PIG: La plataforma que une a las universidades para democratizar el acceso al cómputo científico

Compartir recursos para ampliar oportunidades. Esa es la premisa que impulsa a la Plataforma para la Investigación con GPUs (PIG), una iniciativa de la Comunidad de Supercómputo de CUDI que está demostrando cómo la colaboración entre instituciones puede abrir nuevas posibilidades para la investigación científica, la inteligencia artificial y la formación de talento especializado en la región.

En un contexto en el que el acceso a infraestructura de cómputo avanzado se ha convertido en un requisito para desarrollar investigación de frontera, PIG propone un modelo simple pero transformador: conectar recursos distribuidos en distintas universidades y ponerlos al servicio de una comunidad académica más amplia.

La iniciativa reúne infraestructura GPU (unidad de procesamiento gráfico, del inglés Graphic Procesing Unit) aportada por diversas instituciones miembros de CUDI -la Red Nacional de Investigación y Educación (RNIE) mexicana-, organización que la gestiona, permitiendo que investigadores y estudiantes accedan a estos recursos por medio de una plataforma común, reduciendo barreras técnicas, económicas y administrativas.

Una solución nacida de una necesidad compartida

La historia de PIG comenzó en 2019, cuando CUDI exploraba la posibilidad de que México participara en la entonces llamada Pacific Research Platform, hoy National Research Platform (NRP), que era liderada por la Universidad de California en San Diego. Pero la falta de recursos para adquirir nueva infraestructura obligó a pensar en una alternativa: "Debido a la falta de fondos para adquirir el equipo sugerido, decidimos hacer un proyecto similar utilizando infraestructura donada por diferentes instituciones", recuerda Diego Dávila, líder del proyecto.

La propuesta era tan ambiciosa como pragmática: construir una plataforma distribuida basada en Kubernetes (sistema de código abierto que automatiza el despliegue, el escalado y la gestión de aplicaciones en contenedores) que permitiera compartir recursos de procesamiento especializados entre universidades. "El objetivo era, y sigue siendo, demostrar las ventajas de compartir infraestructura bajo este modelo", explica el líder de PIG.

Así, lo que comenzó como un experimento colaborativo terminó convirtiéndose en una plataforma funcional que hoy conecta capacidades de cómputo distribuidas en distintas instituciones mexicanas.

Más acceso, más ciencia

Para CUDI, el verdadero valor de PIG no está únicamente en la tecnología, sino en su capacidad para ampliar oportunidades, así lo explica su director general, Dr. Moisés Torres: "El proyecto PIG es estratégico para las RNEI [sic] porque es una forma de darle acceso a investigadores, estudiantes de posgrado y grado a recursos de GPUs para avanzar sus proyectos de investigación. Estos recursos se ponen a disposición de las instituciones e investigadores que de otra forma no tendrían acceso a estos equipos de procesamiento".

La relevancia de esta misión resulta especialmente evidente en un escenario donde la inteligencia artificial, el aprendizaje automático y el análisis masivo de datos demandan cada vez más capacidad computacional. "Este proyecto da acceso a los investigadores para sus proyectos de inteligencia artificial que buscan GPUs para avanzar en sus proyectos de investigación", reafirma el director general de la red académica mexicana.

La confianza como infraestructura invisible

Ciertamente el desafío tecnológico era considerable, pero construir la confianza necesaria para compartir recursos entre instituciones, eso fue clave. "La colaboración interinstitucional es de suma importancia, ya que el proyecto busca unir recursos de GPUs que tienen las instituciones y permitir que sus investigadores tengan acceso a la unión de todos los recursos del proyecto", explica el Dr. Torres.

Desde el punto de vista técnico, el camino no estuvo libre de obstáculos. "La seguridad y la conectividad han sido el mayor desafío", indica el líder del proyecto, Diego Dávila.

Muchos de los equipos integrados a PIG pertenecen a centros de cómputo de alto desempeño con estrictas políticas de seguridad, redes protegidas y mecanismos de acceso restringido. Aun así, mediante el desarrollo de mecanismos de interconexión seguros, el proyecto logró hacer realidad una infraestructura compartida distribuida entre múltiples universidades.

Y los resultados han ido más allá de lo esperado. "Al compartir infraestructura, de forma automática y continua, establecimos un grado importante de confianza entre las instituciones participantes. Esto abrirá la puerta a otro tipo de proyectos colaborativos", asegura Dávila.

Una comunidad para aprender y experimentar

Más allá de las capacidades de procesamiento, PIG se ha convertido en un espacio para la formación de nuevas generaciones de investigadores y especialistas en ciencia de datos.

"Construimos una plataforma ideal para la experimentación y el aprendizaje de los futuros Data Scientists", destaca Dávila.

La experiencia de Bolivia Cuevas, investigadora posdoctoral en el Instituto de Astronomía de la UNAM, ilustra ese impacto. Junto a un equipo -conformado por Juan Carlos Cuevas Tello, Luis León Anaya, Diego Dávila, Julio César Clemente, Octavio Valenzuela, Luciano Díaz, Victor Minjares, Edilberto Sánchez, Lizette Robles y Martha Ávila- llegó a PIG a través de colegas vinculados a la colaboración LSST (Legacy Survey of Space and Time) y pronto encontró una solución a un problema recurrente: la dificultad para acceder a GPUs disponibles cuando las necesitaba.

"La mayoría de las tarjetas en otra infraestructura estaban ocupadas casi todo el tiempo. Con PIG he tenido la oportunidad de usar GPUs y la infraestructura ha sido amigable", indica la investigadora, cuya investigación trata de “probar algoritmos de clasificación de estrellas variables con datos de LSST”. Indica Bolivia: “En astrofísica nos interesan estudiar estrellas variables (que cambian su brillo en el tiempo) ya que nos permiten calcular distancias a las galaxias en donde se encuentran”.

Actualmente utiliza la plataforma para desarrollar investigaciones relacionadas con clasificadores de objetos astronómicos variables. “Por ahora la investigación está en sus fases iniciales y entre los siguientes pasos está seguir trabajando con otros usuarios (algunos también usuarios de PIG) para avanzar en encontrar los mejores algoritmos para clasificar estrellas variables en conjuntos de datos como los del sondeo LSST del Observatorio Vera C. Rubin. Hasta este punto mi mayor uso de PIG ha sido basado en mi investigación y en preparación para el hackathon. Ahora se ampliará el equipo, incluyendo también algunos participantes del hackathon que manifestaron su interés en seguir trabajando en el tema”, explica sobre su desarrollo la investigadora postdoctoral de la UNAM, haciendo referencia al hackathon de supercómputo que CUDI y LAMOD organizaron agosto pasado.

Aunque adaptarse a una nueva tecnología implicó un proceso de aprendizaje, la experiencia resultó positiva, sostiene Bolivia: "Aprender fue un poquito complicado porque no estaba muy familiarizada con Kubernetes, pero una vez que aprendí fue muy sencillo usar todo. La verdad es que es una plataforma muy práctica". Para ella, la diferencia ha sido significativa: "Contar con PIG ha sido un antes y un después, ya que el tener varias tarjetas permite poner varios trabajos al mismo tiempo".

De la formación al desarrollo de una tubería científica reproducible

La experiencia de un estudiante de la Universidad Autónoma de San Luis Potosí (UASLP), compartida por el Dr. Juan Carlos Cuevas Tello, del Centro de Investigación y Estudios de Posgrado de la Facultad de Ingeniería, es otro ejemplo de cómo PIG puede acompañar la formación de nuevos investigadores. El estudiante Ernesto Vizcaíno Alvarado conoció la plataforma durante una visita de Diego Dávila, líder de PIG, a la universidad, justo cuando iniciaba su servicio social y comenzaba a colaborar con investigadores del área de astronomía de la UNAM en un proyecto para clasificar estrellas a partir de sus curvas de luz.

Antes de acceder a PIG, la principal barrera era disponer de infraestructura especializada: adquirir y mantener una estación de trabajo con suficiente capacidad de cómputo resultaba costoso, mientras que los análisis intensivos podían consumir todos los recursos del equipo personal. La plataforma permitió separar el procesamiento científico de la computadora local, conservar grandes conjuntos de datos y ejecutar experimentos con mayor continuidad y reproducibilidad.

En esa infraestructura, Ernesto Vizcaíno Alvarado desarrolló una tubería reproducible de aprendizaje automático para clasificar estrellas variables periódicas con curvas de luz multibanda de los estudios astronómicos OGLE y ZTF. El trabajo abarcó la preparación y auditoría de datos, la búsqueda computacional de períodos, el cálculo de 51 características por curva de luz, el entrenamiento y calibración de clasificadores y la evaluación con conjuntos de prueba separados. El sistema puede distinguir ocho subtipos físicos y, en pruebas internas, alcanzó un F1 macro de 0.988 con datos de OGLE y de 0.877 con datos de ZTF. Más que reducir tiempos de ejecución, la plataforma hizo posible al estudiante evaluar múltiples modelos, estudiar su estabilidad y conservar evidencia de cada etapa con miras a la elaboración de un artículo científico.

Impulsando la astronomía con inteligencia artificial

Otro ejemplo del potencial de la plataforma proviene del proyecto SMART-Astro, desarrollado por investigadores del Instituto de Astronomía de la UNAM para acelerar la detección de asteroides mediante inteligencia artificial y procesamiento paralelo.

El Dr. Benjamín Hernández, del Depto Astrofísica Computacional del Instituto de Astronomía Ensenada de la UNAM, encontró en PIG una oportunidad para superar una limitación concreta. "La principal barrera era el acceso a GPUs", señala, apuntando que, a partir de esa capacidad de procesamiento, su equipo ha podido avanzar en el proyecto SMART-Astro-TR, que busca acelerar el análisis de grandes volúmenes de imágenes astronómicas.

Los resultados muestran el impacto que puede tener el acceso a infraestructura compartida. "Actualmente la versión en GPUs es aproximadamente 100 veces más rápida que la versión en CPUs", sostiene el Dr. Hernández, quien reconoce que la plataforma ha permitido a su equipo -conformado por el estudiante Ricardo Celis Carmona, y los doctores Benjamín Hernández Valencia, José Sergio Silva Cabrera y Mauricio Reyes Ruiz- no solo ejecutar experimentos, sino también probar arquitecturas, validar bibliotecas y comprender mejor los requerimientos computacionales de futuras etapas de investigación.

Hacia una comunidad regional de infraestructura compartida

Cinco años después de su nacimiento, PIG continúa creciendo. La incorporación de nuevas instituciones, más capacidad de cómputo y equipos dedicados a la operación del proyecto forman parte de la hoja de ruta para los próximos años.

Pero la visión va más allá de México. "Hoy en día buscamos la participación de más instituciones de educación superior de México y Latinoamérica para poder crear un proyecto que ofrezca acceso a estos recursos creando un ecosistema de colaboración interinstitucional e internacional", afirma Moisés Torres, invitando, desde CUDI, a la comunidad en torno a las Redes Nacionales de Investigación y Educación miembro de RedCLARA a conocer y beneficiarse de PIG.

En una región donde el acceso equitativo a infraestructura científica sigue siendo un desafío, PIG representa mucho más que una plataforma tecnológica: es una demostración de que la cooperación entre instituciones puede multiplicar capacidades, reducir brechas y generar nuevas oportunidades para la ciencia.

Porque cuando las universidades comparten recursos, también comparten posibilidades. Y eso, precisamente, es lo que PIG está haciendo por la investigación mexicana.

Conozca PIG en: https://supercomputo.cudi.edu.mx/pig-plataforma-para-la-investigacion-con-gpus