Mustererkennung tu dresden

Die Art und Weise, wie Supercomputer im Laufe der Geschichte gebaut wurden, hat sich entwickelt, getrieben von der ständigen Notwendigkeit, die Leistung zu erschwinglichen Kosten zu steigern. In jüngster Zeit geht der Trend zu heterogenen Konfigurationen, die Allzweck-Verarbeitungseinheiten (CPUs) mit Beschleunigungsgeräten (z. B. Grafikkarten (GPUs) oder Mehrkernprozessoren kombinieren. Die modulare Supercomputing-Architektur, die im Jülicher Supercomputing-Zentrum entwickelt wurde, implementiert Heterogenität auf Systemebene durch Die Trennung von CPU- und Beschleunigungsressourcen und ist bestrebt, kostengünstiges Computing im extremen Maßstab bereitzustellen, das den Anforderungen einer breiten Palette von Computational Sciences entspricht. In einem modularen Supercomputer kann jede Anwendung dynamisch entscheiden, welche Arten und wie viele Knoten verwendet werden sollen, und ihre intrinsischen Anforderungen und Parallelitätsmuster der Hardware zuordnen. Codes, die Multiphysik- oder Multiskalensimulationen durchführen, können dank einer globalen Systemsoftware- und Programmierumgebung über Rechenmodule hinweg ausgeführt werden. Anwendungsworkflows, die nach (oder parallel) unterschiedliche Aktionen untereinander ausführen, können auch verteilt werden, um jede Workflow-Komponente auf der am besten geeigneten Hardware auszuführen und Daten entweder direkt (über Nachrichtenübermittlungskommunikation) oder über das Dateisystem auszutauschen. Dieser Vortrag wird das Konzept des modularen Supercomputing samt Hintergrund und Evolution, wie es gebaut und programmiert wird, und Show-Case-Ergebnisse aus wissenschaftlichen Anwendungen, die davon profitieren, erläutern. Dr. Estela Suarez ist Senior Scientist und stellvertretende Leiterin der Technologieabteilung am Jülicher Supercomputing-Zentrum, der sie 2010 beigetreten ist.

Ihre Forschungsschwerpunkte sind HPC-Systemarchitekturen und Codesign. Als Leiterin der DEEP-Reihe von EU-finanzierten Projekten hat sie die Entwicklung des Cluster-Boosters und der Modular Supercomputing Architectures vorangetrieben, einschließlich Hardware-, Software- und Anwendungsimplementierung und Validierung. Darüber hinaus leitet sie seit 2018 die Codesign-Bemühungen im Rahmen der European Processor Initiative. Seit 2018 hält sie Vorlesungen über HPC-Architekturen an der Universität Bonn. Sie hat einen Phd. in Physik von der Universität Genf und einen Master-Abschluss in Astrophysik von der Universität Complutense in Madrid. Gerade in der Schlafmedizin, aber auch in nicht-klinischen Anwendungen spielt die Beurteilung der Schlafqualität eine entscheidende Rolle. In diesem Zusammenhang beschäftigt sich die Gruppe Machine Learning mit der automatisierten Klassifizierung von Schlafstadien, dem Nachweis schlafbedingter Atem- und Schlafstörungen und der automatisierten Ableitung von Handlungsempfehlungen.

Moderne Methoden der Mustererkennung, des maschinellen Lernens (ML) und der künstlichen Intelligenz (KI) werden angewendet. Aktive Flüssigkeiten wie Suspensionen von Bakterien, Mikrotubuli-Bundles und künstliche Mikroschwimmer bestehen aus Individuen, die in der Lage sind, innere Energie in eine gerichtete Bewegung umzuwandeln. Der Vortrag zeigt eine Vielzahl überraschender Beispiele für die räumlich-zeitliche Selbstorganisation aktiver Materie wie mechanochemische Wellen in riesigen Amöbenzellen und mesoskalige Turbulenzen bei der Suspendierung von Schwimmern. Es wurden viele Anstrengungen unternommen, um den Einfluss der Eigenschaften des Einzelnen auf die Entstehung von Mustern auf der Meso- oder Makroskala zu verstehen. Im Vortrag formulieren wir zunächst „mikroskopische“ Bewegungsgleichungen für eine Ansammlung aktiver Teilchen, die durch Kurzstreckenausrichtung und hydrodynamische Wechselwirkungen mit großer Reichweite interagieren und Rotations- und Translationsgeräuschen unterliegen.

Nezařazené