ESA Founding Project Panoptes

Transkrypt

1 ESA Founding Project Panoptes Mariusz Słonina Sybilla Technologies Projekt we współpracy: ESA Vratis (Wrocław) Sybilla Technologies (Bydgoszcz/Toruń)

2 Problem

3

4

5

6

7

8

9 Space Situational Awareness

10

11 Space Surveillance and Tracking

12

13 Panoptes

14 Founding Project Panoptes Analiza potencjału zastosowania współczesnych technik informatyki numerycznej (karty graficzne, chmura obliczeniowa) w dziedzinie wykrywania i modelowania śmieci kosmicznych oraz obiektów bliskich Ziemi (NEO, Near Earth Objects) Wykorzystanie danych fotometrycznych uzyskanych z globalnych sieci autonomicznych teleskopów w dziedzinie NEO

15 Founding Project Panoptes Analiza potencjału zastosowania współczesnych technik informatyki numerycznej (karty graficzne, chmura obliczeniowa) w dziedzinie wykrywania i modelowania śmieci kosmicznych oraz obiektów bliskich Ziemi (NEO, Near Earth Objects) Wykorzystanie danych fotometrycznych uzyskanych z globalnych sieci autonomicznych teleskopów w dziedzinie NEO

16 Founding Project Panoptes Analiza potencjału zastosowania współczesnych technik informatyki numerycznej (karty graficzne, chmura obliczeniowa) w dziedzinie wykrywania i modelowania śmieci kosmicznych oraz obiektów bliskich Ziemi (NEO, Near Earth Objects) Wykorzystanie danych fotometrycznych uzyskanych z globalnych sieci autonomicznych teleskopów w dziedzinie NEO Transfer wiedzy: ESA Vratis (PC) Sybilla Rozproszony zespół: Wrocław, Toruń, Poznań, Warszawa

17 Founding Project Panoptes Analiza potencjału zastosowania współczesnych technik informatyki numerycznej (karty graficzne, chmura obliczeniowa) w dziedzinie wykrywania i modelowania śmieci kosmicznych oraz obiektów bliskich Ziemi (NEO, Near Earth Objects) Wykorzystanie danych fotometrycznych uzyskanych z globalnych sieci autonomicznych teleskopów w dziedzinie NEO Rozproszony zespół: Wrocław, Toruń, Poznań, Warszawa

18 Founding Project Panoptes Analiza potencjału zastosowania współczesnych technik informatyki numerycznej (karty graficzne, chmura obliczeniowa) w dziedzinie wykrywania i modelowania śmieci kosmicznych oraz obiektów bliskich Ziemi (NEO, Near Earth Objects) Wykorzystanie danych fotometrycznych uzyskanych z globalnych sieci autonomicznych teleskopów w dziedzinie NEO Transfer wiedzy: ESA Vratis Sybilla Rozproszony zespół: Wrocław, Toruń, Poznań, Warszawa

19 Panoptes: zespół Vratis: W. Tarnawski, M. Korzeniowski, K. Chudzik, M. Cieślak, S. Warych, P. Olkiewicz Sybilla Technologies: P. Sybilski, R. Pawłaszek, M. Słonina, S. Kozłowski, M. Ratajczak, M. Polińska, P. Bartczak, K. Kowalik, A. Ryś

20

21

22 Founding Project Panoptes 1. Standardy danych i narzędzia stosowane w astronomii analiza formatów HDF5, FITS 2. Sieć autonomicznych, naziemnych teleskopów astronomicznych Projekt Solaris 3. Fotometria i redukcja danych Vratis VIAS GPU 4. Modelowanie NEO SAGE GPU (P. Bartczak + Vratis) 5. Astrodynamika 6. Chmura jako platforma komunikacji 7. Chmura jako platforma SSA/SST Azure

33 Founding Project Panoptes 1. Standardy danych i narzędzia stosowane w astronomii analiza formatów HDF5, FITS 2. Sieć autonomicznych, naziemnych teleskopów astronomicznych Projekt Solaris 3. Fotometria i redukcja danych Vratis VIAS GPU 4. Modelowanie NEO SAGE GPU (P. Bartczak + Vratis) 5. Astrodynamika CUDA/EC2 (Vratis) 6. Chmura jako platforma komunikacji 7. Chmura jako platforma SSA/SST Azure

35 Founding Project Panoptes 1. Standardy danych i narzędzia stosowane w astronomii analiza formatów HDF5, FITS 2. Sieć autonomicznych, naziemnych teleskopów astronomicznych Projekt Solaris 3. Fotometria i redukcja danych Vratis VIAS GPU 4. Modelowanie NEO SAGE GPU (P. Bartczak + Vratis) 5. Astrodynamika C++AMP/Azure 6. Chmura jako platforma komunikacji 7. Chmura jako platforma SSA/SST Azure

38 Astrodynamika na CPU/GPU

39 Astrodynamika na CPU/GPU Simplified General Perturbations model dynamiczny uwzględniający poprawki do modelu keplerowskiego wynikające z oddziaływania Słońca, Księżyca, niesferycznego pola grawitacyjnego Ziemi oraz wpływu atmosfery (NORAD, lata 60., 70.); precyzja modelu: 1-3km/d (SGP, P 225min.), 10km/d (SDP, P> 225min.) Vallado-SGP (STR-3) (2006) implementacja modelu w C/C++/Pascal, standaryzacja kodu CPU, Open Source, szeroko stosowany Idea: 1 satelita = 1 wątek CPU/GPU

42

43 Astrodynamika na CPU/GPU C++AMP (Microsoft, 2012) rozszerzenie języka C++ o programowanie równoległe na CPU/GPU (data-parallel hardware), otwarta specyfikacja parallel_for_each() Testy SGP dla max 100k obiektów (Cosmos 2251, Fengyun 1C, Iridium 33) Testy na taniej, dostępnej komercyjnie platformie: i GHz + GT755M 2GB

47 Astrodynamika CPU/GPU SGP

48 Astrodynamika CPU/GPU SDP

49 Astrodynamika CPU/GPU Problemy Sterowniki JIT (Just In Time compilation) restrict(cpu,amp) Transfery danych Ograniczona pamięć GPU Czas kompilacji kodu Optymalizacja algorytmu

50 Astrodynamika CPU/GPU Zalety Można uzyskać zadowalające przyspieszenie kodu korzystając z C++AMP Koncepcja akceleratora Developer experience Technologia rozwijająca się

51 Astrodynamika w chmurze

52 Astrodynamika w chmurze Amazon EC2 chmura GPU Windows Azure zintegrowany framework i gotowe do użycia serwisy Pay-As-You-Go optymalizacja zasobów i kosztów w długim okresie czasu (koszt symulacji SGP dla CPU/GPU: USD / USD) Dostępność na poziomie 99.9% Przykład: uruchomienie klastra MPI w Windows Azure ok. 4 godz. (koszt CPU: 0.08 USD) Redundancja systemu Problem: transfer danych

53 Chmura jako platforma SSA/SST

54

55 Platforma A Koszt: USD / godz.

56 Platforma B Koszt: USD / godz.

57 Doświadczenia

58 Doświadczenia Udział w projekcie ESA dostosowanie pracy i końcowego raportu do wymagań agencji Zarządzanie rozproszonym zespołem Nowe technologie IT w astronomii Astronomia IT

59 Rekomendacje

60 Rekomendacje dla ESA Autonomiczne obserwatoria GPU Chmura obliczeniowa

61

62