Astronomen hebben een nieuw softwarepakket genaamd GPUPhot ontwikkeld dat het detecteren en analyseren van lichtbronnen in enorme hoeveelheden astronomische beelden drastisch versnelt door gebruik te maken van grafische processoren.
De moderne astronomie kampt met een groeiende uitdaging: de snelheid waarmee nieuwe imaging-surveys data genereren, overstijgt de capaciteit van traditionele photometry-pipelines. Veel van deze oudere systemen zijn gebaseerd op iteratieve processen waarbij elke lichtbron afzonderlijk wordt gefit. Volgens een recent wetenschappelijk artikel op arxiv.org sluit deze constructie niet aan bij de architectuur van parallelle hardware, wat leidt tot een tekort in de doorvoersnelheid van de gegevensverwerking.
Een fundamentele herformulering
Om dit probleem op te lossen, hebben onderzoekers M. R. Alarcon, S. Lemes-Perera, M. Serra-Ricart en J. Licandro een set algoritmen ontwikkeld die volledig native op een Graphics Processing Unit (GPU) kunnen draaien. De kern van GPUPhot is dat elke fase van de data-reductie is geformuleerd als een convolutie met een vaste kern of als een element-gewijze operatie op volledige frame-kaarten.
Een specifiek probleem bij groothoekbeelden is de zogenaamde Point Spread Function (PSF), die varieert afhankelijk van de positie in het beeldveld. GPUPhot gaat hiernaar door de veldafhankelijke PSF te beschrijven via een kleine set van vaste, flux-conserverende principal-component eigenmodes met coëfficiënten die afhankelijk zijn van de positie. Hierdoor kan het systeem een 'matched filter' toepassen dat is opgedeeld in een beperkt aantal echte convoluties, terwijl de statistische basis van maximum-likelihood behouden blijft.
Prestaties en precisie
De effectiviteit van het raamwerk is bewezen, zelfs in complexe scenario's. Volgens de publicatie op behoudt GPUPhot een sub-pixel astrometrische nauwkeurigheid en een fotometrische precisie van enkele millimagnitudes voor heldere bronnen, zelfs wanneer er sprake is van sterke achtergrondgradiënten en sterk inhomogene PSF's.
De praktische impact van deze software is reeds zichtbaar. De pipeline is sinds 2023 operationeel bij de telescopen van het Teide Observatory. De resultaten van deze implementatie zijn indrukwekkend:
* Er zijn in totaal 3,7 miljoen beelden verwerkt.
* De totale hoeveelheid verwerkte data bedraagt 1,2 petabyte (PB).
* De effectieve end-to-end verwerkingstijd ligt onder de 15 seconden per beeld van 150 megapixels.
Deze snelheid omvat het gehele proces, van de initiële opname van het ruwe frame tot het genereren van een broncatalogus met volledige astrometrische en fotometrische oplossingen.
Toekomst en open source
Omdat de algoritmen zijn gebouwd op universele primitieven, zijn ze zelfstandig en kunnen ze worden toegepast buiten de strikte context van fotometrie. De onderzoekers hebben besloten om het volledige softwarepakket openbaar te maken, zodat de bredere wetenschappelijke gemeenschap gebruik kan maken van deze versnelling.
Het artikel, dat is geaccepteerd voor publicatie in The Astrophysical Journal Supplement Series (ApJS), is beschikbaar gesteld via de . De publicatie bevat 25 pagina's en 14 figuren die de technische onderbouwing van de kernel-gebaseerde algoritmen verder toelichten.
Hoewel aanvullende documenten van platforms zoals copernicus.org en andere arxiv.org in de context van deze data-analyse voorkomen, blijft de primaire technische focus liggen op de overstap van iteratieve CPU-berekeningen naar parallelle GPU-architecturen om de enorme datastroom van moderne telescopen beheersbaar te houden.