面向地球系统可预测性的 AI 架构与协同设计的视角
机器学习
2023-04-10 v1 人工智能
计算物理
数据分析、统计与概率
摘要
近日，美国能源部（DOE）科学办公室生物与环境研究（BER）和先进科学计算研究（ASCR）项目组织并举办了地球系统可预测性人工智能（AI4ESP）系列研讨会。该研讨会得出的一项关键结论是，DOE BER 和 ASCR 界需要建立一种以赋能人工智能（AI）贯穿领域、实验室、建模和分析活动为目标的地球系统可预测性新范式，称为 ModEx。BER 的“模型-实验”（ModEx）是一种迭代方法，使过程模型能够生成假设。所生成的假设为收集和观测测量数据的野外与实验室工作提供指导，这些数据随后被用于参数化、驱动和检验模型（例如基于过程的）预测。该 AI4ESP 系列研讨会共举办了 17 场技术分会。本文讨论了“AI 架构与协同设计”分会的主题及相关成果。AI 架构与协同设计分会包括两场邀请报告、两个全体讨论小组和三个涵盖特定议题的分组讨论室，包括：（1）DOE HPC 系统，（2）云 HPC 系统，以及（3）边缘计算与物联网（IoT）。我们还就这一协同设计领域可通过与其余 16 个分会主题协同实现的研究方向提出了前瞻性的构想与视角。这些构想包括诸如：（1）重新构想协同设计，（2）从数据获取到分发，（3）用于集成 AI/ML 及其他数据分析（如不确定性量化）与地球系统建模和模拟的异构 HPC 方案，以及（4）将 AI 赋能的传感器集成到地球系统测量与观测中。此类视角是本文的一个显著特色。
引用
@article{arxiv.2304.03748,
title = {Perspectives on AI Architectures and Co-design for Earth System Predictability},
author = {Maruti K. Mudunuru and James A. Ang and Mahantesh Halappanavar and Simon D. Hammond and Maya B. Gokhale and James C. Hoe and Tushar Krishna and Sarat S. Sreepathi and Matthew R. Norman and Ivy B. Peng and Philip W. Jones},
journal= {arXiv preprint arXiv:2304.03748},
year = {2023}
}
备注
23 pages, 1 figure