Miðbiksmat í reikniverkfræði - Rocco Sedona

Titill: Rannsóknir á samhliða og skalanlegum vélnámsaðferðum til notkunar í jarðvísindum (Parallel and Scalable Machine Learning Research for Earth Science applications)

Doktorsefni: Rocco Sedona

Doktorsnefnd:
Dr. Morris Riedel, prófessor við Iðnaðarverkfræði, vélaverkfræði og tölvunarfræðideild Háskóla Íslands og yfirmaður rannsóknarhóps um gagnavinnslu með mikla framleiðni, Juelich Supercomputing Centre

Dr. Matthias Book, prófessor við Iðnaðarverkfræði-, vélaverkfræði- og tölvunarfræðideild Háskóla Íslands

Dr. Gabriele Cavallaro, Forschungszentrum Jülich

Ágrip

Í þessari kynningu mun Rocco Sedona fjalla um efnisatriði rannsókna í doktorsritgerð sinni, aðferðir, líkön og tækni til að takast á við vandamál í vélnámi sem tengjast stórgögnum og fjarkönnun (e. Remote Sensing, RS).
Stórgögn vísa til gagnasafna sem hafa þá stærð, bandvídd eða margbreytileika sem gerir vinnslu með hefðbundnum verkfærum og forritum erfiða og þarfnast því ofurtölva (e. High Performance Computing, HPC) og tölvuklasa útbúnum skjákortum (e. GPU).
Sem hluta af doktorsverkefni hans hafa frumgerðaraðferðir til að leysa stórgagnavandann með nýjustu tækni í vélnámi, einkum djúpnámi, verið skoðaðar á grundvelli notkunar í vísindalegum aðferðum í fjarkönnun. Bæði aðferðafræðilegar nálganir og tæknilegar kröfur hafa verið rannsakaðar.
Kerfi fyrir samhliða vinnslu djúpnámslíkana (e. deep learning, DL), á borð við Horovod og dreifð útfærsla Torch, hafa verið skoðuð og útfærð með sérstaka áherslu á kvörðun líkana á stórum GPU-klösum og aukningu á hraða þjálfunarinnar.
Verulegur tími fer í að takast á við tæknileg og vísindaleg atriði varðandi þjálfun líkana með mörgum skjákortum.
Rocco Sedona mun fara yfir helstu áherslur rannsókna sinna á þessu efni, auk þess sem hann mun benda á vænlegustu brautir rannsókna í náinni framtíð, svo sem útfærslu kerfa fyrir söfnun og forvinnslu stórra RS-gagna og leit að stýribreytum, sem gegna veigamiklu hlutverki þegar DL-líkön eru þjálfuð í stórum lotum.