A corrida por capacidade de processamento com GPUs ganhou um novo capítulo com o avanço da astronomia baseada em inteligência artificial (IA). Missões espaciais atuais e futuras estão produzindo volumes cada vez maiores de dados, levando pesquisadores a recorrerem a modelos de IA e aprendizado de máquina para analisar imagens e identificar galáxias.

O movimento acontece em meio à crescente demanda global por GPUs, usadas tanto em aplicações de IA generativa quanto em pesquisas científicas. Segundo o astrofísico Brant Robertson, da Universidade da Califórnia em Santa Cruz (UC Santa Cruz), o setor acadêmico já sente os impactos da disputa por infraestrutura computacional.

Embora o foco esteja na pesquisa científica, o aumento da demanda global por GPUs também ajuda a ampliar a pressão sobre o mercado de semicondutores usado em produtos eletrônicos de consumo.

Novos telescópios ampliam volume de dados

A NASA anunciou que o telescópio espacial Nancy Grace Roman será lançado em setembro de 2026, oito meses antes do previsto. Ao longo de sua operação, a missão deverá entregar cerca de 20 mil terabytes de dados para astrônomos.

O cenário se soma às informações produzidas diariamente pelo telescópio espacial James Webb, em atividade desde 2021 e responsável por transmitir aproximadamente 57 gigabytes de imagens por dia.

Outro projeto citado é o Observatório Vera C. Rubin, localizado nas montanhas do Chile. A expectativa é que o observatório inicie ainda neste ano uma pesquisa capaz de gerar 20 terabytes de dados por noite.

Para efeito de comparação, o telescópio espacial Hubble, referência histórica na astronomia, envia apenas entre 1 e 2 gigabytes de leituras diárias.

GPUs passaram a ser essenciais na astronomia

Robertson afirmou que a análise astronômica passou por uma evolução significativa nos últimos anos. Segundo ele, os pesquisadores deixaram de estudar poucos objetos manualmente para trabalhar com análises em larga escala aceleradas por GPUs.

“Houve essa evolução de observar poucos objetos para análises em CPU em grandes escalas de dados, e depois para versões aceleradas por GPU dessas mesmas análises”, disse o pesquisador à TechCrunch.

Nos últimos 15 anos, Robertson trabalhou com a Nvidia em projetos voltados ao uso de GPUs em simulações espaciais e ferramentas de análise de dados astronômicos.

Ao lado do então estudante de pós-graduação Ryan Hausen, ele desenvolveu o modelo de deep learning Morpheus, criado para examinar grandes conjuntos de dados e identificar galáxias.

Análises iniciais feitas com dados do James Webb revelaram uma quantidade inesperada de um tipo específico de galáxia em disco, adicionando novos elementos às teorias sobre a formação do universo.

Modelo Morpheus será atualizado

Agora, o Morpheus está passando por mudanças em sua arquitetura. Robertson afirmou que substituirá as redes neurais convolucionais pelo modelo de transformers, tecnologia associada à ascensão dos grandes modelos de linguagem.

A expectativa é que a alteração permita que o sistema analise áreas muito maiores do espaço em menos tempo, acelerando o processamento dos dados astronômicos.

Além disso, Robertson trabalha em modelos de IA generativa treinados com dados de telescópios espaciais. O objetivo é melhorar a qualidade das observações feitas por telescópios terrestres, frequentemente afetadas pela atmosfera da Terra.

Segundo ele, mesmo com avanços em foguetes espaciais, ainda é difícil colocar em órbita espelhos de oito metros. Por isso, o uso de software para aprimorar as imagens do Observatório Vera C. Rubin aparece como alternativa.

Demanda global por GPUs preocupa pesquisadores

Apesar dos avanços, Robertson afirmou que a comunidade científica enfrenta dificuldades para acessar infraestrutura computacional adequada.

Ele utilizou recursos da National Science Foundation (NSF) para construir um cluster de GPUs na UC Santa Cruz, mas relatou que o sistema já está ficando desatualizado diante do aumento de pesquisadores interessados em técnicas intensivas de computação.

A pressão sobre a demanda por GPUs não afeta apenas empresas de inteligência artificial e centros de pesquisa. A disputa global por chips também pode impactar a cadeia de eletrônicos de consumo, incluindo dispositivos como celulares e computadores.

O governo de Donald Trump propôs cortar em 50% o orçamento da NSF na atual proposta orçamentária.

“Pessoas querem fazer análises com IA e aprendizado de máquina, e GPUs são realmente o caminho para isso”, afirmou Robertson. Segundo ele, pesquisadores precisam ser “empreendedores” para demonstrar às universidades a importância desse tipo de infraestrutura para o futuro da área.

O post Como os telescópios ‘caçadores de galáxias’ podem deixar seu celular mais caro apareceu primeiro em Olhar Digital.