Orbital interference, planetary close-approaches detection and memory handling on GPUs

The growth of space mission design complexity entails the need of faster computational tools, especially aimed to accelerate the preliminary assessments. Graphical Processing Unit (GPU) applications can grant a huge computational time speed-up with respect to classical Central Processing Unit (CPU) programs, up to two order of magnitude. The interest in graphic card-based software for space applications is recently growing, especially regarding orbits propagation. GPU software are particularly powerful in large-scale analysis, such as Monte-Carlo statistical methods or grid search optimisations. However, modern propagation software may lack at detecting events during the integration, due to the complexity of efficiently design branch-dependent algorithms on GPUs. Moreover, handling the consequent huge sets of unknown-sized output arrays complicates the development of the software itself. The aim of the work is to tackle the described problems suggesting algorithms to detect planetary close-approaches and orbital interference with respect to protected regions and space massless points, that exploit logical operations to efficiently run in a GPU-based application. The work presents the improvements on the detection capabilities made on CUDAjectory, an open source orbit propagation software available under ESA Community License. Additionally, the paper focuses on the optimisation process performed to efficiently handle the output in CUDAjectory.

La crescita della complessità progettuale delle missioni spaziali comporta la necessità di strumenti computazionali più veloci, volti soprattutto ad accelerarne le valutazioni preliminari. Le applicazioni basate su Graphical Processing Unit (GPU) possono garantire un'enorme guadagno di velocità di calcolo rispetto ai classici programmi per Central Processing Unit (CPU), fino a due ordini di grandezza superiore. Recentemente l'interesse per i software basati su schede grafiche per applicazioni spaziali sta crescendo, soprattutto per quanto riguarda la propagazione orbitale. I software GPU sono particolarmente potenti nelle analisi su larga scala, come i metodi statistici Monte-Carlo o le ottimizzazioni di tipo grid-search. Tuttavia, i software di propagazione potrebbero non riuscire a rilevare eventi durante l'integrazione, a causa della complessità della progettazione efficiente di algoritmi sulle GPU. Inoltre, la gestione dei conseguenti enormi array di output, tuttalpiù di dimensioni non note a priori, complica lo sviluppo del software stesso. Lo scopo del lavoro è di affrontare i problemi descritti suggerendo alcuni algoritmi per rilevare close-approaches planetari e interferenze orbitali rispetto a regioni protette e punti nello spazio modellati senza massa, sfruttando operazioni logiche per aumentarne l'efficienza in un'applicazione basata su GPU. Il lavoro presenta i miglioramenti alle capacità di rilevamento apportati su CUDAjectory, un software di propagazione orbitale open source disponibile con licenza comunitaria di ESA. Inoltre, la tesi si concentra sul processo di ottimizzazione volto alla gestione efficiente degli output in CUDAjectory.