Rust-PyO3

 

Espero que ningún norteamericano tenga problemas en Argentina por culpa de Jessica Lu, la CIA, el embajador de los EEUU. Porque voy a subir cada noticia a este blog... 😳🤭

En una època las AAS tenìa un còdigo de conducta, no se que pasò... Estos son los eventos que ocurren cuando un Latino, amaturs propone una mejora. No conozco al nuevo director del Keck Observatory, pero esto no habla bien de la actual administraciòn. Cada uno harà lo que crea màs adecuado. 

La ciencia està por arriba de estas personas. Nos sirve para saber con quièn tratamos. Y no podemos permitir que esta gente manipule el mundo. 

🫣Que cada uno se haga cargo de las responsabilidades que le toca. 🫡

Acà una buena actualizaciòn de un repositorio pùblico del Keck Observatory que ahora camina por el ocultismo. 

Repositorio público www.github.com/OAVallejos/kai-rust-astro 

KAI + RUST - Astro Informática acelerada 

🌌 Aceleración de 80x para procesamiento astronómico.

📊 Resultados científicos reales: 80x más rápido que Python puro (399M ops/segundo) 95% de eficiencia en la coincidencia de estrellas con 52 galaxias reales.

Memoria optimizada para 2GB de RAM Integración perfecta Rust + Python a través de PyO3.

🎯 Características 🔭 Procesamiento de imágenes astronómicas FITS 

🦀 Aceleración de Rust para operaciones críticas 

📈 Correspondencia estelar de alta precisión 

💾 Gestión eficiente de memoria (2 GB de RAM seguros) 

🔧 Integración sencilla con pipelines existentes 

🔗 Fundación del proyecto Este proyecto se basa en la rama de desarrollo del pipeline oficial de KAI del Observatorio Keck: # Clonar la rama de desarrollo actualizada git clone -b dev https://github.com/Keck-DataReductionPipelines/KAI.git official/ Características de la rama de desarrollo: Python moderno (migrado desde IDL/IRAF) 

Algoritmos actualizados (FFT para registro de imágenes) Eliminación de rayos cósmicos sin dependencia de IRAF Cálculo de Strehl y FWHM en Python puro Corrección de distorsión con el algoritmo Drizzle 

🎯 Contexto científico original (Abrams et al. 2025) KAI se desarrolló para analizar agujeros negros con microlentes astrométricas: Detección de objetos masivos invisibles utilizando lentes gravitacionales Mediciones de desplazamiento astrométrico de alta precisión Procesamiento de imágenes NIRC2/OSIRIS de Observatorio Keck Tubería completa: desde imágenes sin procesar hasta astrometría de precisión. 

🚀 Nuestra contribución Además de la base moderna de KAI (rama de desarrollo), agregamos: Aceleración de Rust para operaciones críticas (80 veces más rápido) Optimización de memoria (2 GB de RAM frente a 3-4 GB) Mejora de la eficiencia (95 % frente al 85 % en la coincidencia) Integración perfecta de Rust y Python mediante PyO3.

🔬 Casos de uso científico Observatorio Keck: Procesamiento de datos NIRC2/OSIRIS Astrometría de precisión: Alineación multibanda Fotometría estelar: Detección y coincidencia automática Estudios galácticos: Análisis de la estructura en 52 galaxias reales Optimización de memoria: Procesamiento en hardware limitado (2 GB de RAM).

⚙️ Configuración del entorno Requisitos del sistema AWS Lightsail: 2 GB de RAM, 2 vCPU, 60 GB SSD Sistema: Linux aarch64.