Opis projektu
Era obliczeń eksaskalowych bliżej o krok
Zespół finansowanego przez UE projektu DComEX zajmie się opracowaniem metod numerycznych korzystających z pomocy sztucznej inteligencji oraz skalowalnej platformy programowej, która umożliwi przetwarzanie eksaskalowe. Kluczową innowacją wprowadzoną w ramach projektu DComEX jest opracowanie AI-Solve, nowatorskiej, skalowalnej biblioteki algorytmów, których działanie będzie wspomagane przez sztuczną inteligencję. Zostaną one wykorzystane do rozwiązywania wielkoskalowych rzadkich systemów liniowych, które mają fundamentalne znaczenie dla mechaniki obliczeniowej. Naukowcy połączą uczenie maszynowe z narzuconymi ograniczeniami fizycznymi oraz wydajne blokowe metody iteracyjne. W swoich działaniach uwzględnią dane eksperymentalne na wielu poziomach wierności w celu ilościowego określenia niepewności modelu. Skuteczne wdrożenie tych metod w działaniach superkomputerów eksaskalowych zapewni naukowcom i inżynierom niespotykane dotąd możliwości prowadzenia predykcyjnych symulacji systemów mechanicznych w zastosowaniach od bioinżynierii po produkcję.
Cel
DCoMEX aims to provide unprecedented advances to the field of Computational Mechanics by developing novel numerical methods enhanced by Artificial Intelligence, along with a scalable software framework that enables exascale computing. A key innovation of our project is the development of AI-Solve, a novel scalable library of AI-enhanced algorithms for the solution of large scale sparse linear system that are the core of computational mechanics. Our methods fuse physics-constrained machine learning with efficient block-iterative methods and incorporate experimental data at multiple levels of fidelity to quantify model uncertainties. Efficient deployment of these methods in exascale supercomputers will provide scientists and engineers with unprecedented capabilities for predictive simulations of mechanical systems in applications ranging from bioengineering to manufacturing. DCoMEX exploits the computational power of modern exascale architectures, to provide a robust and user friendly framework that can be adopted in many applications. This framework is comprised of AI-Solve library integrated in two complementary computational mechanics HPC libraries. The first is a general-purpose multiphysics engine and the second a Bayesian uncertainty quantification and optimisation platform. We will demonstrate DCoMEX potential by detailed simulations in two case studies: (i) patient-specific optimization of cancer immunotherapy treatment, and (ii) design of advanced composite materials and structures at multiple scales. We envision that software and methods developed in this project can be further customized and also facilitate developments in critical European industrial sectors like medicine, infrastructure, materials, automotive and aeronautics design.
Dziedzina nauki
- natural sciencescomputer and information sciencesartificial intelligence
- natural sciencescomputer and information sciencessoftware
- natural sciencescomputer and information sciencescomputational science
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringcomputer hardwaresupercomputers
- natural sciencesmathematicsapplied mathematicsnumerical analysis
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
RIA - Research and Innovation actionKoordynator
157 80 ATHINA
Grecja