美國國家航空航天局（NASA）宣布，將於 2026 年 9 月發射 Nancy Grace Roman 太空望遠鏡，比原定計劃提前 8 個月。這款新型太空望遠鏡在其壽命週期內，預計向天文學家提供 20,000 TB 數據。這將補充 James Webb 太空望遠鏡每日下傳的 57 GB 震撼影像，後者自 2021 年開始運作；同時，今年稍後 Vera C. Rubin 天文台在智利山區啟動的巡天觀測，預計每晚收集 20 TB 數據。
相較之下，昔日標竿 Hubble 太空望遠鏡每日僅產生 1 至 2 GB 感測器讀數。
GPU 加速天文數據分析
天文學家早已擺脫手動審閱數據的時代，如今轉向 GPU 解決海量數據挑戰。加州大學聖克魯茲分校（UC Santa Cruz）天體物理學家 Brant Robertson 親歷這一科學轉變，他過去 15 年與 Nvidia 合作，將 GPU 應用於太空研究，從超新星爆炸模擬，到開發工具分析最新天文台數據洪流。「從觀察少數物體，到 CPU 規模化分析，再到 GPU 加速版本，這是演進過程，」他向 TechCrunch 表示。
Robertson 與當時研究生 Ryan Hausen 開發的深度學習模型 Morpheus，能掃描龐大数据集並辨識銀河系。他們對 Webb 數據的早期 AI 分析，發現特定盤狀銀河系數量出奇的多，為宇宙發展理論增添新變數。目前，Morpheus 正轉用大型語言模型背後的 transformer 架構，分析範圍可擴大數倍，加速處理。Robertson 亦開發生成式 AI 模型，利用太空望遠鏡數據提升地面望遠鏡觀測品質，彌補地球大氣扭曲影響。
由於火箭技術限制，8 米鏡面難以送入軌道，軟件優化 Rubin 觀測遂成次佳方案。 然而，全球 GPU 需求壓力持續。Robertson 透過國家科學基金會（NSF）在 UC Santa Cruz 建置 GPU 叢集，但設備迅速過時，新研究者紛紛轉向運算密集技術。川普政府最新預算提案，更建議 NSF 經費減半 50%。「人們想進行 AI 與機器學習分析，GPU 是關鍵途徑，」Robertson 說。
「你必須具創業精神，尤其處於技術前沿。大學資源有限且厭惡風險，因此需證明這是領域方向。」
