进展将不可能实现。这些 GPU 让每支研究团队均能够利用深度学习技术来发挥大型数据集的威力。

　　Parr 还表示：“其重要性就像六十年代末微处理器对阿波罗号的意义一样。”
利用 GPU 实现的技术进步终有一天会帮助我们免受来自天外的毁灭性灾难。Parr 同时还指出，要实现这一目标，我们还有很多问题需要解决，只有在解决了这些问题之后，我们才能成功阻止小行星碰撞地球上人口密集的地区。