Om demonstratorene
NAIC-prosjektet gir tilgang til avanserte ressurser innen høyytelsesdatabehandling (HPC) og støtte til forskere, lærere, oppstartsbedrifter og små til mellomstore bedrifter (SMB-er) som ønsker å utforske AI-teknologier. Arbeidspakke 7 (WP7) er dedikert til design og implementering av disse demonstratorene, ledet av NORCE i samarbeid med Sigma2, Simula, Sintef, UiA og UiB. Disse demonstratorene illustrerer potensielle bruksområder for AI og tilbyr et godt utgangspunkt for fremtidige AI-drevne applikasjoner i Norge.
Demonstratorene er utviklet i Python og er designet for å være brukervennlige, med interaktive notatbøker som kan kjøres på Sigma2s infrastruktur. Denne tilnærmingen sikrer at bruksområdene er enkle å forstå, og at også ikke-AI-eksperter kan utvikle en intuisjon for komplekse applikasjoner.
Viktige demonstratorer under utvikling
- Klimaindekser og telekoblingsanalyse ved hjelp av AI og HPC: Denne demonstratoren utforsker hvordan AI og HPC kan anvendes innen klimavitenskap ved å analysere telekoblinger—langdistanseforhold mellom ulike klimaindekser. Forskere ved NORCE og Universitetet i Bergen utvikler en modell som kan forutsi klimaindekser ved å identifisere korrelasjoner. Denne tilnærmingen tillater mer omfattende og automatiserte undersøkelser sammenlignet med tradisjonelle manuelle metoder. Demonstratoren er vellykket utviklet og klar til bruk.
- Læring av dynamiske systemer med Hamiltonske nevrale nettverk: Ledet av Sintef Digital fokuserer denne demonstratoren på å bruke Hamiltonske nevrale nettverk til å lære dynamikken i komplekse fysiske systemer. Disse nettverkene er designet for å respektere de underliggende fysikklovene, noe som gjør dem særlig effektive for å simulere høy-dimensjonale data uten å kreve omfattende beregningsressurser. Modellen genererer syntetiske data og lar brukerne justere parametere, noe som gjør den til et fleksibelt verktøy for ulike forskningsscenarier.
- Forbedrede bølgeprediksjoner ved hjelp av maskinlæring: Denne demonstratoren hadde som mål å forbedre bølgeprediksjoner langs den norske kysten ved å bruke maskinlæring til å modellere komplekse bølgemønstre. Dessverre, på grunn av databegrensninger og høy modellkompleksitet, ble prosjektet ikke fullført. Innsiktene som er oppnådd har imidlertid gitt verdifulle lærdommer for fremtidige prosjekter som kan ta fatt på lignende utfordringer.
- Graf-nevrale nettverk for klassifisering av fiskeriaktiviteter: En annen pågående demonstrator involverer bruk av graf-nevrale nettverk (GNN) for å klassifisere fiskeriaktiviteter basert på data fra skip og fangstrapporter. Ved å analysere mønstre i skipsbevegelser og matche dem med fangstdata, gir modellen innsikt i fiskeriatferd langs norskekysten. Arbeidet er i en tidlig fase, og ytterligere utvikling kreves for å fullføre modellen.
- Multimodal optimalisering: Denne demonstratoren fokuserer på å optimalisere komplekse funksjoner ved hjelp av genetiske algoritmer. Den er designet for å håndtere svart-boks-optimaliseringsproblemer som krever minimal konfigurasjon. Modellen er fortsatt under utvikling, men har potensial til å løse høy-dimensjonale optimaliseringsproblemer på tvers av ulike felt.
Samarbeid og fremtidsplaner
Utviklingen av disse demonstratorene er et samarbeid mellom flere forskningsinstitusjoner, akademiske og industrielle partnere. Målet er å skape verktøy som ikke bare fungerer som demonstrasjoner, men også som praktiske ressurser som kan tilpasses og brukes av ulike miljøer, fra akademia til offentlig forvaltning og industri.
Ved å gjøre disse verktøyene tilgjengelige og interaktive, håper NAIC-prosjektet å senke terskelen for bruk av AI og oppmuntre flere forskere og organisasjoner til å utforske hvordan AI kan være til nytte for deres arbeid. Etter hvert som prosjektet skrider frem, vil flere demonstratorer bli utviklet, med fokus på ulike områder der AI kan tilby praktiske løsninger.
Fremtiden
NAIC-prosjektet er forpliktet til å støtte AI-forskning, utdanning og innovasjon ved å tilby tilgang til robuste databehandlingsressurser og utvikle verktøy som gjør AI mer tilgjengelig. Ved å bygge bro mellom avanserte AI-teknikker og virkelige applikasjoner, har NAIC som mål å fremme et levende AI-økosystem i Norge som kan drive fremtidige fremskritt innen flere felt. Følg med for flere oppdateringer når vi fortsetter å utvikle nye demonstratorer og utvide mulighetene for AI i Norge!