Ludzki mózg inspiracją dla nowych technologii przetwarzania zbiorów Big Data
Postęp w dziedzinie technologii informacyjno-komunikacyjnych (ICT) znacząco zmienił kształt życia społecznego i ekonomicznego. W dzisiejszych czasach możemy natychmiast porozmawiać z człowiekiem znajdującym się na drugim krańcu świata, zdalnie koordynować działania w obliczu klęsk żywiołowych, stosować nowe metody diagnostyki i leczenia czy prognozować pogodę i modelować klimat z dużo większym niż wcześniej prawdopodobieństwem. Chociaż wszystko to – i wiele więcej – osiągnięto dzięki znacznemu zwiększeniu sprawności komputerów, standardowe procesowy nie są wstanie nadążyć za rosnąco wykładniczo ilością danych. Z tego powodu konieczne jest stworzenie szybkich, kompaktowych i energooszczędnych procesorów. Wykorzystanie zdolności umysłu „Potrzebne są nowe metody przetwarzania, techniki obliczeniowe oraz urządzenia pamięci masowej, które wypełnią poszerzającą się lukę między rosnącą ilością danych a mocą obliczeniową procesorów” – wyjaśnia koordynator projektu, prof. Chiara Roda z włoskiego Uniwersytetu w Pizie. „W celu rozwiązania niektórych problemów z danymi Big Data chcieliśmy opracować technologię przetwarzania obrazów naśladującą architekturę mózgu, a następnie przetestować ją przy użyciu Wielkiego Zderzacza Hadronów (największego i najpotężniejszego na świecie akceleratora cząstek) znajdującego się w Europejskim Ośrodku Badań Jądrowych CERN w pobliżu Genewy”. Niektóre z najbardziej interesujących procesów subatomowych przebiegających w wyniku zderzenia cząstek w Wielkim Zderzaczu Hadronów występują bardzo rzadko i często giną w gąszczu innych, mało znaczących zdarzeń. Wyodrębnienie interesujących wyników z „szumu tła” w czasie rzeczywistym jest kluczowe dla pełnego wykorzystania potencjału każdego eksperymentu. Uczestnicy projektu zbudowali „akceleratory” tych algorytmów, które zwykle pochłaniają ogromną ilość zasobów i czasu. „Nasza technologia polega na odfiltrowywaniu informacji istotnych dla dalszego przetwarzania obrazów zbyt złożonych do bezpośredniego przetworzenia przez standardowe komputery” – tłumaczy Roda. „Właśnie w ten sposób nasz mózg przetwarza obrazy. Do dalszego przetworzenia i zapisania w pamięci długotrwałej wybiera tylko te dane, które odpowiadają danemu zestawowi zapamiętanych wzorców. „Nasza technologia naśladuje tę niskopoziomową funkcję ludzkiego mózgu”. Uwolnienie potencjału zbiorów Big Data Ta zdolność znacząco zwiększa zakres potencjalnych zastosowań, począwszy od obliczeń astrofizycznych i meteorologicznych, a skończywszy na automatyce, robotyce i bezpieczeństwie. „Współpraca z potencjalnymi użytkownikami końcowymi ze społeczności zajmującej się fizyką wysokich energii była bardzo obiecująca” – mówi Roda. „Nasza technologia została wybrana do przetwarzania olbrzymiej ilości danych online uzyskiwanych w ramach prowadzonego przez CERN eksperymentu ATLAS, którego celem jest odkrywanie tajemnic wszechświata. Dane te początkowo miały być przetwarzane przez powszechnie dostępne procesory (CPU). Poza fizyką wysokich energii, naszym celem było przyspieszenie i zautomatyzowanie procesu przetwarzania danych w diagnostyce medycznej”. Z tego powodu konsorcjum FTK uczestniczyło w rozmowach z firmami zainteresowanymi wykorzystaniem tej technologii w inteligentnych kamerach i urządzeniach do obrazowania medycznego. Obecnie młody badacz, któremu przyznano stypendium Marie Curie na prowadzenie badania „Magnetic resonance fingerprinting” (MRF) w Pizie, analizuje możliwość zastosowania tej technologii do przyspieszenia algorytmów opartych na dopasowaniu do wzorca. „Zwiększając sprawność i moc obliczeniową, udowodniliśmy, że nasza technologia może przynieść korzyści w wielu dziedzinach społecznych” – twierdzi Roda. „Jest bardziej wydajna energetycznie, nie wymaga dużo miejsca i jest mniej kosztowna niż duże farmy procesorowe. Uważam, że inteligentne połączenie technologii powinno rozwiązać trapiący nas obecnie problem zalewu danymi bez konieczności zużywania dużej ilości zasobów”.
Słowa kluczowe
Wielki Zderzacz Hadronów, FTK, dane, mózg, ICT, modelowanie klimatu
