การเฝ้าสังเกตการณ์พื้นผิวดวงอาทิตย์
ด้วย Solar Dynamics Observatory ของ NASA, HP Z และ NVIDIA
บทคัดย่อ
สำหรับ NASA ข้อมูลคือหัวใจของทุกภารกิจ ตั้งแต่การตรวจจับวัตถุไปจนถึงการสนับสนุนภารกิจ การเก็บข้อมูลและการวิเคราะห์เชิงลึกอย่างรวดเร็วคือปัจจัยสำคัญสู่ความสำเร็จ และความท้าทายในการวิเคราะห์ข้อมูลไม่ได้เกิดจากขนาดของข้อมูลเพียงอย่างเดียว แต่ยังรวมถึงประเภทของข้อมูลที่มีความซับซ้อนและหลากหลาย ตั้งแต่ภาพของกาแล็กซี ดวงดาว ไปจนถึงพื้นผิวของดาวเคราะห์ทั่วทั้งระบบสุริยะ เมื่อ NASA และบริษัทคู่สัญญาทั้งหลายต่างก็มองหาวิธีการเก็บรวบรวมและวิเคราะห์ข้อมูลที่รวดเร็วและเชื่อถือได้มากขึ้น ปัญญาประดิษฐ์ (AI) จึงเป็นคำตอบที่พวกเขาเลือกใช้ ล่าสุด ESG ได้พูดคุยกับนักวิทยาศาสตร์ของ NASA เพื่อทำความเข้าใจถึงความพยายามในการนำ AI มาใช้ และวิธีที่ HP Z มีบทบาทสำคัญในการพลิกโฉมกระบวนการวิเคราะห์ข้อมูลของพวกเขา
แชร์บน
NASA และปัญญาประดิษฐ์ (AI)
ด้วยปริมาณข้อมูลมหาศาลที่ NASA ต้องจัดการในแต่ละภารกิจหรือโครงการ จึงไม่น่าแปลกใจที่ AI กลายเป็นเทคโนโลยีหลักที่ช่วยขับเคลื่อนการทำงาน ปัจจุบัน NASA ใช้ AI เพื่อช่วยในการตรวจจับวัตถุและการพัฒนาแบบจำลองให้มีความแม่นยำมากยิ่งขึ้น AI ถูกนำมาใช้ในการเฝ้าติดตามพื้นที่ต่างๆ ในอวกาศ และสามารถตรวจจับเหตุการณ์ที่น่าสนใจได้โดยอัตโนมัติ ไม่ว่าจะเป็นสิ่งที่เพิ่งเกิดขึ้น หรือสิ่งที่กำลังจะเกิดขึ้นในอนาคต โดยอิงจากข้อมูลที่เก็บรวบรวมและแบบจำลองทางวิทยาศาสตร์ที่อธิบายกระบวนการทางกายภาพ AI ยังสามารถช่วยให้โมเดลเหล่านี้มีความแข็งแกร่งและเชื่อถือได้มากขึ้น ด้วยการเปิดโอกาสให้สำรวจพารามิเตอร์ได้หลากหลายยิ่งขึ้น
NASA เพิ่งเริ่มต้นใช้ AI เพื่อเสริมสร้างและขับเคลื่อนภารกิจต่างๆ โดยข้อมูลที่เก็บรวบรวมจากยานอวกาศเพื่อปรับปรุงความเข้าใจของมนุษยชาติด้านฟิสิกส์สุริยะและโมเดลที่เกี่ยวข้องนั้นมีขนาดมหาศาล—นับสิบหรือแม้แต่หลายร้อยเทราไบต์ต่อวัน การวิเคราะห์ข้อมูลทั้งหมดนั้นแทบเป็นไปไม่ได้ เนื่องจากข้อจำกัดด้านขนาดข้อมูลและขีดความสามารถในการประมวลผลของยานอวกาศที่อยู่ห่างจากโลกหลายร้อยไมล์ NASA จึงจำเป็นต้องคัดเลือกเฉพาะข้อมูลบางประเภทเพื่อส่งกลับมายังโลก ซึ่งรูปแบบของข้อมูลที่เลือกจะขึ้นอยู่กับลักษณะของภารกิจ สถานการณ์นี้เปิดโอกาสให้ AI ถูกนำไปใช้งานบนอุปกรณ์ภาคสนาม เช่น ดาวเทียม, ยานสำรวจ, เครื่องบิน หรือบอลลูน เพื่อช่วยในการวิเคราะห์ข้อมูล ณ จุดเกิดเหตุ เพิ่มความเร็วและความแม่นยำในการตัดสินใจในภารกิจที่สำคัญ
การเฝ้าสังเกตการณ์ชั้นบรรยากาศดวงอาทิตย์
ESG ได้พูดคุยกับ Michael Kirk (ASTRA llc.) นักฟิสิกส์ดาราศาสตร์ และ Raphael Attié (มหาวิทยาลัย George Mason) นักดาราศาสตร์สุริยะจาก NASA’s Goddard Space Flight Center เพื่อทำความเข้าใจภารกิจในการเฝ้าติดตามบรรยากาศของดวงอาทิตย์ และเทคโนโลยีที่พวกเขาใช้ในการดำเนินงานอย่างต่อเนื่องด้วย AI โดยส่วนแรกของภารกิจคือการจำแนกประเภท พวกเขาใช้ AI เพื่อทำแผนที่การเคลื่อนที่ของพลาสมาเฉพาะจุดบนดวงอาทิตย์ และจำแนกพื้นที่ตามระดับกิจกรรมของสนามแม่เหล็ก เพื่อให้สามารถมุ่งเน้นไปยังบริเวณที่มีแนวโน้มเกิดการปะทุของดวงอาทิตย์ (Solar Flare) แม้ว่าความร้อนและอุณหภูมิที่รุนแรงจากการปะทุของดวงอาทิตย์จะไม่ส่งผลกระทบโดยตรงต่อโลก แต่รังสีแม่เหล็กไฟฟ้าและอนุภาคพลังงานสูงสามารถแทรกซึมเข้าสู่ชั้นบรรยากาศชั้นบนของโลก และรบกวนการส่งสัญญาณจากดาวเทียม GPS ที่โคจรรอบโลกได้ นอกจากการเฝ้าติดตามพื้นที่ที่มีกิจกรรมของสนามแม่เหล็กบนดวงอาทิตย์แล้ว ทีมนักวิทยาศาสตร์ก็ยังโฟกัสไปที่การสร้างแผนที่การไหลของพลาสมาบนดวงอาทิตย์ด้วย เพื่อการนี้ ทางทีมได้ร่วมมือกับ Benoit Tremblay นักวิทยาศาสตร์จากหอสังเกตการณ์สุริยะแห่งชาติ (National Solar Observatory - NSO) ใช้เครือข่ายประสาทเทียมเชิงลึก (Deep Neural Network) ที่ผ่านการฝึกด้วยข้อมูลจำลอง เพื่อทำความเข้าใจการไหลของพลาสมาและความสัมพันธ์กับสนามแม่เหล็ก
“เราตระหนักได้อย่างรวดเร็วว่า แม้คุณจะมีเครื่องยนต์ที่ทรงพลังมาก (เช่น เวิร์กสเตชันเดสก์ท็อป) แต่ถ้าคุณไม่มีระบบส่งกำลังที่เหมาะสม—หรือก็คือชุดซอฟต์แวร์ที่ได้รับการปรับแต่งมาอย่างเหมาะสม—คุณก็เหมือนกับกำลังขับรถโดยไม่มีเกียร์ เพราะคุณจะไม่มีทางไปถึงเป้าหมายได้เลย”
Michael Kirk
นักฟิสิกส์ดาราศาสตร์วิจัยที่ NASA Goddard, ASTRA llc.
เวิร์กโฟลว์ และความท้าทาย
ภารกิจ Solar Dynamics Observatory (SDO) เก็บข้อมูลด้วยการถ่ายภาพดวงอาทิตย์ทุกๆ 1.3 วินาที Michael Kirk และ Raphael Attié ได้ปรับใช้ อัลกอริธึมที่มีอยู่เดิม เพื่อขจัดข้อผิดพลาดจากภาพ เช่น พิกเซลเสีย และศึกษาคลังข้อมูลที่เพิ่มขึ้นทุกวัน เพื่อให้เข้าใจถึงขนาดของภารกิจนี้ ลองนึกภาพว่า NASA ต้องจัดการกับข้อมูลภาพจำนวนหลายสิบเพตาไบต์ ซึ่งประกอบด้วยไฟล์ที่มีข้อผิดพลาดกว่า 150 ล้านไฟล์ และการตรวจจับแต่ละจุดกว่า 100 พันล้านรายการ ที่ต้องถูกจัดเรียง ติดป้ายกำกับ และคัดแยกอย่างแม่นยำว่าเป็นพิกเซลที่ดีหรือเสีย หนึ่งในปัญหาแรกที่ทีมงานต้องเผชิญคือการขาดแคลนพลังในการประมวลผลที่อยู่ใกล้กับแหล่งข้อมูล ซึ่งหมายความว่า ข้อมูลต้องถูกย้ายไปมาระหว่างคลังเก็บข้อมูล, แล็ปท็อป/เวิร์กสเตชันในพื้นที่, หรือคลัสเตอร์ประมวลผลระยะไกลอย่างต่อเนื่อง ส่งผลให้เกิดความล่าช้าอย่างมาก โดยเฉพาะเมื่อปริมาณข้อมูลที่ต้องวิเคราะห์เพิ่มขึ้นอย่างต่อเนื่อง
คลังข้อมูลขนาดหลายร้อย TB
ด้วยข้อจำกัดด้านการประมวลผลแบบคลาวด์และเครือข่าย การดึงข้อมูลอย่างครบถ้วนจากคลังข้อมูลขนาดหลายร้อยเทราไบต์จึงแทบเป็นไปไม่ได้เลย เมื่อคำนึงถึงปริมาณข้อมูลที่ต้องย้ายและขีดความสามารถในการประมวลผลที่จำกัด ทีมงานต้องใช้เวลานานถึงหลายปีจึงจะได้ผลลัพธ์ที่ต้องการ นอกจากนี้ สำหรับภารกิจเฝ้าติดตามและวิเคราะห์พื้นผิวของดวงอาทิตย์ NASA ต้องจัดการกับข้อมูลใหม่มากถึง 1.5 เทราไบต์ต่อวัน ความล่าช้าและเวลารอคอยจึงกลายเป็นสิ่งที่ไม่สามารถยอมรับได้อีกต่อไป เพื่อรับมือกับปัญหานี้ ทีมงานได้ทดลองใช้เวิร์กสเตชันเดสก์ท็อปที่ออกแบบมาสำหรับงาน GPU ทั่วไป โดยมีพื้นที่จัดเก็บแบบ SATA ไม่ถึง 1 เทราไบต์, RAM ขนาด 32GB และ GPU รุ่น NVIDIA 1080 TI แต่เนื่องจากขนาดของชุดข้อมูลที่ใหญ่เกินไป Kirk และ Attié จึงต้องใช้พื้นที่จัดเก็บภายนอกผ่าน USB ซึ่งสร้างข้อจำกัดด้าน I/O (Input/Output) อย่างมาก แม้การใช้คลัสเตอร์คลาวด์จะดูเป็นทางออกที่เหมาะสม เพราะมีทั้งพื้นที่จัดเก็บและพลังการประมวลผลเหลือเฟือ แต่คลาวด์ก็นำมาซึ่งความท้าทายใหม่ นั่นคือเรื่องของมาตรการด้านความปลอดภัย
การรักษาความปลอดภัย
มาตรการด้านความปลอดภัยภายใน NASA กำลังเข้มงวดมากขึ้น แม้ว่าชุดข้อมูลบางส่วนจะเปิดเผยต่อสาธารณะ แต่การเข้าถึง การเคลื่อนย้าย และการใช้ทรัพยากรในการประมวลผลยังคงอยู่ภายใต้ข้อกำหนดด้านความปลอดภัยหลายชั้น ซึ่งอาจเป็นอุปสรรคต่อการนำเทคโนโลยีใหม่ๆ มาใช้ในงานด้าน Data Science แม้เทคโนโลยีและชุดซอฟต์แวร์ใหม่ๆ โดยเฉพาะในสภาพแวดล้อมคลาวด์จะมีความน่าสนใจ แต่กระบวนการรักษาความปลอดภัยที่เข้มงวดได้ผลักดันให้ Michael Kirk และ Raphael Attié ต้องหันกลับมาประเมินการใช้ Workstation AI แบบ on-premises อีกครั้ง เพื่อให้สามารถควบคุมข้อมูลได้อย่างปลอดภัยและสอดคล้องกับข้อกำหนดขององค์กร
ความน่าเชื่อถือและการสนับสนุน
อัลกอริธึมตรวจจับวัตถุที่ผ่านการฝึกด้วยภาพทั่วไปไม่สามารถนำมาใช้กับภาพดวงอาทิตย์ของทีมงานได้เลย เนื่องจากข้อมูลที่ต้องวิเคราะห์มีขนาดถึง 1.5 เทราไบต์ต่อวัน และถูกจัดเก็บในรูปแบบไฟล์ทางวิทยาศาสตร์ที่เรียกว่า FITS ซึ่งแตกต่างจากไฟล์ภาพมาตรฐานอย่าง JPG หรือ TIFF แม้การขอความช่วยเหลือจากทีม IT จะดูเป็นทางเลือกที่เหมาะสม แต่ทีม IT ของ NASA มีภารกิจจำนวนมาก และไม่สามารถให้การสนับสนุนอย่างต่อเนื่องได้ ทีมวิจัยจึงต้องจัดการกับเวิร์กโฟลว์ด้าน Data Science ด้วยตนเอง โดยใช้เครื่องมืออย่าง Python, TensorFlow, Dask, CuPy สำหรับการประมวลผลข้อมูลขนาดใหญ่ และ Pandas, RAPIDS, CuDF สำหรับการวิเคราะห์เชิงสถิติ รวมถึงเครื่องมือสร้างภาพแบบ 2D และ 3D หลากหลายรูปแบบ หลังจากพยายามปรับระบบเดิมและทำงานร่วมกับทีม IT เพื่อให้ติดตั้งไดรเวอร์ที่รองรับความต้องการของงานวิจัยนานกว่า 1 ปี ทีมงานจึงตัดสินใจยกเลิกการใช้เวิร์กสเตชันแบบ on-premises และจำเป็นต้องกลับไปใช้โมเดลการประมวลผลผ่านคลาวด์อีกครั้ง
ข้อกําหนดสําหรับ AI Workstation รุ่นใหม่
เมื่อ workstation เดิมๆ ไม่สามารถรองรับปริมาณข้อมูลหรือความเร็วที่เหมาะสมแม้แต่กับชุดข้อมูลเดียว อีกทั้งยังเกิดความล่าช้าในการเคลื่อนย้ายข้อมูลระหว่างคลังเก็บ, อุปกรณ์ในพื้นที่ และคลัสเตอร์ประมวลผลระยะไกล ซึ่งอาจใช้เวลานานกว่าหนึ่งปีในการได้ผลลัพธ์ ด้วยเหตุนี้ NASA จึงจำเป็นต้องมองหาโซลูชันใหม่ที่ตอบโจทย์เฉพาะของภารกิจ และสนับสนุนเป้าหมายได้ดียิ่งขึ้น NASA ต้องการระบบที่ทรงพลังแบบ on-premises ซึ่งสามารถรองรับซอฟต์แวร์และเวิร์กโฟลว์ที่ปรับแต่งเฉพาะ, ปฏิบัติตามข้อกำหนดด้านความปลอดภัย, ลดการเคลื่อนย้ายข้อมูล และให้ประสิทธิภาพในระดับที่เหมาะสม นอกเหนือจากความสามารถพื้นฐานด้านการจัดเก็บและการประมวลผลแล้ว การประมวลผลแบบขนาน (parallelism) ก็มีความสำคัญอย่างยิ่ง เพื่อให้สามารถใช้ GPU ได้อย่างเต็มประสิทธิภาพ และดึงศักยภาพของ CPU หลายคอร์ออกมาใช้งานอย่างมีประสิทธิผล จากประสบการณ์ที่ผ่านมา ทั้งนักวิจัยและทีม IT ของ NASA ต่างต้องการการสนับสนุนที่ดียิ่งขึ้นจากผู้ผลิตที่เข้าใจข้อกำหนดเฉพาะของ NASA
HP Z8 Workstation: โซลูชันที่ตอบโจทย์ความต้องการของ NASA
HP ได้ส่งมอบ Z8 Workstation ที่ครบครัน ซึ่งช่วยให้ NASA สามารถใช้งาน GPU ระดับสูงจาก NVIDIA และ CPU ที่พร้อมรองรับเวิร์กโฟลว์ด้าน Data Science ได้อย่างเต็มประสิทธิภาพ ภายในเคสขนาดเดสก์ท็อป NASA ได้ระบบที่มีพื้นที่จัดเก็บข้อมูลความหนาแน่นสูง โดยผสมผสานระหว่างดิสก์ NVMe ความเร็วสูงและฮาร์ดดิสก์ระดับองค์กร เพื่อรองรับข้อมูลหลายสิบเทราไบต์ พร้อมด้วยคอร์ประมวลผลจาก NVIDIA Quadro RTX 8000 GPUsจำนวนหลายพันคอร์ และซีพียู Xeon สองตัวสำหรับการเตรียมข้อมูลและการโต้ตอบกับข้อมูลแบบเรียลไทม์ และที่สำคัญคือ—ทุกอย่างทำงานได้อย่างราบรื่นตั้งแต่เริ่มต้น
การเข้าถึงข้อมูล
สำหรับนักวิจัยจาก NASA ที่กำลังศึกษาพื้นผิวของดวงอาทิตย์ HP Z Workstation ได้กลายเป็นเครื่องมือสำคัญที่ช่วยให้การเข้าถึงข้อมูลเป็นไปอย่างง่ายดายและต่อเนื่อง ไม่เพียงแต่เร็วขึ้น แต่ยังมีความเสถียรมากขึ้นด้วย
“เมื่อคุณทำงานในองค์กรขนาดใหญ่ คุณไม่สามารถคาดเดาความเร็วของเครือข่ายได้เลย บางครั้งผมเข้าถึงข้อมูลได้ที่ 10 MB/s บางครั้งแค่ 1 MB/s หรือแม้แต่น้อยกว่านั้น ตอนนี้ผมสามารถจัดเก็บข้อมูลหลายสิบเทราไบต์ไว้ในเครื่องได้ และเรียกใช้งานทั้งหมดพร้อมกันเพื่อการวิเคราะห์ทางสถิติที่ต้องดูข้อมูลทั้งหมด โดยใช้การประมวลผลแบบขนานทั้งจาก CPU และ GPU โดยไม่ต้องกังวลกับค่าใช้จ่ายรายเดือนจากระบบคลาวด์ นี่คือเวิร์กโฟลว์ที่ทำให้เครียดน้อยลงอย่างมาก ผมไม่ต้องกังวลว่าจะต้องลบข้อมูลที่ใช้เวลานานในการดาวน์โหลด และบางครั้งก็ไม่สามารถเข้าถึงได้ถาวรจากคลังข้อมูลระยะไกลที่เราใช้”
Raphael Attié
นักดาราศาสตร์สุริยะ ที่ NASA Goddard
การทำงานโต้ตอบกับข้อมูล (Interactivity)
เมื่อข้อมูลถูกจัดเก็บไว้ในเครื่อง HP Z8 Workstation การเข้าถึงจึงง่ายขึ้น และเมื่อเข้าถึงง่ายขึ้น การทำงานร่วมกับข้อมูลก็สะดวกขึ้นตามไปด้วย สิ่งที่เคยต้องใช้เวลาหลายวันในการย้ายข้อมูล ประมวลผล แล้วย้ายอีกครั้งเพื่อวิเคราะห์—กลายเป็นเรื่องที่ทำได้ทันที แทนที่จะต้องใช้ระบบแยกกันสำหรับการประมวลผล วิเคราะห์ และโต้ตอบกับข้อมูล ทีมงานสามารถใช้ ระบบเดียว คือ Z8 เพื่อดำเนินการทั้งหมดได้อย่างครบวงจร ส่งผลให้ระยะเวลาสู่ผลลัพธ์ลดลงอย่างมีนัยสำคัญ งานที่เคยใช้เวลานานเป็นปี หรือคาดว่าจะใช้เวลานานกว่านั้น สามารถทำให้เสร็จภายในเวลาไม่ถึงหนึ่งสัปดาห์
“เพราะคลัสเตอร์ประมวลผลระยะไกลไม่ใช่ระบบที่สามารถโต้ตอบแบบเห็นภาพได้ ผมจึงต้องดาวน์โหลดผลลัพธ์บางส่วนมาทำงานในเครื่อง ซึ่งทำให้เวิร์กโฟลว์ไม่ราบรื่นเลย ตอนนี้ผมสามารถรวมการประมวลผลและการแสดงผลไว้ในขั้นตอนเดียวกันได้ ทำให้ผมกลับมาเข้าถึงงานวิจัยของตัวเองได้โดยตรงอีกครั้ง”
Raphael Attié
นักดาราศาสตร์สุริยะ ที่ NASA Goddard
ประสิทธิภาพ
จากประสบการณ์ในการเคลื่อนย้ายข้อมูลขนาด 12TB ทีมงานของ NASA ตระหนักดีว่า “ประสิทธิภาพ” คือหัวใจสำคัญของการวิเคราะห์เชิงสถิติ การดาวน์โหลดข้อมูลใช้เวลาหลายสัปดาห์ และเนื่องจากข้อมูลถูกจัดเก็บภายนอก ระบบประมวลผลไม่สามารถใช้การทำงานแบบขนาน (ทั้ง CPU และ GPU) ได้อย่างเต็มที่ ในกรณีที่ท้าทายที่สุด การใช้ HP Z8 Workstation สามารถเปลี่ยนงานที่ต้องใช้เวลาหลายเดือนในการประมวลผลให้เสร็จภายในเวลาเพียงหนึ่งสัปดาห์
“สิ่งที่ผมได้รับจากการใช้ HP Z8 Workstation คือความเร็วที่เพิ่มขึ้นประมาณ 10 เท่า เมื่อเทียบกับเวิร์กโฟลว์เดิมที่ใช้คลัสเตอร์ประมวลผลระยะไกล ผมสามารถฝึกโมเดล Neural Network ได้ภายใน 7 นาที จากเดิมที่ใช้เวลาถึง 1 ชั่วโมง และแทบจะเป็นไปไม่ได้เลยบนแล็ปท็อป”
Raphael Attié
นักดาราศาสตร์สุริยะ ที่ NASA Goddard
ทีมงานพบตัวอย่างที่ชัดเจนของการเพิ่มประสิทธิภาพเมื่อเปรียบเทียบการประมวลผลบนคลัสเตอร์ CPU กับ NVIDIA Quadro RTX 8000 สำหรับไฟล์ข้อมูลกว่า 130 ล้านไฟล์ ซึ่งแต่ละไฟล์มีพิกัดของอนุภาคพลังงานสูงที่กระทบกับกล้องบนยาน SDO โดยใช้เวลาประมวลผลประมาณ 3 วินาทีต่อไฟล์ หากใช้ 50 คอร์บนคลัสเตอร์ทั่วไป จะใช้เวลารวมประมาณ 90 วัน แต่เมื่อใช้ NVIDIA Quadro RTX 8000 การประมวลผลแต่ละไฟล์ใช้เวลาเพียง 20 มิลลิวินาทีเท่านั้น ส่งผลให้ระยะเวลาการประมวลผลทั้งหมดลดลงจาก 90 วันเหลือเพียง 1.5 ชั่วโมง—เพิ่มประสิทธิภาพได้ถึง 150 เท่า
ความยืดหยุ่น
ด้วยความเข้าใจว่าแต่ละปัญหาอาจเหมาะกับการประมวลผลด้วย CPU หรือ GPU ทีมงานของ NASA ได้ใช้ HP Z Workstation เพื่อสร้างต้นแบบซอฟต์แวร์และเวิร์กโฟลว์ในสภาพแวดล้อมการประมวลผลที่หลากหลายบนเครื่องเดียว
“การทดลองใช้เวิร์กโฟลว์ที่แตกต่างกันนั้นมีประโยชน์อย่างมาก ในสภาพแวดล้อมคลาวด์ คุณไม่มีความยืดหยุ่นแบบนั้น แต่ตอนนี้เราสามารถสร้างต้นแบบพร้อมกันได้ในพื้นที่ทดลองขนาดใหญ่ ทำให้เราเปลี่ยนจากแนวคิดไปสู่ต้นแบบได้เร็วขึ้นอย่างเห็นได้ชัด”
Raphael Attié
นักดาราศาสตร์สุริยะ ที่ NASA Goddard
การสนับสนุน
การแก้ไขปัญหาทางเทคโนโลยีไม่ใช่หน้าที่ของนักวิทยาศาสตร์ ดังนั้น Michael Kirk และ Raphael Attié จึงต้องการความมั่นใจว่า หากเกิดปัญหาใดๆ จะสามารถแก้ไขได้อย่างรวดเร็ว ไม่ว่าจะเป็นการอัปเกรดอุปกรณ์หรือการอัปเดตไดรเวอร์ ซึ่งทีมสนับสนุนจาก HP Z พร้อมให้ความช่วยเหลือทันที
“เราแทบไม่ต้องพึ่งพาการสนับสนุนมากนัก แต่เมื่อพบว่า HDD ภายในมีขนาดไม่เพียงพอ ทีมสนับสนุนก็เข้ามาช่วยทันที การติดตั้งไดรฟ์ใหม่ไม่ใช่เรื่องง่ายเสมอไป แต่ไดรฟ์ใหม่ถูกจัดส่งอย่างรวดเร็ว และเราสามารถเสียบใช้งานได้ทันทีโดยไม่ต้องตั้งค่าอะไรเพิ่มเติม มันใช้งานได้เลย”
Michael Kirk
นักฟิสิกส์ดาราศาสตร์วิจัย ที่ NASA Goddard
การรักษาความปลอดภัย
การไม่ต้องพึ่งพาการประมวลผลผ่านคลาวด์ช่วยให้ทีมงานของ NASA ไม่ต้องเผชิญกับความล่าช้าในการตรวจสอบด้านความปลอดภัยของข้อมูลที่ถูกส่งขึ้นคลาวด์ หรือซอฟต์แวร์ที่ใช้งานในสภาพแวดล้อมนั้น แม้จะยังคงต้องรักษามาตรฐานความปลอดภัยภายในองค์กรอย่างเคร่งครัด แต่ระบบแบบ on-premises ก็เปิดโอกาสให้ทีมสามารถเลือกใช้ซอฟต์แวร์ที่เหมาะสมกับงานได้อย่างอิสระและมีประสิทธิภาพมากขึ้น
“ระบบรักษาความปลอดภัยที่ซับซ้อนและมีหลายชั้นมากขึ้นเรื่อยๆ กลายเป็นอุปสรรคต่อการนำเทคโนโลยีใหม่มาใช้ในอุตสาหกรรมนี้ มันขัดกับวัตถุประสงค์เดิมที่ต้องการความเร็วและความสะดวกในการประมวลผลข้อมูลขนาดใหญ่ ซึ่งแต่ละชุดอาจมีขนาดหลายเทราไบต์ ทุกวันนี้ เมื่อผมประมวลผลข้อมูลขนาดเทราไบต์ในเครื่องของตัวเอง ความต่อเนื่องในการทำงานไม่ถูกขัดจังหวะด้วยข้อจำกัดด้าน IT ขององค์กรขนาดใหญ่อีกต่อไป”
Raphael Attié
นักดาราศาสตร์สุริยะ ที่ NASA Goddard
บทสรุปของภาพรวม
เมื่อชุดข้อมูลมีขนาดใหญ่ขึ้นเรื่อยๆ และข้อจำกัดในการเคลื่อนย้ายข้อมูลส่งผลต่อความรวดเร็วในการวิเคราะห์ นักวิทยาศาสตร์จาก NASA’s Goddard Space Flight Center ที่ศึกษาพื้นผิวของดวงอาทิตย์จึงต้องเผชิญกับทางเลือกสำคัญ พวกเขามีทางเลือกเพียงยอมรับความล่าช้าในการใช้คลัสเตอร์คลาวด์ หรือมองหาแนวทางใหม่ HP Z Workstation ได้พิสูจน์แล้วว่าเป็นคำตอบ ด้วยพื้นฐานทางเทคนิคที่ทรงพลัง ช่วยให้การวิเคราะห์ข้อมูลมีความรวดเร็ว โต้ตอบได้ และทำงานร่วมกันได้ดีขึ้น แม้ต้องจัดการกับชุดข้อมูลที่มีขนาดเติบโตอย่างต่อเนื่อง ในขณะที่ NASA หันมาใช้ AI เพื่อพลิกโฉมวิธีการวิเคราะห์ข้อมูลจากนอกโลก HP Z8 Workstation ที่มาพร้อม GPU ระดับมืออาชีพจาก NVIDIA ก็พร้อมตอบโจทย์ด้วยประสิทธิภาพ ความยืดหยุ่น และความน่าเชื่อถือที่จำเป็นต่อการสำรวจขอบเขตใหม่ของจักรวาล
ฮาร์ดแวร์และซอฟต์แวร์
HP Z
ระบบที่ใช้
ระบบ HP Z ที่ใช้โดยนักวิจัยของ NASA ที่ให้สัมภาษณ์สําหรับกรณีศึกษา มีการกําหนดค่า ดังนี้:
ฮาร์ดแวร์:
• HP Z8 G4
• การ์ดจอคู่ NVIDIA® RTX 8000
• หน่วยความจําที่ลงทะเบียน DDR4 2933 ECC ขนาด 384 GB (12 x 32 GB)
• Dual Intel® Xeon® 6240 2.60GHz 18C CPU
• HP Z Turbo Drive M.2 1TB TLC SSD
• 2 x 4 TB 7200 SATA Enterprise 3.5 นิ้ว
• Premium Front I/O (2 x USB3.1 Type C, 2 x USB3 Type A)
ซอฟต์แวร์:
• Ubuntu Linux® 18.04
• Python 3.6 (รวมถึง TensorFlow, NumPy และแพ็กเกจการคำนวณทางวิทยาศาสตร์อื่นๆ)
Enterprise Strategy Group
เป็นบริษัทวิเคราะห์ วิจัย ตรวจสอบ และวางกลยุทธ์ด้านไอที ซึ่งให้ข้อมูลเชิงลึกทางการตลาดและข้อมูลเชิงลึกที่นำไปใช้งานจริงได้แก่ชุมชนไอทีทั่วโลก
HP Z สำหรับนักวิทยาศาสตร์และนักวิเคราะห์ข้อมูล
ฝึกโมเดล สร้างภาพวิเคราะห์ และจัดการข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพด้วยเวิร์กสเตชันสำหรับ Data Science จาก HP Z Workstation ทั้งในรูปแบบแล็ปท็อปและเดสก์ท็อป
คุณอาจสนใจ
• กรณีศึกษา
สัมผัสสุดยอดการทำงานได้จากทั้ง Windows และ Ubuntu
ดูว่า Windows Subsystem for Linux 2 รุ่นล่าสุดที่ติดตั้งไว้ล่วงหน้าใน HP Z Workstation มอบเวิร์กโฟลว์ด้านวิทยาการข้อมูลที่ดีที่สุดอย่างไร
• บทความเกี่ยวกับเทรนด์
AI เพื่อทุกสิ่ง: บริการด้านการเรียนรู้ของเครื่อง
มีการสมัครใช้บริการการเรียนรู้เครื่องและเครื่องมือ AI ประเภทใหม่ๆ มากมาย ซึ่งถูกกำหนดให้เปิดกว้างให้ผู้คนเข้าถึงได้ ลดต้นทุน และเปลี่ยนแปลงวิทยาศาสตร์ข้อมูล
• บทความเกี่ยวกับเทรนด์
เวิร์กสเตชันและซอฟต์แวร์ HP Z Data Science
เวิร์กสเตชันสมรรถนะสูงของเราอัดแน่นไปด้วยฮาร์ดแวร์และซอฟต์แวร์ชั้นนําของอุตสาหกรรม เพื่อเร่งเวิร์กโฟลว์ด้านวิทยาการข้อมูลของคุณ
พบกับผลิตภัณฑ์
HP Z Data Science
Workstation ขับเคลื่อน
โดยการ์ดจอ NVIDIA RTX™
มีคำถามหรือไม่
ติดต่อฝ่ายขาย
ติดตาม HP Z ทางโซเชียลมีเดีย
ต้องการความช่วยเหลือในการเลือก
HP Z Workstation Solutions ที่ดีที่สุดไหม?
ต้องการความช่วยเหลือเกี่ยวกับเวิร์กสเตชัน HP Z ใช่หรือไม่
คำสงวนสิทธิ์
ผลิตภัณฑ์จริงอาจแตกต่างจากที่แสดงในภาพ
รูปภาพประกอบการโฆษณา สินค้าและสีอาจจะแตกต่างกันไปในแต่ละประเทศ
ข้อมูลที่ปรากฏอยู่ ณ ที่นี้อาจมีการเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบ การรับประกันผลิตภัณฑ์และบริการของ HP อยู่ในคำชี้แจงว่าด้วยการรับประกันโดยชัดแจ้ง ซึ่งแนบมากับผลิตภัณฑ์หรือบริการนั้นๆ ห้ามมิให้ตีความเนื้อหาใดๆ ในทางที่บ่งชี้ว่ามีการรับประกันนอกเหนือไปจากที่ระบุไว้ HP ขอสงวนสิทธิ์ที่จะไม่รับผิดชอบต่อข้อผิดพลาดทางเทคนิคหรือทางเนื้อหา หรือการละเว้นสิ่งหนึ่งสิ่งใด ณ ที่นี้
Intel, โลโก้ Intel, Core และ Xeon เป็นเครื่องหมายการค้า หรือเครื่องหมายการค้าจดทะเบียนของ Intel Corporation หรือบริษัทสาขาในสหรัฐอเมริกาและประเทศอื่นๆ Microsoft และ Windows เป็นเครื่องหมายการค้าที่ได้รับการจดทะเบียน หรือเครื่องหมายการค้าของ Microsoft Corporation ในสหรัฐอเมริกาและ/หรือประเทศอื่นๆ NVIDIA, โลโก้ NVIDIA และ NVIDIA NGC, NVIDIA Omniverse, NVIDIA RAPIDS, NVIDIA RTX เป็นเครื่องหมายการค้าและ/หรือเครื่องหมายการค้าจดทะเบียนของ NVIDIA Corporation ในสหรัฐอเมริกาและประเทศอื่นๆ Linux® เป็นเครื่องหมายการค้าจดทะเบียนของ Linus Torvalds ในสหรัฐอเมริกาหรือในประเทศอื่นๆ AMD เป็นเครื่องหมายการค้าของ Advanced Micro Devices, Inc.
4AA7-9682ENW มกราคม 2021