Аналіз даних мережі радіотелескопів Event Horizon Telescope, який раніше тривав понад місяць, тепер, за даними NVIDIA, займає хвилини. Компанія випустила відкритий інструмент, що зводить сигнали від телескопів за допомогою відеокарт. З отриманих таким чином даних згодом будують зображення чорних дір.

Терабайти за хвилину
За даними технічного блогу NVIDIA, модулем cuPhoton.xBeam 10 терабайтів записів Event Horizon Telescope (EHT) обробили за 70 секунд на системі Vera Rubin NVL72 із 64 графічними процесорами. На звичайних процесорах x86 на той самий масив пішло майже дев’ять годин, тобто приблизно в 460 разів більше.
Телескопи EHT розташовані на різних континентах і разом працюють як одна антена розміром із Землю. Радіохвиля з околиць чорної діри приходить на кожну станцію з різною затримкою, тому записи спершу вирівнюють у часі. Потім сигнал розкладають на частотні канали й перемножують дані кожної пари телескопів. Увесь цей процес називають кореляцією, а з отриманої інформації про розподіл яскравості джерела пізніше відновлюють зображення.

Місяці очікування
Під час кампанії у квітні 2017 року на восьми телескопах записали близько 3,5 петабайта сирих даних. Жорсткі диски із записами фізично везли до обсерваторії Хейстек Массачусетського технологічного інституту та Інституту радіоастрономії імені Макса Планка в Бонні. Там дані корелювали за допомогою програми DiFX, розрахованої на звичайні процесори. В окремому блозі про бібліотеки CUDA-X компанія наводить інше порівняння, за яким аналіз, що раніше тривав понад місяць, тепер займає вісім хвилин.

Перше зображення тіні чорної діри в галактиці M87 оприлюднили у квітні 2019 року, через два роки після тих спостережень. Знімок Стрільця A* з даних того ж 2017 року з’явився лише у травні 2022-го. Кореляція була тільки частиною цієї паузи, бо далі йшли калібрування, побудова зображення і перевірки.
Відкритий код на чипах NVIDIA
Пакет cuPhoton виклали на GitHub під ліцензією Apache 2.0, тож він безкоштовний і відкритий для змін. Написаний він на CUDA, тому працює лише на графічних процесорах NVIDIA, від серверних стійок до настільного комп’ютера DGX Spark.
Про це анонсували 16 листопада 2026 року на суперкомп’ютерній конференції SC26. Як пише Interesting Engineering, того ж дня компанія показала бібліотеки для фізики плазми й молекулярного моделювання та Nemotron for Science, відкриту модель для наукових ШІ-агентів.
Межі інструмента
Попри сусідство з ШІ-агентами в одному анонсі, машинного навчання в xBeam немає, це класичні обчислення. Тож дискусія про те, чи можна довіряти штучному інтелекту в астрономії, цього інструмента прямо не стосується.
Над інструментом NVIDIA працює разом із Гарвард-Смітсонівським центром астрофізики та обсерваторією Хейстек. У компанії вважають, що відновлення зображення чорної діри в M87 у реальному часі стає досяжним. Проте калібрування і побудова зображення залишаються окремими етапами поза xBeam.
Конкретної кампанії, де застосують xBeam, NVIDIA не назвала. Найбільше він знадобиться проєкту ngEHT, тобто EHT наступного покоління, що планує більше станцій і зйомку змін довкола чорних дір. Кількість пар телескопів, які треба корелювати, зростає приблизно пропорційно квадрату числа станцій. Вісім телескопів кампанії 2017 року утворювали 28 пар, а 13 станцій, які NVIDIA називає в описі EHT, утворюють уже 78.

Той самий пакет cuPhoton містить і модуль xLens для фізики плазми, який компанія Pacific Fusion, що працює над керованим термоядерним синтезом, використовує для аналізу даних просто під час симуляцій. Модель Nemotron тим часом знайшла застосування в хімії. Лабораторія Lila Sciences після додаткового навчання моделі на результатах власних експериментів довела точність підбору рецептів синтезу квантових точок, нанокристалів для екранів і сонячних панелей, до 61 %, тоді як GPT-6 Astra на тому ж завданні показала 54 %.