Data-uitdagingen in de radioastronomie
Moderne radiotelescopen genereren ongekende hoeveelheden data, waardoor huidige verwerkersystemen onder druk komen te staan. Instrumenten zoals LOFAR en de SKA vereisen aanzienlijke rekenkracht om deze gegevens om te zetten in bruikbare wetenschappelijke producten, en de eisen blijven groeien. Dit project wil deze uitdagingen aangaan door de efficiëntie van dataverwerking in de radioastronomie te verhogen, met name voor post-correlatieverwerking zoals calibratie en imaging.
Versnelde verwerking met GPU’s
Om zowel de snelheid als het energiegebruik te verbeteren, zal het project GPU's inzetten, wat de doorvoer aanzienlijk verhoogt en het energieverbruik verlaagt. Naast deze hardwareversnelling onderzoeken we moderne programmeertalen zoals Rust en Julia, die voordelen bieden op het gebied van prestatie en overdraagbaarheid. Deze tweevoudige focus maakt het mogelijk om de dataverwerking voor de radioastronomie te verbeteren en tegelijkertijd nieuwe softwaremethoden te ontdekken die de toenemende data-eisen aankunnen.
Efficiënte en schaalbare dataverwerking
Het project richt zich op het optimaliseren van software voor zowel enkele computers als clusters bestaande uit grotere aantallen computers. Door gebruik te maken van frameworks zoals Apache Spark en Dask, willen we de dataverplaatsing, schaalbaarheid en algehele prestaties van de data verwerking verbeteren. Deze verbeteringen in rekenefficiëntie en schaalbaarheid zullen tot nieuwe best practices leiden en mogelijk in productie worden geïntegreerd, ten gunste van zowel de radioastronomie als andere data-intensieve wetenschappelijke disciplines.