S'aventurer à des millions de kilomètres du datacenter
Les astronautes dans l'espace doivent prendre rapidement des décisions cruciales. Les conditions atmosphériques et de surface sont-elles propices à une expérience ? Où la probabilité de trouver de la glace lunaire convertible en carburant est-elle la plus élevée ? De quel type de traitement médical les astronautes ont-ils besoin ? Y a-t-il des signes de défaillance dans l'équipement de bord ou dans les combinaisons pour les sorties extravéhiculaires ?
Chaque minute compte. Malheureusement, l'envoi de données à analyser depuis l'espace vers la Terre prend du temps. Un simple relevé de température prend entre 5 et 20 minutes pour voyager de la lune jusqu'à la Terre. Les images haute résolution du robot Perseverance envoyé sur Mars ont mis deux jours à arriver, et le délai de transmission des analyses de spectre à haute résolution s’allonge de manière exponentielle.
Solution : prendre des décisions en local, grâce à l'intelligence artificielle en périphérie du réseau.
La NASA et ses sous-traitants prennent des décisions plus rapidement dans l'espace grâce à l'edge computing. Les données sont traitées à proximité de l'endroit où elles sont générées et ne sont pas renvoyées sur Terre. Des appareils compacts installés sur les vaisseaux ou satellites ingèrent les données des capteurs (images, gaz, carottage) et exécutent des modèles d'apprentissage automatique pour produire une décision positive ou négative sur place, généralement en quelques secondes ou minutes.
Jusqu'à présent, l'utilisation de l'edge computing dans l'espace était freinée pour des questions d'encombrement, d'alimentation et de ressources de refroidissement très limitées à bord des stations spatiales et des satellites. Cependant, les data scientists habitués à des ressources cloud quasi infinies sont en train de repenser le développement du code.
L'approche de Red Hat
Grâce aux plateformes Red Hat®, la NASA et ses sous-traitants peuvent combiner les appareils d'edge computing, en fonction des contraintes d'espace, d'alimentation, de refroidissement et de connectivité dans les stations spatiales et les satellites. Cela inclut des nœuds de calcul distants et des clusters à trois nœuds.
Pour commencer, il faut construire des modèles d'apprentissage automatique sur Red Hat OpenShift®, qui met en paquet le code ainsi que tous les éléments dont il a besoin pour fonctionner, y compris le système d'exploitation, les outils et les bibliothèques. L'un des avantages des applications conteneurisées dans l'espace est leur taille, généralement quelques mégaoctets, contre plusieurs gigaoctets pour une machine virtuelle équivalente. Autre avantage : la portabilité. En effet, les chercheurs peuvent développer un modèle d'apprentissage automatique une fois, puis le déployer sur n'importe quel matériel : à la périphérie, dans le cloud, ou sur les deux (modèle hybride). Au moment de l'examen par les pairs, ces derniers peuvent reproduire les résultats sur n'importe quelle plateforme, indépendamment du système d'exploitation, des bibliothèques ou de la configuration du système.
Red Hat AMQ Streams se charge de l'ingestion des données issues de divers capteurs dans l'espace. En fonction des données reçues, le service Red Hat OpenShift Serverless augmente ou réduit la taille de l'application. Quand les capteurs ne transmettent pas de données, la solution Red Hat Ansible® Automation Platform désactive le modèle pour économiser l'énergie et le refroidissement. Et quand la transmission reprend, elle relance le nombre d'instances du modèle nécessaire pour atteindre les objectifs de performance.
Chez Red Hat, nous fournissons l'assistance continue nécessaire pour soutenir la mission de la NASA. Nous testons rigoureusement les logiciels de la communauté Open Source avant de les distribuer. En outre, nos ingénieurs travaillent en permanence à l'amélioration des fonctionnalités, de la fiabilité et de la sécurité pour que l'infrastructure logicielle reste stable dans des environnements aussi sensibles que l'espace.
Red Hat en action : la Station spatiale internationale (ISS)
Défi : à bord de l'ISS, les spécialistes de la mission étudient les microbes présents sur les surfaces et dans l'eau afin de déterminer si cette dernière est potable. Il faudrait des semaines pour transmettre à la Terre le résultat de chaque séquençage d'ADN à analyser.
Solution : la NASA accélère la recherche grâce à une application d'apprentissage automatique conteneurisée exécutée à bord de l'ISS. Une preuve de concept avec un ordinateur Hewlett Packard Enterprise (HPE) exécutant Red Hat Enterprise Linux® a été réalisée entre 2017 et 2019. En février 2021, la NASA a envoyé le Spaceborne Computer-2 vers l'ISS. Ce système d'edge computing compact exécute Red Hat CodeReady Containers, qui sont des clusters OpenShift à un nœud. Les développeurs créent le code sur Terre et l'envoient à l'ISS. Les résultats des analyses en périphérie sont immédiatement disponibles pour l'équipage de l'ISS et sont également relayés aux spécialistes sur Terre.
Résultats : la NASA prévoit que le Spaceborne Computer-2 doté des clusters CodeReady Containers réduira le délai d'obtention d'informations exploitables de plusieurs mois à quelques minutes pour les expériences à bord qui portent sur le séquençage d'ADN et d'autres analyses de données de capteurs. L'expérience acquise au cours de ce projet aidera la NASA à préparer d'autres missions d'exploration spatiale, notamment la mission Artemis qui retournera sur la lune. Apprenez-en plus sur la solution d'edge computing de l'ISS.
En savoir plus sur les solutions Red Hat pour l'edge computing
