BSC將提供其新興技術(shù)和HPC基礎(chǔ)架構(gòu)來開展該項目的活動。

巴塞羅那超級計算中心(BSC)將研究如何使用生成人工智能來生成和擴充用于太空領(lǐng)域遙感應(yīng)用的合成數(shù)據(jù)集。BSC與意大利合作伙伴AIKOSrl和國家研究委員會-大氣科學(xué)與氣候研究所是DeepLIM項目財團的成員，該項目由歐洲航天局(ESA)資助

在計算機體系結(jié)構(gòu)和操作系統(tǒng)(CAOS)集團負責(zé)該項目在BSC的，并會提供該中心的新興技術(shù)和高性能計算基礎(chǔ)設(shè)施，包括POWER9處理器和NVIDIA GPU的V100進行該項目的活動。

由于問題的性質(zhì)，訓(xùn)練深度學(xué)習(xí)模型非常耗費計算資源。因此，事實證明，深度學(xué)習(xí)工作負載非常適合MareNostrum P9新興技術(shù)集群中包括的GPU等加速器。

BSC將幫助優(yōu)化深度學(xué)習(xí)庫的性能，從而實現(xiàn)更快，更節(jié)能的訓(xùn)練和推理。通過對主要的深度學(xué)習(xí)庫進行徹底的分析，BSC研究人員將識別性能瓶頸和最耗時的功能，并針對特定架構(gòu)(例如GPU或CPU)對其進行優(yōu)化，從而可以在一個框架中完成訓(xùn)練和推理過程。更有效的方法。

深度學(xué)習(xí)方法是許多領(lǐng)域的主要解決方案，近來，它們已在諸如空間等關(guān)鍵領(lǐng)域中使用。

DeepLIM項目有兩個主要目標。首先，了解，開發(fā)和利用生成式人工智能來改進和擴充通過觀察活動獲得或由計算密集型模型生成的數(shù)據(jù)集。其次，使用深度學(xué)習(xí)算法改進用于執(zhí)行反轉(zhuǎn)建模的最新模型。尤其是，由于反演模型訓(xùn)練所需的真實數(shù)據(jù)量較少，因此有望改善用于仿真和算法開發(fā)的數(shù)據(jù)采集活動，并降低成本。