I 2023 ga Society for Industrial and Applied Mathematics (SIAM), et tilknyttet fagforeningsmedlem av CRA, en arbeidsgruppe i oppdrag å lage en strategisk visjon for utfordringer i fremtiden for beregningsvitenskap. Tidligere denne måneden ga arbeidsgruppen sin rapport, med tittelen Beregningsvitenskapens fremtid. CCC er glade for å fremheve viktigheten og aktualiteten til denne rapporten, der mange temaer bekreftes av våre visjonsaktiviteter og rapporter. 

Som sitert i rapporten, var USA den ubestridte lederen innen avansert databehandling og beregningsvitenskap. Arbeidsgruppen opplyser at ledelsen de siste årene har blitt utfordret av strategiske rivaler. Future of Computational Science-rapporten ble laget for å adressere måter å overvinne betydelige utfordringer for å sikre fortsatt amerikansk lederskap.

Denne rapporten understreker den økende betydningen av tverrfaglig samarbeid. Gjennombrudd innen beregningsvitenskap oppstår ofte fra samarbeid mellom eksperter fra ulike domener, som fremmer innovasjon og driver fremgang.

Å pleie neste generasjon beregningsforskere er også avgjørende for å opprettholde fremgang i databehandlingsfeltet. Det bør være robuste utdanningsprogrammer og arbeidsstyrkeutviklingstiltak for å utstyre fremtidige generasjoner med ferdighetene som trengs for å takle nye utfordringer.

Andre elementer fremhever de etiske implikasjonene av beregningsforskning, og tar til orde for ansvarlig praksis, åpenhet og ansvarlighet for å sikre at teknologiske fremskritt kommer samfunnet som helhet til gode.

Innovasjon og oppdagelse, samfunnspåvirkning og globale utfordringer

Flere områder i denne rapporten belyser tre punkter: 

Innovasjon og oppdagelse: Ved å fremme tverrfaglig samarbeid og omfavne nye teknologier, kan dataforskere låse opp nye grenser for kunnskap og drive innovasjon på tvers av ulike domener.

Samfunnspåvirkning: Ettersom beregningsvitenskapen fortsetter å utvikle seg, vil dens innvirkning på samfunnet bare vokse. Etiske hensyn må prioriteres for å sikre at teknologiske fremskritt etableres ansvarlig og rettferdig.

Globale utfordringer: Fra klimaendringer til helsetjenester til cybersikkerhet og utover, har datavitenskap en viktig rolle å spille i møte med globale utfordringer. Ved å utnytte beregningsverktøy og -teknikker kan forskere utvikle løsninger på komplekse problemer som påvirker menneskeheten som helhet.

Viktige funn i rapporten inkluderer:

1. Dataforskere og finansieringsbyråer bør fokusere på å etablere mer omfattende datavitenskapelige programmer. Dette betyr å dedikere midler, personell og infrastruktur for å støtte vitenskapelig forskning og problemløsning ved hjelp av beregningsmetoder. Ett program inkluderer The Department of Energys (DOE) Exascale Computing Project, lokalisert ved Oak Ridge National Laboratory. Dette prosjektet søker å forberede forskere og databehandlingsfasiliteter for exascale, et nivå av superdatabehandling som er i stand til minst én exaFLOPS flytepunktberegning per sekund for å støtte ekspansive arbeidsbelastninger. For å utnytte ECP-teknologi og fremtidig maskinvare fullt ut, må programmet gjøre fremskritt innen både anvendt matematikk og informatikk. Dette kan innebære utvikling av algoritmer, numeriske metoder og programvareverktøy optimalisert for datamiljøer med høy ytelse.
2. I tillegg til å utnytte nåværende fremskritt, bør Exascale Computing-programmet forutse og forberede seg på fremtidig utvikling innen databehandling med høy ytelse. Dette inkluderer investering i forskning og utvikling for å utnytte kommende maskinvareforbedringer. Samarbeid fremheves som avgjørende for å lykkes. Programmet skal fremme partnerskap mellom anvendte matematikere, informatikere og applikasjonsforskere. Denne tverrfaglige tilnærmingen sikrer at beregningsløsninger er effektivt skreddersydd for å møte kritiske nasjonale utfordringer på tvers av ulike domener.
3. Nasjonen krever et omfattende sett med investeringer for å garantere vedvarende utvikling av høyytelses datateknologier. Det er viktig ikke bare å oppnå exascale databehandling, men også sikre at utviklingen av slike evner strekker seg videre for å møte nasjonens pågående og skiftende krav innen avansert datavitenskap.
4. Investering i alternative datateknologier som nevromorfisk og kvantedatabehandling er avgjørende for å møte betydelige utfordringer i fremtiden som konvensjonelle dataarkitekturer kanskje ikke vil være i stand til. Nevromorf databehandling er inspirert av strukturen og funksjonen til den menneskelige hjernen. Den har som mål å utvikle datasystemer som etterligner hjernens nevrale nettverk, noe som muliggjør mer effektiv og fleksibel behandling av informasjon, spesielt i oppgaver knyttet til mønstergjenkjenning, læring og tilpasning. Kvanteberegning bruker kvantemekanikkens prinsipper for å utføre beregninger. Kvantedatamaskiner har potensial til å løse visse typer problemer eksponentielt raskere enn klassiske datamaskiner, spesielt innen områder som kryptografi, optimalisering og simulering.
5. Etter hvert som teknologien skrider frem, genererer vitenskapelige instrumenter og fasiliteter stadig større og komplekse datasett. For å fortsette å utvikle seg, vil forskere trenge tilgang til disse enorme datamengdene. Men å gjøre det vil kreve betydelige investeringer i infrastruktur, ressurser og teknologi for å effektivt samle inn, administrere, analysere og tolke disse datastrømmene. 
6. Kunstig intelligens og maskinlæring har betydelig potensial til å revolusjonere vitenskapelige forskningsprosesser. Disse teknologiene kan forbedre ulike aspekter ved forskning, inkludert dataanalyse, mønstergjenkjenning og hypotesegenerering. Å fullt ut realisere disse mulighetene vil imidlertid kreve betydelige investeringer i matematikk og databehandling.

Kryss med nyere CCC-initiativer

Denne rapporten forsterker noen av temaene CCC er interessert i eller jobber med, for eksempel Full Stack Task Force. Denne arbeidsgruppen fokuserer på alt som går inn i et datasystem, og hvordan disse teknologiene kommuniserer med brukere og utviklere. Samtaler rundt exascale computing, quantum og neuromorphic computing er blant de mange diskusjonene i gruppen. Faktisk sitter et av Full Stack Task Force-medlemmene, Bill Gropp ved University of Illinois i Urbana-Champaign, i CCCs råd og er en ekspert på exascale databehandling der han jobber med denne teknologien. 

Arrangementer som The Community Driven Approaches to Research in Technology & Society (CDARTS) workshop deler lignende mål som denne rapporten for å bringe forskere innen databehandling og samfunnene som påvirkes av virkningene av AI-systemer sammen. CDARTS-verkstedet tok for seg hvordan dataforskning kan støtte deres behov og beste praksis for samarbeid.

CCC har også nettopp avsluttet en 6-rundebordsserie om etablering av tverrfaglig beste praksis for dataforskning, som er relevant for de mange omtalene i rapporten om det presserende behovet for tverrfaglige samarbeid. CCC vil gi ut en felles rapport med CRA om emnet i løpet av de kommende månedene.

CRA og SIAM henger sammen på mange måter. SIAM Task Force-leder Bruce Hendrickson fra Lawrence Livermore National Laboratory var bare valgt til CRAs styre. Mary Hall, direktør for School of Computing ved University of Utah, har også sittet i arbeidsgruppen og sitter i CRA-styret, mens hun har sittet i CRAs eksekutivkomité. Les hele rapporten fra SIAM Task Force her..

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://feeds.feedblitz.com/~/874676597/0/cccblog~New-SIAM-Report-Explores-the-Challenges-Facing-the-Future-of-Computational-Science/