Objetivo
Los investigadores del Argonne National Laboratory y las instituciones colaboradoras han desarrollado RADAR, un marco federado que mejora la privacidad y permite a los observatorios coordinar el seguimiento de ondas gravitacionales y de radio sin mover ni exponer datos de propiedad exclusiva. RADAR, que se ejecuta en sistemas de Supercomputadora acelerados por NVIDIA, demuestra cómo se puede acelerar el descubrimiento de múltiples mensajeros mediante workflows seguros entre observatorios que preservan el carácter privado de los datos. El artículo de RADAR ha sido aceptado para su publicación en la serie de suplementos de The Astrophysical Journal, una de las principales revistas revisadas por pares de astronomía.
Cliente
Laboratorio Nacional Argonne
Socio
William H. Miller III Departamento de Física y Astronomía de la Universidad Johns Hopkins
Departamento de Ciencias de la Computación de la Universidad de Chicago
Departamento de Física y Departamento de Astronomía de la Universidad de Illinois Urbana-Champaign
Caso de Uso
Herramientas y Técnicas de Computación Acelerada
Productos
Puntos Clave
Aceleración de 5 a 10 veces
- Se lograron aceleraciones monumentales mediante las GPU de NVIDIA, en comparación con las cargas de trabajo de CPU.
Habilitación del Intercambio Colaborativo
- Prácticas de intercambio de datos unificadas establecidas dentro de la comunidad de radioastronomía.
Procesamiento Más Rápido de Datos Sin Tratar
- Utilizó las GPU de NVIDIA en las supercomputadoras Polaris, Delta y DeltaAI para procesar datos sin tratar de LIGO a velocidades sin precedentes.
Demasiados Datos, Demasiado Pocos Sistemas Unificados
En la astrofísica de múltiples mensajeros, el procesamiento de datos rápido y ejecutado localmente es esencial para identificar eventos de ondas gravitacionales. La detección oportuna de estas señales requiere el análisis de grandes flujos de datos continuos directamente en los sitios donde se encuentran los detectores para minimizar retrasos en la transferencia y permitir una extracción rápida y confiable de eventos.
Una vez que se identifica un desencadenante de ondas gravitacionales, el seguimiento electromagnético coordinado depende de una comunicación rápida y estructurada de la información de eventos. Los rasgos posteriores de radio evolucionan lentamente y requieren un monitoreo a largo plazo, lo que hace que la contextualización temprana de eventos sea crucial para guiar estrategias de observación y garantizar un uso eficiente del tiempo de uso limitado del telescopio.
Las grandes áreas de localización asociadas a las detecciones de ondas gravitacionales, combinadas con los estrechos campos de visión de las matrices de radio sensibles, hacen que sea esencial un seguimiento oportuno y bien informado para maximizar el retorno científico.
Este desafío se ve exacerbado por las políticas heterogéneas de intercambio de datos en toda la comunidad de radioastronomía. Los períodos de propiedad varían ampliamente, desde la difusión pública inmediata hasta los embargos que duran hasta la publicación revisada por pares, lo que hace que el movimiento de datos centralizado sea poco práctico y ralentiza la agregación de observaciones necesarias para refinar modelos físicos en tiempo real.
Sin mecanismos mejorados para la coordinación entre observatorios, la comunidad se arriesga a perder oportunidades multimensajero clave.
Además, históricamente, estas restricciones han limitado la participación en campañas de seguimiento de radio, ya que las instituciones se mostraban comprensiblemente reacias a transferir datos sin procesar o no publicados. La ausencia de un enfoque federado que mejorara la privacidad implicó el aislamiento de mediciones valiosas, restringiendo así la capacidad colectiva de modelar brillos posteriores, actualizar parámetros de origen y permitir una ciencia de múltiples mensajeros con capacidad de respuesta.
Argonne National Laboratory
Argonne National Laboratory
RADAR Allana el Camino para Políticas de Intercambio Cohesivas
El framework RADAR es el producto de una amplia colaboración multiinstitucional y aprovecha los recursos computacionales de varias instalaciones nacionales de supercomputadora de Estados Unidos. Estos sistemas proporcionan la infraestructura distribuida y de alto rendimiento que permite los workflows federados y que mejora la privacidad de RADAR, lo que incluye:
- Las supercomputadoras Delta y DeltaAI en el National Center for Supercomputing Applications
- La supercomputadora Polaris en la Instalación de Computación Líder de Argonne
Este framework está diseñado como un sistema federado basado en eventos que opera dentro del ecosistema de astrofísica de múltiples mensajeros para coordinar el seguimiento radial de eventos de ondas gravitacionales, al tiempo que se preserva la seguridad de los datos y se respetan diversas políticas de intercambio de datos.
Su diseño liviano, modular y extensible proporciona una base generalizable para la ciencia distribuida y colaborativa, que se puede adaptar fácilmente a mensajeros adicionales, bandas electromagnéticas y a las normas comunitarias en evolución para el intercambio de datos.
“RADAR nos permite planificar y adaptar estrategias de seguimiento, incluso cuando los datos en sí no se pueden compartir directamente”, dijo Alessandra Corsi, profesora de Física y Astronomía W. H. Miller en Johns Hopkins. "Esta capacidad será cada vez más crítica a medida que los detectores de última generación transformen las escasas detecciones de múltiples mensajeros en un torrente de datos".
Un principio central del diseño de RADAR es permitir el intercambio de información de alto nivel impulsado por la comunidad para diseñar y refinar estrategias de observación, un requisito esencial dados los limitados recursos de observación radial y el aumento previsto en las detecciones de ondas gravitacionales.
RADAR complementa explícitamente los pipelines existentes dentro de la colaboración LIGO–Virgo–KAGRA, que incluye la Red de Ondas Gravitacionales de la NASA, y otras iniciativas comunitarias, lo que proporciona una capa integradora que mejora la coordinación sin reemplazar los frameworks establecidos de baja latencia o de análisis de datos.
Integración de RADAR en el Sistema
El framework RADAR identifica eventos de ondas gravitacionales mediante la inferencia de IA local en el sitio y compara estas detecciones con alertas de “supereventos” públicas de LIGO–Virgo–KAGRA para determinar si se justifica o no un seguimiento coordinado. En lugar de transferir datos sin procesar, RADAR adopta un enfoque que mejora la privacidad y permite a todos los observatorios conservar la propiedad de sus conjuntos de datos locales, al tiempo que intercambian solo parámetros de alto nivel o salidas de modelos necesarios para la inferencia global y la planificación colaborativa.
Cuando se encuentra un superevento coincidente, RADAR publica un disparador en Octopus, una estructura de mensajería basada en eventos alojada en la nube, a menudo mediante ProxyStore para manejar grandes resultados intermedios de manera eficiente y segura. Este disparador activa los módulos de radio y mensajería múltiple, que utilizan un analizador impulsado por IA para convertir las circulares de la Red de Coordenadas Generales (GCN) no estructuradas en metadatos estructurados y legibles por máquinas. Luego, estas alertas públicas se combinan con mediciones radiales privadas que se agregan a partir de observatorios distribuidos geográficamente que participan en el workflow federado.
Posteriormente, RADAR integra la información en todos los mensajeros mediante la ejecución de Dingo-BNS para la estimación de parámetros de ondas gravitacionales y afterglowpy para el modelado de afterglow de radio federado. Los posteriores resultantes se comparan y combinan para refinar los parámetros clave de las fuentes, lo que demuestra una inferencia de múltiples mensajeros de extremo a extremo, al tiempo que se preserva la localidad de los datos y se respetan las políticas heterogéneas de intercambio de datos.
“Las plataformas de computación acelerada avanzadas se han vuelto esenciales para la astrofísica moderna de múltiples mensajeros”.
Eliu Huerta
Líder de IA Traslacional del Argonne National Laboratory
Aceleración del Descubrimiento Impulsado por IA
Los investigadores avanzaron en su framework RADAR mediante el uso de las GPU NVIDIA A100 Tensor Core, las GPU NVIDIA A40 y las GPU NVIDIA GH200. El hecho de incorporar las arquitecturas de NVIDIA hizo posible un desempeño significativamente mayor, lo que fue esencial para manejar la escala y la complejidad crecientes de los datos en observatorios modernos de última generación.
Al integrar las GPU de NVIDIA a las supercomputadoras Polaris, Delta y DeltaAI, el módulo de IA del framework para la detección de señales procesó más de una hora—4,096 segundos—de datos avanzados de LIGO en menos de 4,5 minutos. Esto se traduce en una aceleración de 5 a 10 veces en comparación con el período inicial, cuando se ejecuta en cargas de trabajo de CPU.
La tecnología de NVIDIA permitió workflows colaborativos que además mejoraron la privacidad en los principales centros de supercomputación, garantizando así la seguridad de los datos confidenciales en sitios locales. Dentro de la comunidad de radioastronomía en general solo se comparten resultados seleccionados, lo que promueve la cooperación científica sin comprometer la propiedad de los datos.
Además, las soluciones de NVIDIA proporcionaron la potencia de computación de alto rendimiento en el sitio necesaria para procesar conjuntos de datos masivos en tiempo real, lo que permitió la identificación e implementación inmediatas de recursos durante eventos astrofísicos críticos.
Esta combinación de potencia computacional excepcional, escalabilidad y características de privacidad distingue a la solución de NVIDIA de las alternativas de la competencia, lo que la convierte en una opción clara para el proyecto RADAR.
“Las plataformas avanzadas de computación acelerada se han vuelto esenciales para la astrofísica moderna de múltiples mensajeros, pues nos permiten entrenar e implementar los modelos de IA a la escala que exigen estos desafíos”, dijo Eliu Huerta, líder de IA translacional en el Argonne National Laboratory. “Nuestro trabajo reciente demuestra que los marcos de IA de alto rendimiento pueden extraer información más profunda a partir de datos de observatorios complejos y distribuidos, lo que ayuda a la comunidad a avanzar más rápidamente hacia descubrimientos donde el tiempo es clave.
Compartiendo Información Sin Revelar los Secretos
RADAR demuestra que es posible colaborar de manera significativa sin comprometer los derechos de datos. El framework permite una planificación asincrónica y basada en modelos en instalaciones distribuidas, permitiendo obtener resultados de radio más tempranos para informar estrategias posteriores y optimizar el uso de telescopios. Al combinar el análisis federado con el intercambio de datos impulsado por la comunidad, RADAR aumenta la eficiencia de los recursos y la resiliencia del sistema, lo que ayuda a la comunidad a satisfacer las crecientes demandas de monitoreo de ondas gravitacionales.
Explore cómo la computación acelerada puede transformar su data center.