IBM desarrollará el sistema de análisis de datos para el mayor telescopio del mundo

IBM está desarrollando la plataforma de gestión de datos y las tecnologías de análisis de lo que será el radiotelescopio más grande del mundo. El SKA, situado en Holanda, deberá estar operativo en 2024 y producirá tantos datos que está fuera del alcance de cualquier plataforma actual o que esté en desarrollo próximo.

"Es un proyecto de investigación para encontrar la manera de construir un sistema informático que pueda manejar los cientos de exabytes de datos que serán necesarios”, explica Ton Engbersen, investigador de IBM en el proyecto.

Los Países Bajos han concedido a IBM y al Instituto Holandés de Radioastronomía (ASTRON) una subvención de cinco años por valor de 32,9 millones de euros para diseñar un sistema, con nuevas tecnologías, que pueda ingerir las cantidades masivas de datos que presumiblemente producirá el SKA.

Financiado por un consorcio de 20 agencias gubernamentales, el SKA será el telescopio más grande del mundo y más sensible, capaz de dar a los científicos una mejor idea de cómo el Big Bang se desarrolló hace trece mil millones de años. En realidad, el SKA se compone de 3.000 pequeñas antenas, cada una proporcionando un flujo continuo de datos.

Una vez en funcionamiento, el telescopio va a producir más de un exabyte de datos al día (un exabyte es aproximadamente mil millones de gigabytes). A modo de comparación, un exabyte es dos veces la totalidad del tráfico diario en la World Wide Web, según las estimaciones de IBM. Los datos tendrán que ser descargados desde el telescopio mientras que el procesamiento de datos consistirá en ensamblar flujos individuales de cada antena en un panorama más amplio para conocer cómo el universo se produjo por primera vez.

Las nuevas tecnologías que empleará IBM incluirán chips apilados para grandes volúmenes de procesamiento, interconexiones fotónicas para conexiones rápidas con los chips y sistemas avanzados de cinta para almacenamiento de datos, así como tecnologías de almacenamiento de datos hasta ahora impensables. 

Los investigadores no han tomado ninguna decisión todavía sobre si debe ser un centro de datos o si debe ser una infraestructura a través de localizaciones múltiples. Debido a que el sistema será tan grande, los investigadores deben encontrar la manera de aprovechar al máximo todos los componentes de hardware para utilizar la menor energía posible. También deben personalizar los algoritmos de procesamiento de datos para trabajar con esta configuración de hardware.