NCSA美国国家超级计算机应用中心获610万美元奖励

在NCSA,研究人员正在努力将机器学习应用于多个学科,从而使研究比以往更加高效。

2019年10月25日-软件继续占领世界,如今,机器学习与软件保护下的任何领域一样受欢迎。将机器学习算法应用于各种数据集已迅速普及,这主要是由于需要能够快速执行分析和分类任务。在NCSA,研究人员正在努力将机器学习应用于多个学科,从而使研究比以往更加高效。

但是,在某些科学领域,将数据足够快地整合在一起还存在其他挑战,因为数据集通常是分散且分散在许多来源中的。这些具有不同数据集的领域之一是多信使天体物理学(MMA)的增长领域,在该领域中,观测不同类型信使(重力波,电磁波和宇宙中微子)的仪器位于不同的地理位置,每个都分别检测有趣的事件。

快速集成检测的希望是找到隐藏在现有数据流中的当前未检测到的事件,并结合使用多种仪器更好地理解它们。为了应对这些挑战,NCSA参加了三个新的美国国家科学基金会(NSF)奖项,其中两个由NCSA团队领导,以提高整个多信使天体物理学的水平。

在此处阅读有关所有三个奖项的信息,总金额超过610万美元:

协作研究:框架:机器学习和FPGA计算,用于大数据物理实验中的实时应用

1,555,493美元(NCSA获得651,314美元)

Eliu Huerta(PI),Volodymyr Kindratenko(Co-PI)和Daniel S. Katz(Co-PI);与麻省理工学院的Erik Katsavounidis(PI)和Phil Harris(联合PI)合作

从PI:

“近年来,引力波天体物理学,高能物理和大规模电磁勘测的网络基础设施需求迅速发展,”人工智能创新中心主任,NCSA重力小组负责人,项目PI的Eliu Huerta说。 。“用于在这些不同的研究领域进行科学发现的设施的建设和升级带来了共同的计算大挑战,即,复杂性和数量不断增加的数据集以及必须在数据库中执行的数据挖掘分析实时使用超额订阅的计算资源。”

“解决赠款中概述的重大问题将涉及基于最新IBM POWER9处理器,NVIDIA GPU和Xilinx FPGA的先进计算机系统,并将突破如何使用先进的机器学习来完成科学的界限“这种技术。” NCSA高级研究科学家兼伊利诺伊大学香槟分校计算机科学系的研究副教授Volodymyr Kindratenko说。

Multimessenger天体物理学中的数据密集型发现框架

$ 2,800,000(NCSA $ 247,848)

帕特里克·布雷迪(美国威斯康星州密尔沃基大学),乍得·汉纳(宾夕法尼亚州宾州州立大学),马里奥·尤里克(华盛顿大学,州长PI),大卫·卡普兰(美国威斯康星州密尔沃基大学)

“在这个项目中,NCSA将帮助制定一个满足多信使天体物理学需求的国家项目的蓝图。该项目将不仅支持对NSF大型仪器项目(如LIGO,IceCube和LSST)检测到的事件进行有针对性的通知,而且还支持通过各种仪器对后续观测进行有效的调度,并收集各种数据进行分析”,NCSA高级项目经理Don Petravick说。

NCSA天文学助理主任玛格丽特·约翰逊说:“该项目补充了伊利诺伊州和NCSA在天文学事件经纪人,宇宙微波背景实验以及诸如LSST和暗能量调查等天文学测量领域的天文学项目,” “此外,我们将在伊利诺伊州整合前沿数据科学,例如最近在NCSA资助的机器学习项目。”

此外,NCSA将专注于将要开发的软件的可持续性,这是所有三项新资助工作中共同关注的问题。

NCSA的Daniel S. Katz表示:“除了整体科学挑战之外,我还对我们如何开发和维护支持发现的软件感兴趣,特别是在资金通常与特定的研究目标挂钩而软件却更普遍的情况下。”科学软件和应用程序助理总监,该项目的NCSA部分负责人。

“理想情况下,该软件可以跨多个研究项目开发和维护,并由业余爱好者和希望支持其使用的专家共同做出贡献,” Katz总结道。

协作研究:通过加速的机器学习促进科学发展

$ 1,810,312(NCSA $ 600,311)

Eliu Huerta(PI),Volodymyr Kindratenko(Co-PI),Mark Neubauer(Co-PI),Zhizhen Zhao(Co-PI);与Phil Harris(PI),Erik Katsavounidis(联合PI),Song Han(联合PI)MIT合作;许世杰(PI),斯科特·阿·豪克(Scott A Hauck)(联合PI),华盛顿大学

预计对MMA和其他数据密集型信号检测项目(例如高能物理)的计算资源的需求将在未来超过现有计算基础架构的能力。鉴于即将到来的变化,需要对网络基础设施进行彻底的重新思考以应对这些发展。随着深度学习的开始,并行化处理体系结构已成为一种解决方案。

与传统的CPU相比,与深度学习算法结合使用的并行处理体系结构(特别是现场可编程门阵列(FPGA))已显示出极大的计算速度。该项目旨在通过针对大数据物理实验,特别是大型强子对撞机(LHC)和LIGO(激光干涉仪重力波天文台),将基于FPGA的基于机器学习的加速计算带入科学界。

伊利诺伊州物理学教授马克·纽鲍尔(Mark Neubauer)表示:“这项研究将导致加速机器学习的新技术,这些技术将解决高能粒子物理学和重力波天体物理学中的重要挑战。” “我们相信,由科学家和计算机专家组成的跨学科团队,以及来自该行业的合作伙伴以及NSF通过该奖项所提供的支持,都将引领解决数据密集型科学问题的方式发生根本性的变化。”

“这项合作研究是跨学科团队的一项多学科合作,旨在建立新的计算基础架构和机器学习算法,以推进数据密集型科学发现,特别是在高能物理和重力波天体物理学领域,”电气与电子学教授赵志珍表示伊利诺伊州的计算机工程。

“这些项目将大规模地推动深度学习的前沿,展示这些方法的多功能性和可扩展性,以加速和启用大数据时代的新物理,”项目PI的Eliu Huerta说。“通过这些项目带头的计算范例旨在显着提高大型强子对撞机和LIGO的处理能力,从而导致这些设备的科学产出增加,并可能带来基础发现。因为这些方法也适用于我们国家和全球经济和社会的许多其他部分,所以这项工作将对许多领域产生积极影响。”

给TA打赏
共{{data.count}}人
人已打赏
超级计算机

HPC研究的新应用:量子密码学,辐射损伤,人类住区等

2019-10-26 7:30:52

超级计算机

HPC分析公司Intersect360发布市场未来前景分析报告

2019-10-28 17:30:23

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索