Dotación de personal para la base lunar: ¿Cuántos astronautas deberían vivir en el puesto lunar de la NASA?

El éxito de la futura base lunar de la NASA depende en gran medida del diseño de la misión, que debería permitir a los astronautas trabajar bien juntos de forma independiente del entrenamiento psicológico, según afirma un nuevo estudio.

El objetivo del estudio era identificar “condiciones específicas” para el éxito de la misión y buscar cualquier “señal de alerta” que pueda interponerse en el camino, dijo a Space.com por correo electrónico la investigadora principal Anamaria Berea, científica social computacional de la Universidad George Mason (GMU). (El primer autor del estudio PLOS ONE, que se publicó en mayo, fue Raymond Vera de GMU).

El equipo realizó la investigación utilizando modelos basados ​​en agentes, que son herramientas para simulaciones computacionales en campos que van desde el estudio de bandadas de aves hasta la propagación de enfermedades, dijo Berea. Si bien muchas IA modernas “entrenan” o “aprenden” a extrapolar a partir de la información proporcionada en un conjunto de datos, el modelado basado en agentes utiliza un conjunto de datos para “comprender fenómenos emergentes que no tienen una causa única o directa”, dijo.

El equipo de estudio consideró escenarios sobre cuántos astronautas habría en la base lunar y con qué frecuencia se producirían las misiones de reabastecimiento. En un “caso inicial”, por ejemplo, la duración supuesta de la misión era de tres meses, con un único reabastecimiento en el mes 2 con comida, agua, aire y un grupo fresco de astronautas.

Utilizando un complejo análisis de probabilidad conocido como simulación de Monte Carlo, los astronautas modelo en este escenario mostraron una tasa de productividad de aproximadamente el 20% en comparación con sus tareas esperadas, “lo cual es aceptable para un proceso de fabricación típico”, señalaron los autores.

te puede gustar

Esta tasa de productividad no tiene en cuenta cualquier imprevisto que pueda surgir durante la misión, agregaron los autores. “La baja tasa de finalización de tareas sugiere que, en promedio, los equipos tienen desafíos para superar los factores estresantes psicológicos y las perturbaciones ambientales”, escribieron.

Lecciones de la Estación Espacial Internacional

La NASA rastrea la productividad de manera un poco diferente en la Estación Espacial Internacional (ISS). La agencia utiliza una métrica llamada “utilización”, que se refiere en gran medida a la cantidad de tiempo de la tripulación y la cantidad de investigaciones científicas que se realizan en la estación espacial durante un incremento o expedición. A partir de 2014, el programa de la ISS sugirió que la utilización ideal debería ser de 35 horas por tripulación por semana cuando hay tres personas trabajando en la parte estadounidense de la estación espacial, y 68,5 horas si hay cuatro o más. (La parte rusa de la ISS trabaja en gran medida de forma independiente a este respecto).

“En general, la NASA cumplió o superó este objetivo y estableció un máximo de 120 horas promedio por semana dedicadas a la investigación desde octubre de 2019 hasta abril de 2020”, afirmó la Oficina del Inspector General (OIG) de la NASA, que ha estado rastreando todas estas cifras de productividad, en un informe publicado en septiembre de 2024.

“Desde marzo de 2022 hasta marzo de 2023, según los últimos datos publicados, hemos visto una utilización cercana a las 90 horas por semana”, señaló la OIG. “Además de las horas semanales dedicadas a la investigación, ha aumentado el número de investigaciones científicas realizadas en órbita”.

La Figura 1 del informe de la OIG también muestra que tanto el tiempo de la tripulación como las investigaciones científicas aumentaron, como tendencia, entre 2000 y 2023, lo que sugiere que la utilización de la estación espacial continúa creciendo. Y esto a pesar de las interrupciones periódicas y documentadas que obligaron a los astronautas a dejar de ser productivos, como fugas de emergencia de amoníaco que requirieron caminatas espaciales, el desastre del 11 de septiembre o refugiarse en el lugar durante breves contingencias, como el paso de desechos espaciales a unas pocas millas de la estación.

Qué leer a continuación

Sin embargo, no todo el tiempo de la tripulación se puede utilizar, incluso si todo va bien, ya que la estación requiere un mantenimiento normal, como limpieza, y los astronautas también necesitan tiempo diario para dormir, comer y un poco de relajación. Además, la utilización tiende a aumentar con tripulaciones más grandes en la estación espacial en comparación con las más pequeñas, ya que el mantenimiento se vuelve menos una carga con más manos para encargarse de estas tareas.

Pero la “falta de redundancia” en artículos clave de suministro a la estación espacial plantea un riesgo para la utilización, ha señalado la OIG. Como solo un ejemplo, las cápsulas SpaceX Crew Dragon y la nave espacial Roscosmos Soyuz son los dos únicos vehículos que llevan astronautas a la estación en este momento. “La falta de redundancia y las capacidades limitadas tanto del transporte de carga como de tripulación aumentan el riesgo para la capacidad actual y futura de la NASA de llevar suministros críticos, ciencia y tripulación hacia y desde la estación para mantener operaciones seguras y la plena utilización de la ISS”, escribió la OIG en el informe.

Concepto artístico de astronautas trabajando en la superficie lunar.

Concepto artístico de astronautas trabajando en la superficie lunar. (Crédito de la imagen: NASA)

Ambientes aislados

Aquellos de nosotros que hemos realizado largos viajes en automóvil en grupo, o que recordamos haber estado en espacios reducidos con compañeros de cuarto o familiares durante la pandemia, tenemos una idea de cómo se siente un ambiente aislado y confinado (ICE): abarrotado, con recursos limitados y con pocas conexiones con el mundo exterior. El espacio es sólo un ejemplo de un verdadero ICE; En la literatura también se han estudiado bases de investigación aisladas (como en la Antártida) o submarinos, según un estudio separado de 2021 en la revista Neuroscience & Biobehavioral Reviews.

En pocas palabras, ICE se refiere a un lugar donde los humanos deben trabajar con un alto nivel en circunstancias aisladas y a menudo peligrosas, con sólo apoyo a larga distancia (si es posible) de un control de misión o su equivalente. Y, como señala el nuevo estudio, una base lunar sería un ejemplo complejo de un entorno aislado, en el que no sólo habría astronautas residentes sino también rovers, otros robots y tripulaciones visitantes ocasionales.

“La premisa de nuestro enfoque de modelado surgió de tratar de comprender mejor los factores humanos involucrados en las misiones espaciales tripuladas, particularmente las del espacio profundo, para las cuales no tenemos muchos datos históricos”, dijo Berea.

Esto se debe a que sólo un puñado de personas han viajado más allá de la órbita terrestre baja: las dos docenas que volaron a los reinos lunares en misiones Apolo a finales de los años 1960 y principios de los 1970, y los cuatro astronautas del vuelo Artemis 2 de la NASA alrededor de la luna en abril pasado.

“Evaluamos varios escenarios sobre la duración de las misiones espaciales, el número de astronautas y circunstancias potencialmente imprevistas que pueden ocurrir en la superficie lunar o en el hábitat”, dijo. El modelo sugería que las misiones con mayor probabilidad de éxito incluirían a seis astronautas trabajando en la Luna a la vez, con suministros frescos provenientes de la Tierra cada dos semanas y sin fluctuaciones extremas en el medio ambiente debido a cosas como la radiación o el impacto de un micrometeorito.

“Por el contrario, el peor de los casos consiste en cuatro astronautas en la Luna al mismo tiempo, una ventana de reabastecimiento de sólo un mes entre la Tierra y la Luna y probabilidades ambientales adversas de moderadas a altas”, dijo Berea. Y, cuando se le preguntó si el entrenamiento es un factor para mitigar los efectos adversos, no necesariamente estuvo de acuerdo en que los años de trabajo que realizaron los astronautas de la NASA y otras agencias serían más efectivos que el entrenamiento de menor duración utilizado para las bases lunares análogas.

“La gente puede estar muy, muy bien entrenada, pero para misiones de larga duración o al espacio profundo, siempre habrá un factor humano involucrado”, dijo. “Observamos combinaciones de habilidades y personalidades en un equipo de astronautas, y hay una delgada línea entre tener un equipo demasiado pequeño y un equipo demasiado grande, y hay sinergias y comportamientos emergentes que surgen de las personas que interactúan entre sí y con su entorno.

“El equipo es más que la suma de su gente”, continuó. “La mejor manera de superarlos no es mediante más entrenamiento, sino afinando otros aspectos de las misiones: la duración de la misión, la frecuencia de las misiones de reabastecimiento y los planes de contingencia para accidentes y condiciones imprevistas en entornos extremos”.

La NASA, sin embargo, somete a sus tripulaciones de la ISS a muchos años de entrenamiento en entornos remotos mucho antes de que floten a través de la escotilla de la estación espacial, y el comandante de Artemis 2, Reid Wiseman, dijo a The New Yorker que un extenso entrenamiento psicosocial condujo a la cercanía obvia vista en vivo entre sus cuatro compañeros de tripulación lunar a pesar de los espacios reducidos (y los problemas en las líneas de ventilación que provocaron problemas ocasionales con el baño).

Esa intervención psicológica durante el entrenamiento fue intencionada. “La preparación comienza reclutando personas mentalmente sanas y luego brindándoles capacitación para ayudarlas a enfrentar situaciones y problemas potenciales”, escribió la Agencia Espacial Canadiense sobre esta capacitación, citando los protocolos de la NASA. “Los astronautas repiten este entrenamiento con suficiente frecuencia como para poder anticipar sus propias reacciones y las de sus compañeros de equipo. También reciben apoyo constante de los equipos en tierra y tienen acceso a una variedad de herramientas que les ayudan a afrontar situaciones potencialmente difíciles”.

Berea señaló, sin embargo, que la psicología forma parte (pero no es el foco) de la simulación de sus equipos, incluida la consideración de puntuaciones y datos del TLX (índice de carga de tareas) de la NASA, que mide el afrontamiento y el estrés de los astronautas. Los investigadores también consideraron estudios de casos análogos, incluidas las misiones de investigación en la Antártida y el tiempo a bordo de submarinos o plataformas petrolíferas, como algunos ejemplos.

“Necesitamos prestar atención no sólo a los astronautas, sino al equipo en su conjunto, y cada equipo y misión espacial son únicos. No podremos modelarlos con estadísticas o IA”, dijo. “Pero lo que podemos hacer es asegurarnos de que antes de enviar a cualquier ser humano a vivir y trabajar en la luna, comprendamos bien la complejidad de las interacciones y los escenarios que enfrentarán durante la misión, y podemos ayudar con eso”.

You missed

NVIDIA lanza Nemotron-Labs-3-Puzzle-75B-A9B: un LLM MoE híbrido comprimido que ofrece un rendimiento de servidor 2,03 veces superior al rendimiento de usuario equivalente[0]Los modelos MoE híbridos grandes como Nemotron-3-Super son precisos pero costosos de mantener. Sus parámetros activos, caché KV y estado de Mamba limitan la cantidad de usuarios que puede contener un nodo a una determinada tasa de token por usuario. El equipo de IA de NVIDIA lanzó Nemotron-Labs-3-Puzzle-75B-A9B, una variante comprimida de Nemotron-3-Super. El modelo principal tiene 120,7 mil millones de parámetros totales y 12,8 mil millones activos. El modelo comprimido tiene 75,3 mil millones de parámetros totales y 9,3 mil millones de parámetros activos. El objetivo de implementación se solucionó antes de que comenzara la búsqueda de arquitectura. El objetivo uno era duplicar el rendimiento del servidor a 100 tokens por segundo por usuario. El objetivo dos eran 8 solicitudes simultáneas de 1 millón de tokens en un solo H100. Tres puntos de control en Hugging Face: BF16, FP8 y NVFP4. TL;DR Los 120,7B/12,8B activos se comprimen a 75,3B/9,3B activos, conservando el diseño híbrido de 88 bloques. El rendimiento total de 8xB200 aumenta de 1,60x a 2,14x con respecto a Super con NVFP4 coincidente y rendimiento de usuario coincidente. La simultaneidad de un solo token H100 de 1 millón va de 1 a 8, impulsada por una caída de peso de 70 GB a 44,5 GB. El rompecabezas iterativo supera al rompecabezas de un solo paso en 0,57 puntos promedio en el mismo objetivo de compresión. Arena-Hard-V2 (-4,2) y SWE-Bench (-2,6) son los costes reales; RULER y AA-LCR apenas se mueven. Nemotron-Labs-3-Puzzle-75B-A9B Nemotron-3-Super es un modelo híbrido Mamba-Transformer MoE. Puzzle-75B-A9B conserva exactamente el diseño del bloque principal. Tiene 88 bloques: 40 Mamba, 40 MoE y 8 bloques de atención. Lo que cambió es la capacidad dentro de esos bloques: CantidadSuperPuzzle-75B-A9BRatioParámetros totales120.7B75.3B62.4%Parámetros activos12.8B9.3B73.1%Tamaño de estado de Mamba SSM1289675%Tamaño intermedio experto enrutado MoE26881280-2688Media 59.9%Expertos enrutados activados por token224-18Media 50%Capacidad experta enrutada activa (relativo)100%8,7%-62,3%Media 30,9% El número de expertos enrutados, el tamaño de expertos compartido y el tamaño latente del MoE no cambian. Las capas de atención quedaron intactas. La razón declarada por la investigación propuesta es que Nemotron-3-Super ya es muy eficiente en cuanto a caché KV. Las capas de Mamba se podaron de manera uniforme, porque los marcos de inferencia no admiten un tamaño de estado SSM diferente por capa. https://arxiv.org/pdf/2607.04371 El resultado no es un profesor uniformemente reducido. La figura anterior muestra la asignación en profundidad. Puzzle conservó la capacidad en capas intermedias y tardías seleccionadas, y cortó con fuerza en otras partes. Punto de referencia y rendimiento La siguiente tabla informa el rendimiento total óptimo de Pareto en un único nodo 8xB200, con decodificación en un solo paso. Escenario (entrada/salida)Piso UTSuper (tok/s)Puzzle-75B-A9B (tok/s)Boost50K / 2K>= 1005,1288,2101.60x50K / 2K>= 1253,7846,4121.69x50K / 2K>= 1502,5324,5231.79x8K / 64K>= 10020,93942,6012.03x8K / 64K>= 12513,07427,9182.14x8K / 64K>= 1508,52218,0472.12x Ambos modelos se entregaron con pesos NVFP4 coincidentes, caché FP8 KV y estado Mamba FP16. Por lo tanto, la brecha refleja compresión, no un cambio en el formato numérico. El régimen 50K/2K con precarga pesada es el que menos gana. El régimen 8K/64K con gran decodificación es el que más gana. En un solo nodo 8xH100 en UT = 100, las ganancias son menores. Son 1,91x en 50K/2K y 1,82x en 8K/64K. Ambos modelos utilizan pesos FP8, caché FP8 KV y estado FP32 Mamba. En un único H100 en un contexto de 1M, la restricción de enlace pasa de la computación a la memoria. Los pesos NVFP4 de Super ocupan alrededor de 70 GB del presupuesto de 80 GB de HBM. Cada solicitud de token de 1 millón agrega aproximadamente 4 GB de caché KV. Por tanto, la concurrencia efectiva es 1. El peso NVFP4 del Puzzle-75B-A9B ocupa alrededor de 44,5 GB. El diseño de atención no cambia, por lo que el costo de KV por solicitud no cambia. La simultaneidad en 1M aumenta a 8. El rendimiento de decodificación agregado en esa simultaneidad es aproximadamente 4 veces el rendimiento de solicitud única de Super. El llenado previo de una solicitud de 990 000 tokens es aproximadamente 1,2 veces más rápido. Cómo funciona el rompecabezas iterativo Puzzle es un marco de búsqueda de arquitectura neuronal descompuesta, implementado aquí como Puzzletron. Define un espacio de búsqueda discreto de implementaciones de capas alternativas. Cada alternativa obtiene una puntuación de calidad. Luego, un programa de enteros mixtos selecciona una alternativa por capa bajo una restricción de implementación. Tres técnicas de poda forman el espacio de búsqueda: Poda de canales intermedios: los canales dentro de cada experto enrutado se clasifican según su contribución a la salida del experto. Todos los expertos dentro de una capa MoE se reducen a un tamaño uniforme para lograr compatibilidad con el kernel. Reducción de top-k: la cantidad de expertos a los que se enruta un token varía según la capa, hasta el k = 22 del padre. Poda de Mamba SSM: el tamaño del estado de SSM cae de 128 a 96 canales. Se mide el resultado del SSM. Bajar 128 canales a 96 acelera el kernel SSM de 1,2x a 1,3x durante la decodificación. Esto se mantiene en tamaños de lote entre 8 y 512. Los canales se clasificaron según su contribución estimada a la producción de la capa Mamba. La estimación promedió más de 67 millones de tokens de datos de validación. El Apéndice A muestra que esto supera la selección aleatoria de canales bajo una poda agresiva. La formulación original asume que los impactos en la calidad del reemplazo son aproximadamente aditivos. Cada bloque candidato se puntúa dentro del padre no modificado. Eso ignora las interacciones de orden superior entre reemplazos. Iterative Puzzle alterna la compresión limitada con una breve recuperación de destilación de conocimientos. Construye una secuencia M0, M1,… MR en lugar de saltar al objetivo. Las puntuaciones se vuelven a calcular con respecto al modelo comprimido actual, no al modelo original. Se utilizaron tres etapas: El Ministerio de Educación pondera el 75% de la capacidad docente, el estado de Mamba SSM el 75%. Curado por 24 mil millones de fichas. El Ministerio de Educación pondera el 60% de la capacidad docente. Curado por 43,2 mil millones de tokens. Se activó el presupuesto de expertos encaminado al 50%, asignado de forma heterogénea. Curado por 52,8 mil millones de tokens. https://arxiv.org/pdf/2607.04371 La tabla anterior compara esto con una línea base de Puzzle de un solo paso en el mismo objetivo. El procedimiento de tres pasos tiene un promedio de 69,05 en diez puntos de referencia, frente a 68,48. Las ganancias aparecen en MMLU-Pro, GPQA, HLE, AA-LCR, LiveCodeBench, SciCode y RULER-256K. IFBench-Instruction cayó 0,2 puntos y IFBench-Prompt cayó 0,5. Recuperación: destilación, RL y verbosidad La destilación de conocimientos se ejecutó con un 30 % de datos de preentrenamiento y un 70 % de datos SFT de Nemotron-3-Nano. Durante la fase de rompecabezas, KD utilizó una secuencia de 32K de longitud. Luego, Recovery entrenó a 128K y escaló a 512K. El presupuesto era de hasta 100 mil millones de tokens, con un lote global de 16 millones de tokens, en Megatron-LM. La capacitación posterior de RL adoptó la Etapa 2 del proceso Nemotron-3-Super RL, centrada en la ingeniería de software. La fase 2.1 realizó una comparación del uso de herramientas en un solo paso. La fase 2.2 pasó a la zona de pruebas RL de extremo a extremo, donde los agentes corren hasta 200 turnos. Ambas fases utilizaron una penalización de KL de 0. El equipo barrió las tasas de aprendizaje y luego promedió los pesos resultantes. https://arxiv.org/pdf/2607.04371 La Figura 4 anterior muestra lo que aportó cada etapa. KD de contexto corto recupera la mayoría de las categorías a más del 97% de Nemotron-3-Super. Luego, KD de contexto largo eleva específicamente los puntos de referencia de entrada larga y de generación larga. El equipo de investigación afirma que el impacto de RL en estos experimentos fue pequeño. La verbosidad es el detalle silencioso. Después de la última iteración de Puzzle, el modelo generó el 132% del recuento de tokens de Super. Eso cayó al 99% después del proceso de recuperación total. Implementación: cuantificación y predicción de tokens múltiples Se produjeron dos recetas de cuantificación posteriores al entrenamiento: FP8 W8A8 apunta a Hopper y NVFP4 W4A4 apunta a Blackwell. Componente Línea base BF16 Punto de control FP8 Punto de control NVFP4 GEMM MoE dispersos y compartidos BF16FP8NVFP4 Mamba GEMM BF16FP8FP8 Mamba Caché SSM FP32FP32FP16 + Caché SRKV FP8FP8FP8 Enrutador FP32FP32FP32 Atención QKV/salida, proyecciones latentes MoE, LM cabezaBF16BF16BF16 Ambas recetas se calibraron en 256 muestras SFT posteriores al entrenamiento. NVFP4 utilizó la calibración máxima, no la búsqueda de sensibilidad AutoQuantize utilizada para Super. El punto de control resultante se cuantifica de forma ligeramente más agresiva y se realiza de manera similar. NVFP4 no es compatible de forma nativa con Hopper. Todavía se utiliza para el objetivo H100 de contexto 1M, porque la capacidad de HBM se vincula allí. Puzzle-75B-A9B hereda un cabezal MTP compartido de Super. Los parámetros se comparten entre los pasos de MTP, por lo que un cabezal se aplica de forma recursiva en la inferencia. La transferencia directa de la cabeza entrenada de Super dio longitudes de aceptación similares. Luego, el equipo de investigación identifica una discrepancia entre el entrenamiento y la inferencia. El entrenamiento MTP forzado por el maestro alimenta la secuencia completa de estados ocultos desplazados. En cambio, la redacción autorregresiva alimenta una combinación de modelos de destino y estados ocultos generados por MTP. Las tasas de aceptación caen en posiciones de draft más profundas. Esto se soluciona mediante una formación continua de la cabeza transferida. En SPEED-Bench con una longitud de calado 7, la longitud media de aceptación aumentó de 3,45 a 4,34. Eso es aproximadamente entre el 25% y el 30%, concentrado en puestos posteriores del draft. A diferencia de Super, el punto de control NVFP4 apenas se degrada: 4,31 frente a 4,34. Dónde ayuda la compresión y dónde duele Benchmark (BF16)SuperPuzzle-75B-A9BDeltaMMLU-Pro83.882.4-1.4AIME25 (sin herramientas)92.289.7-2.5GPQA (sin herramientas)80.578.6-1.9LiveCodeBench82.181.1-1.0SciCode (subtarea)42.340.6-1.7SWE-Bench (OpenHands)59.556.9-2.6Arena-Hard-V272.868.6-4.2AA-LCR56.856.9+0.1REGLA 1M93.992.2-1.7MMLU-ProX79.577.5-2.0 El propio resumen del artículo de investigación es que el seguimiento de instrucciones y las evaluaciones agentes son las que más pierden. Arena-Hard-V2 es el peor de los casos, con -4,2 puntos. RULER se mantiene dentro de aproximadamente 1 a 2 puntos en 256K, 512K y 1M. Tres resultados de BF16 no retroceden. AA-LCR gana 0,1, Scale AI Multi-Challenge empata en 56,6 y TauBench Telecom gana 0,4. NVFP4 cuesta poco además de la compresión. En RULER 1M, el punto de control NVFP4 obtiene una puntuación de 93,2, por encima del 92,2 de BF16. HLE es el costo de NVFP4 más claro, cayendo de 16,5 a 15,7. Los resultados del 8PM se encuentran en el Apéndice E y siguen de cerca al BF16. SWE-Bench no está incluido en el punto de control del 8PM. Casos de uso RAG de contexto ultralargo en una GPU: un servicio de análisis de documentos en un contexto de 1 millón pasa de 1 solicitud simultánea a 8. El rendimiento de decodificación agregado en esa concurrencia es aproximadamente 4 veces mayor. Asistentes de codificación interactivos: en UT >= 100 tok/s en el régimen 8K/64K, un nodo sirve 2,03 veces los tokens. Ajustado por detalle, es decir, 2,16 veces las solicitudes completadas por minuto. Canalizaciones de documentos con gran cantidad de precarga: el régimen de 50.000/2.000 gana solo 1,60 veces. La compresión ayuda menos cuando el procesamiento rápido domina la computación. Bucles SWE agentes: verifique la brecha SWE-Bench de 2,6 puntos con su combinación de tareas. La recuperación de RL apuntó a esta capacidad y solo la restauró parcialmente. Explorador de implementación ‘+esc(r