Computación de alto desempeño en plataformas cloud para la detección de rayos cósmicos en imágenes de telescopio

Abstract

Los rayos cósmicos son partículas cargadas de energía y por su naturaleza son especialmente dañinos para los dispositivos electrónicos. Este tipo de rayos pueden ser medidos por instrumentos a nivel terrestre, excepto en algunas regiones debido a anomalías magnéticas en la atmósfera. Para estos casos se pueden utilizar mediciones de dispositivos que están por fuera de la atmósfera, como el Telescopio Espacial Hubble (HST). Los instrumentos a bordo del HST realizan tareas de mantenimiento regulares, que implican obtener imágenes con el lente tapado denominadas darks. Estas imágenes registran el impacto de los rayos cósmicos como consecuencia de la radiación cósmica. Se propone analizar el conjunto total de imágenes de tipo dark provisto por el Space Telescope Science Institute (STScI) correspondientes a los instrumentos del HST para estudiar el estado actual del campo magnético de la Tierra. En este trabajo se presentan tres alternativas para construir una arquitectura que permite procesar los más de 15 TB de información en formato de imágenes: MapReduce clásico con Hadoop, una solución combinando tecnologías del ecosistema de Apache Mesos y una arquitectura diseñada específicamente para correr en el ecosistema de Microsoft Azure. El punto de partida de este trabajo es un prototipo desarrollado por la Facultad de Ciencias para limpiar las imágenes que se encuentran en formato IRAF (Image Reduction and Analysis Facility) y obtener la información acerca de los rayos cósmicos en diferentes posicionamientos de los instrumentos del HST. El resultado final de esta tesis supera en 20 veces el tamaño, en términos de volumen de datos, al prototipo inicial. La contribución principal de este trabajo es la descripción e implementación de una arquitectura paralela que permite acelerar los cálculos de forma drástica, con respecto a la aproximación original al problema.