NVIDIA detalha toolkit cuPhoton para análise de imagens de ponta a ponta em GPU

A NVIDIA detalhou o cuPhoton 0.1.3, um toolkit de código aberto da linha CUDA-X projetado para acelerar fluxos de processamento de imagens científicas diretamente em GPUs. Observatórios modernos, instalações de laser e fontes de luz X geram grandes conjuntos de dados multidimensionais mais rápido do que os fluxos de trabalho tradicionais limitados por CPU conseguem analisar. O toolkit busca eliminar gargalos na movimentação de dados ao manter as informações brutas dos instrumentos na memória da GPU, desde a ingestão inicial até o alinhamento, a subtração de imagens e o ajuste de objetos.

Ingestão e alinhamento nativos em GPU

Para evitar a sobrecarga de transferência via CPU, o cuPhoton inclui o módulo xDataReader, que descompacta e carrega dados no formato Flexible Image Transport System (FITS) diretamente na memória da GPU com o suporte de KvikIO, NVIDIA GPUDirect Storage e nvCOMP. Uma vez carregadas, as imagens bidimensionais são reamostradas pelo módulo xRep em uma grade compartilhada por meio de cabeçalhos do World Coordinate System. Em etapas posteriores, o módulo xPois ajusta funções de espalhamento de ponto (PSF) e executa a subtração otimizada de imagens utilizando uma base de kernel gaussiano-polinomial, o que isola objetos transientes enquanto preserva os dados de pixels no próprio dispositivo.

Solutores dedicados e escala multi-GPU

Para a análise de objetos, o cuPhoton oferece o xFit, que utiliza um solutor Levenberg-Marquardt paralelizado sobre CuPy para ajustar modelos de dupla PSF a padrões de dipolos transientes, além do xScan para classificação de candidatos e auditoria de dados. O conjunto também inclui o xRay, destinado à análise de detectores de raios X no domínio do tempo. Conforme a NVIDIA, a ferramenta escala desde estações de trabalho de GPU única e sistemas DGX Spark até arquiteturas multinó NVIDIA Grace Blackwell e NVIDIA Vera Rubin. Em cargas de trabalho representativas de grande porte, a empresa relatou acelerações em operações isoladas de até 14.900 vezes para leitura de arquivos e de até 14.550 vezes para processamento de sinais em comparação com referências em CPU.

Requisitos de implantação e limitações

A versão 0.1.3 do cuPhoton dá suporte a ambientes Linux com Python de 3.12 a 3.14 e CUDA 13. A compilação do componente nativo xDataReader exige um compilador C++17, cabeçalhos de desenvolvimento do CUDA e do cuFile, além de uma instalação de desenvolvimento reentrante do CFITSIO. Embora o xDataReader processe imagens não compactadas e blocos em GZIP, o módulo não oferece suporte atual a compactação Rice ou quantização de ponto flutuante com dither. A NVIDIA ressalta que os números de aceleração de pico informados correspondem a operações isoladas e não ao tempo total de execução da sequência completa de processamento.

Ilustração editorial gerada por IA; não é uma fotografia documental.

Fonte: Faster Scientific Image Analysis with NVIDIA cuPhoton