Simulation and Data Life Cycle Labs
Eines der Hauptziele des SCC ist es, aus großen und heterogenen wissenschaftlichen Daten, datengetriebener Modellierung und komplexen Theorien unter Verwendung modernster Datenanalyse- und Simulationstechnologien und unter Einbeziehung neuer disruptiver Rechentechnologien wie Quanten- und neuromorphem Rechnen einen Mehrwert für Wissenschaft, Technologie und Gesellschaft zu schaffen. Daher wird sich das SCC bemühen, die Entwicklung der Datenwissenschaften zu fördern, wie es in der wissenschaftlichen Evaluation des PoF III-Programms 2017/18 dringend empfohlen wurde. Dies beinhaltet die Weiterentwicklung der bisher getrennten Simulation Labs und Data Life Cycle Labs zu tief integrierten Simulation and Data Life Cycle Labs (SDL).
SDLs sind innovative Instrumente, die in PoF II eingeführt und in PoF III vollständig etabliert wurden, um den Nutzern der Infrastrukturen wissenschafts- und technologiebasierte Unterstützung zu bieten. Durch die Integration der Simulation Labs und Data Life Cycle Labs in die SDLs können die Datenwissenschaften von der hochentwickelten simulationswissenschaftlichen Expertise der Experten des Engineering Digital Futures (EDF)-Programms profitieren, und die Simulationswissenschaften wiederum von den schnell wachsenden datenwissenschaftlichen Kompetenzen in den Bereichen Datenmanagement, ML und KI sowie von dem leistungsfähigen nationalen Hochleistungsrechenzentrum NHR am KIT/SCC.
Derzeit gibt es vier SDLs am SCC:
Das SDL Astro- und Teilchenphysik schlägt im SCC eine Brücke von den Anforderungen des High-Throughput Computing zur Expertise des High-Performance Computing.
MehrDas Ziel der Erdsystemwissenschaft ist es, neue Software- und Programmierkonzepte zu erforschen, um rechen- und datenintensive ESS auf aktuellen und zukünftigen Supercomputingarchitekturen zu ermöglichen.
MehrHochleistungsrechnen und datenbezogene Forschung für Ingenieurprojekte in Energie und Mobilität.
MehrMaterialwissenschaftliche Simulationen stehen vor domänenspezifischen Herausforderungen, die mit der extremen Heterogenität, Vielfalt und Komplexität der Materialdaten und -modelle zusammenhängen.
Mehr