Powered by TensorFlow: utilizing deep learning to better predict extreme weather

KARTHIK KASHINATH : 극한의 날씨가 변화하고 있습니다 더 극심한 강우량, 심한 홍수, 산불이 있습니다

라디오 서명이 있어요, [INAUDIBLE] 극단적 인 사건을보다 정확하게 예측할 수 있음 우리가 지금 직면하고있는 큰 도전의 종류입니다 매일 100 테라 바이트의 기후 데이터가 있습니다 위성으로부터, 관측으로부터, 모델로부터

따라서 기후 데이터는 큰 데이터 문제입니다 우리는 빠른 것을 필요로합니다 모든 데이터를 빠르고 정확하게 탐색 할 수 있습니다 그리고 깊은 학습은 거의 완벽하게 문제를 해결할 수 있습니다 기후 과학

THORSTEN KURTH : 많은 NERSC 사용자가 TensorFlow를 사용하고 있습니다 더 인기있는 프레임 워크 중 하나입니다 TensorFlow를 사용하여 신속하게 반복합니다 다른 모델을 통해 다른 레이어 매개 변수 이 특별한 기후 프로젝트를 위해, 깊은 학습 모델을 만들기 위해, 우리는 분할 모델 (segmentation models) 성공할 것으로 입증 된 예를 들어, 우리의 위성 이미지 분할 작업

그리고 TensorFlow를 사용하여 모델을 향상시킵니다 성능이 좋은 일련의 모델을 찾을 때까지 이 특정 작업에 충분합니다 그러나 데이터의 양, 데이터의 복잡성, 네트워크는 14 테라 플롭이 필요했습니다 따라서 워크 스테이션에서이 작업을 수행하려는 경우, 훈련하는 데 몇 달이 걸릴 것입니다 MIKE HOUSTON : 이러한 문제를 진정으로 해결하려면 가장 큰 계산 자원 행성에서 사용할 수 있습니다

Summit 슈퍼 컴퓨터와 같은 시스템, 그것은 총 크기의 두 개의 테니스 코트입니다 내 말은,이게 최첨단 기술이야 일반적인 노트북보다 1 백만 배나 빠릅니다 33 exaflops

워크 스테이션에서하는 일을 상상해보십시오 그러나 지금은 그 힘의 27,000 배가 있다고 상상해보십시오 우리는 지금 그것을 할 수 있습니다 THORSTEN KURTH : 실제로 얼마나 좋은지 놀랐습니다 저울

1,000 노드, 2,000 노드 5,000 노드 MIKE HOUSTON : 이번이 처음이었습니다 누구든지이 규모에서 AI 애플리케이션을 실행합니다 기후 과학자들이 알아내는 대신 고조파 코드를 작성하는 방법, 그들은 파이썬에서 자연스럽게 표현할 수 있습니다

TensorFlow에서 모든 고성능 코드를 얻을 수 있습니다 대부분의 HPC 사람들은 TensorFlow 내에서 익숙합니다 KARTHIK KASHINATH : 이제 우리는 인공 지능은 실제로 예측에 기여할 수 있습니다 이 극한의 기상 이변들 MIKE HOUSTON : 전통적인 HPC와 AI를 결합하면, 우리는 우리가 해결할 수 없다고 생각했던 것들을 다룰 수 있습니다

핵융합로 연구, 질병 이해 알츠하이머 병처럼, 암, 맞지? 참 놀랍군 THORSTEN KURTH : 우리는 과다 활동 TensorFlow와 같은 프레임 워크를 사용하면 대규모로 확장 할 수 있습니다 멋진 공연을 얻을 수 있습니다 목표를 달성하십시오 KARTHIK KASHINATH : 유전학, 신경 과학, 우주론, 고 에너지 물리학, 그것은 나를 위해 대단히 흥미 롭습니다