Das Wettrennen um den Weltraumtourismus ist in vollem Gange. Am 11. Juli 2021 gelang dem britischen Milliardär Richard Branson mit seinem Raumschiff „VSS Unity“ der Flug ins All – auch wenn dieser kaum vier Minuten dauerte und mit 86 Kilometern Höhe die (inoffizielle) Weltraumgrenze von 100 Kilometern verpasste. Branson kam damit Amazon-Chef Jeff Bezos zuvor, der am 20. Juli mit der Raumkapsel seines Unternehmens Blue Origin folgte und eine Höhe von 105 Kilometern über der Erdoberfläche erreichte.
Die öffentlichkeitswirksamen Raumfahrtversuche der Milliardäre lassen jedoch leicht vergessen, dass bemannte Raumflüge nur ein kleiner Teil der Weltraumforschung sind. Vor allem die US-amerikanische National Aeronautics and Space Administration (NASA) beschäftigt sich mit vielen ambitionierten Projekten. Neben Missionen wie der aktuellen Mars-Erkundung arbeiten Forscher des NASA Frontier Development Lab (FDL) beispielsweise an Themen, die weit in die Zukunft und die Vergangenheit unseres Sonnensystems reichen, und deren Ergebnisse auch Auswirkungen auf das Leben auf der Erde haben. Drei Beispiele sollen dies verdeutlichen. Sie sind in acht Wochen dauernden Wissenschaft-Sprints entstanden, die die FDL-Forscher gemeinsam mit Mentoren von Intel AI durchgeführt haben.
Wie wird das Wetter auf der Sonne?
So beschäftigte sich beispielsweise das Superresolution Team mit der Dynamik der Sonne und dem „Weltraumwetter“ der vergangenen 40 Jahre. Als überaus aktives und dynamisches System liefert unser Zentralgestirn nicht gleichmäßig Energie, sondern verändert sich in bestimmten Zyklen, die auch direkte Auswirkungen auf die Erde haben. Die Muster und Rhythmen dieser Veränderungen, das „Sonnenwetter“, lassen sich jedoch nur entdecken, wenn lange Zeitreihen von mehreren Jahrzehnten analysiert werden können. Ältere Aufzeichnungen haben allerdings oft eine niedrige Auflösung oder sind von schlechter Qualität. Sie enthalten daher nicht immer alle Details, die für eine Analyse erforderlich sind.
Um die Auflösung alter Aufnahmen der Sonnenoberfläche zu verbessern, nutzt das FDL Deep Learning und andere Methoden der künstlichen Intelligenz. Die Forscher setzen dabei auf die Leistungsfähigkeit von skalierbaren Intel Xeon Prozessoren, die sie als Virtuelle Maschinen aus der Google Cloud abrufen. Die Xeon Prozessoren der dritten Generation sind derzeit die einzigen skalierbaren CPUs für Rechenzentren und Cloud-Umgebungen, die mit „Intel Deep Learning Boost“ eine KI-Beschleunigung direkt im Chipsatz integriert haben.
Für die Datenvorbereitung kam eine N1-Standardinstanz mit 96 virtuellen CPUs zum Einsatz (n1-standard-96), das Modelltraining basierte auf einer N1-Standardinstanz mit acht virtuellen CPUs und 32 GB RAM auf der Grundlage eines Intel Xeon-Prozessors. Für die Schlussfolgerungen (Inferenz) wurde die Instanz n1-standard-64 mit 56 GB RAM auf einem Intel Xeon Scalable-Prozessor verwendet, der die Deep Neural Network Library (DNNL) von Intel und das PyTorch-Framework nutzte.
Durch die Kombination neuerer und älterer Daten und die intelligente Analyse konnte das Team am FDL ein wesentlich detaillierteres und längerfristiges Bild der Sonnenaktivitäten erhalten, als dies bisher möglich war.
Siedler auf dem Mond - eine realisierbare Utopie?
Ein weiteres Forscherteam namens „Moon for Good“ beschäftigte sich mit der Frage, ob eine dauerhafte Besiedlung des Mondes möglich ist, und wie weit sich Mondbewohner direkt mit Ressourcen vor Ort versorgen könnten. Dazu wurden große Mengen an Daten und Karten der Mondoberfläche auf ihre Oberflächenstruktur, Temperatur und magnetische Aktivität hin untersucht. Die Wissenschaftler nutzten sechs auf Intel Xeon Prozessoren basierende Recheninstanzen, um zirka 35 TB an Daten vorzuverarbeiten. Dabei hatten sie vor allem mit unterschiedlichen Auflösungen und Formaten im vorhandenen Material zu kämpfen.
Mithilfe der KI-Technologie von Intel konnte das Team eine Karte erstellen, die nicht nur Metallvorkommen und andere Ressourcenstandorte auf dem Mond anzeigt, sondern auch topografische Informationen und Angaben zu jeweiligen lokalen Temperaturen und Schwerkraftverhältnissen enthält. Die Karte wurde in Google Moon integriert und könnte bei der Planung von Mondsiedlungen eine wichtige Basis für die Standortsuche bilden.
Bessere Hochwasserwarnungen für die Zukunft
Das dritte Team widmete sich einer Frage, die sich in Deutschland derzeit zahlreiche Politiker und Wissenschaftler stellen: Wie können Flutkatastrophen besser vorhergesagt werden? Im “Floods Challenge“-Projekt werteten die Wissenschaftler Satellitendaten aus und kombinierten diese mit Karten des United States Geological Survey (USGS) sowie mit sozialgeografischen Informationen. Die Bearbeitung erfolgte mithilfe von Google Cloud Deep Learning VM-Images, die Intels DNNL und von Intel optimierte Versionen von TensorFlow und PyTorch enthielten. Das Team nutzte eine N1-Standardinstanz in der Google Cloud mit 960 GB RAM für Vorverarbeitung, Trainingseinheiten und Schlussfolgerungen. Mit den berechneten Modellen lässt sich vorhersagen, bei welchen Regenmengen in einer bestimmten Zeit für eine Region mit einer Überflutung zu rechnen ist.
Das Flood Challenge Team der FDL ist bei weitem nicht das einzige, das KI zur Vorhersage von Katastrophen einsetzt. Ein 2019 gestarteter Satellit der Europäischen Weltraumorganisation (ESA) nutzt ebenfalls künstliche Intelligenz, um Überschwemmungen in einem bestimmten Gebiet vorherzusagen. Der Satellit verwendet die Intel Movidius Visual Processing Unit (VPU), die es ihm ermöglicht, auf Bildanalyse basierende Verarbeitungsmodelle in Echtzeit auszuführen und so den zeitaufwändigen und oft kostspieligen Prozess der Datenübertragung zur Erde und zurück zu vermeiden. Mithilfe der Intel Distribution des OpenVINO-Toolkits kann er Hochwasserereignisse modellieren und vorhersagen, ohne dass er dazu Berechnungen von der Erde benötigt.
Fazit: KI und Rechenleistung beflügeln die Raumfahrt
Die ehrgeizigen Raumfahrtprogramme der 1960er und 1970er Jahre haben die Entwicklung von Computern und Programmen wesentlich beschleunigt. Heute scheint es fast umgekehrt: Mit Cloud Computing, KI und Big Data liefert die IT die Basis, um die Forschung im All – und nicht nur dort – zu beschleunigen. Leistungsfähige Prozessoren, Framework und Toolkits wie die skalierbaren Intel Xeon Prozessoren, die von Intel optimierten Versionen von TensorFlow und PyTorch oder die Intel Distribution des OpenVINO Toolkits sind dabei wesentliche Faktoren für den Erfolg. Wie die Beispiele zeigen, liefern die mit ihrer Hilfe durchgeführten Forschungen nicht nur wesentliche neue Erkenntnisse über Weltraum, Sonne und Mond, sondern können auch konkrete positive Auswirkungen auf das Leben auf der Erde haben.