¿Cómo se arregla un satélite que se encuentra en el espacio, a 22,000 millas sobre la superficie de la Tierra? Esa es una pregunta que la NASA tuvo que responder cuando encontró problemas con uno de sus satélites más cruciales. El satélite en cuestión es el Observatorio de Dinámica Solar (SDO), que se lanzó en 2010 con el importante objetivo de estudiar nuestra estrella principal y los efectos de la actividad solar en la Tierra. Esta misión es importante por una gran variedad de razones, entre otras cosas porque las tormentas solares pueden destruir satélites GPS, apagar redes eléctricas, e interrumpir comunicaciones.
Desafortunadamente, uno de los tres instrumentos del SDO, responsable de medir la luz ultravioleta, dejó de funcionar debido a una falla. Estos datos son esenciales para los operadores de satélites, ya que pueden afectar la trayectoria de vuelo de los equipos en órbita. Según se explica, no compensar adecuadamente los cambios atmosféricos debidos a la luz ultravioleta puede dar como resultado que los satélites se salgan de la órbita y se combustionen o estrellen.
Sin embargo, pese a encontrar la falla, se consideró que era demasiado costoso reparar el satélite de $850 millones de dólares en el espacio. Como resultado, la NASA llamó a expertos de IBM, SETI, Nimbix, Lockheed Martin y su propio laboratorio de desarrollo Frontier Development Lab, para ver si podían resolver el problema desde nuestro planeta usando inteligencia artificial de vanguardia. La tarea no era nada fácil: descubrir cómo usar los datos de los dos instrumentos principales del satélite SDO (su equipo de imágenes atmosféricas y su reproductor de imágenes heliosísmicas y magnéticas), para resolver las mediciones de radiación ultravioleta que faltan. Al parecer, la respuesta fue positiva.
“Uno de los mayores desafíos fue encontrar el óptimo tipo de A.I. para el problema en cuestión, es decir, virtualmente «resucitar» el instrumento SDO fallido, para que podamos obtener una vez más los datos que el instrumento habría producido si aún estuviera funcionando», Graham Mackintosh, Asesor de A.I. de SETI y NASA, dijo a Digital Trends. «El equipo automatizó la tarea de modificar, probar y registrar los resultados de casi mil versiones diferentes del modelo de aprendizaje profundo, antes de decidir el enfoque final que determinaron como óptimo».
Al final, el trabajo en conjunto de los diferentes integrantes del equipo permitió crear una red neuronal de aprendizaje profundo, que podría predecir los datos necesarios con una precisión superior al 97 por ciento. «IBM proporcionó dos servidores IBM POWER9 equipados con GPU Nvidia para acelerar el entrenamiento de la red neuronal», explicó Mackintosh, describiendo el proceso del trabajo y elementos que se complementaron a perfección. “Los investigadores del equipo pudieron usar estos servidores de forma remota en la nube, gracias a los servicios de alojamiento de Nimbix, el socio de IBM”.
Según lo descrito, esos servidores dedicados proporcionaron una plataforma altamente productiva para el equipo, y permitieron a los investigadores usar el software IBM Watson preinstalado, así como instalar herramientas A.I. con las que estaban familiarizados. “Además, pudimos trabajar con Nimbix para ajustar la configuración del hardware sobre la marcha, incluida la adición de capacidad de estado sólido sin perder ningún trabajo”, concluyó.
