breadcrumbs icon
Secteur public

Gestion des catastrophes

Système de simulation de tremblement de terre en temps réel avec assimilation de données

Système de simulation de tremblement de terre en temps réel avec assimilation de données

Pour:
Information Technology Center (ITC), The University of Tokyo Earthquake Research Institute (ERI), The University of Tokyo National Institute of Informatics (NII) National Research Institute for Earth Science and Disaster Resilience (NIED) Japan Meteorological Agency (JMA), Meteorological Research Institute (MRI) Gouvernements locaux au Japon Entreprises de transport (chemin de fer, autoroute)
Objectif:
Autre
Problème adressé
Le système effectue une simulation à grande échelle de la propagation des ondes sismiques 3D, et les résultats sont améliorés sur la base de l'assimilation des données en temps réel à l'aide de l'observation et de l'apprentissage automatique.
But du cas d'usage
Ce système fournit des informations précises pour l'évacuation en cas de tremblement de terre.
Description
1 Nouvelle direction dans le calcul intensif : La majorité des SCD/ITC/U. Les utilisateurs du système de supercalculateurs de Tokyo (Supercomputing Research Division, The University of Tokyo) appartiennent aux domaines de la science et de l'ingénierie informatiques, y compris les simulations d'ingénierie (dynamique des fluides, dynamique structurelle et électromagnétisme), les sciences de la terre (atmosphère, océan, terre solide et tremblements de terre) ) et sciences des matériaux. Récemment, le nombre d'utilisateurs liés à la science des données, à l'apprentissage automatique et à l'intelligence artificielle (IA) a augmenté. Des exemples de nouveaux sujets de recherche sont la prévision météorologique par assimilation de données, la reconnaissance d'images médicales et les analyses du génome humain. Vers la société 5.0, un nouveau type de méthode de résolution de problèmes scientifiques qui intègre la simulation (S), les données (D) et l'apprentissage (L) (S+D+L) émerge. 2 BDEC : Big data et extreme computing Le système BDEC (Big data and extreme computing), dont l'introduction au SCD/ITC est prévue en avril 2021, est un système hiérarchique, hybride, hétérogène (h3). Le BDEC est la plate-forme d'intégration de la simulation, des données et de l'apprentissage (S+D+L), et se compose de nœuds de calcul pour la science computationnelle, ceux pour la science des données/apprentissage automatique et ceux pour l'intégration. Les performances maximales agrégées du système BDEC devraient être de 40+ PFLOPS avec une bande passante mémoire agrégée : 5,00+PB/sec. Il comprend trois types de nœuds de calcul : nœuds de simulation (SIM, 90 % des ressources totales) pour les applications traditionnelles de calcul intensif ; nœuds de données/d'apprentissage (DL, 5 %) pour les données et l'apprentissage ; et nœuds d'intégration (INT, 5 %). L'architecture de SIM et INT doit nécessairement être la même, tandis que celle de DL peut être différente. Certains des nœuds DL seraient connectés à des ressources externes (par exemple, stockage de données, serveurs, réseaux de capteurs, etc.) directement via un réseau externe (par exemple, SINET, Japon). DL et INT partageraient un système de fichiers rapide (capacité : 4+Po, bande passante : 2+To/sec), tandis que tous les nœuds partageraient un système de fichiers à grande échelle (système de fichiers partagé, 60 + Po, 500 + Go/sec) . 3 h3-Open-BDEC : plate-forme logicielle innovante pour l'intégration de (S+D+L) Nous développons une plate-forme logicielle innovante h3-Open- BDEC pour l'intégration de (S+D+L) et évaluons les effets de l'intégration de (S +D+L) sur le BDEC (Figure.A.1). Le h3- Open-BDEC est conçu pour extraire les performances maximales des supercalculateurs avec une consommation d'énergie minimale en se concentrant sur (1) une méthode innovante d'analyse numérique à haute performance/haute fiabilité/économie d'énergie basée sur le nouveau principe de calcul par précision adaptative, vérification de l'exactitude et réglage automatique, et (2) approche hiérarchique axée sur les données (hDDA) basée sur l'apprentissage automatique. Ce travail serait soutenu par le gouvernement japonais de l'exercice 2019 à l'exercice 2023 (JSPS Grant-in-Aid for Scientific Research (S), PI : Kengo Nakajima (ITC/U.Tokyo)). Figure.A.1 Vue d'ensemble de h3-Open-BDEC Dans l'approche pilotée par les données (DDA), la technique d'apprentissage automatique est introduite pour prédire les résultats de simulations avec différents paramètres. DDA nécessite généralement beaucoup de simulations pour générer des données d'enseignement. Nous proposons le hDDA, où des modèles simplifiés pour générer des données d'enseignement sont construits automatiquement par apprentissage automatique avec détection de caractéristiques, réduction de l'ordre du modèle (MOR), quantification de l'incertitude (UQ), modélisation parcimonieuse et raffinement adaptatif du maillage (AMR). Le h3-Open-BDEC est la première plate-forme logicielle innovante à réaliser l'intégration de (S + D + L) sur des supercalculateurs à l'ère Exascale, où les informaticiens peuvent réaliser une telle intégration sans l'aide d'autres experts. Les codes sources et les documents sont ouverts au public pour divers types d'environnements informatiques. Cette intégration par h3-Open-BDEC permet une réduction significative des calculs et de la consommation électrique par rapport à ceux des simulations classiques. L'idée de h3-Open-BDEC est une extension de celle de ppOpen-HPC [232] ppOpen-HPC fait partie d'un projet de (cinq + trois) ans (FY.20112015, FY.2016-2018) soutenu par JST- CREST et DFG-SPPEXA en Allemagne. Les applications possibles sur le système BDEC avec h3-Open-BDEC sont les simulations/assimilations de données combinées pour les simulations climatiques/météo et les simulations de tremblements de terre, et les simulations de catastrophes en temps réel, telles que les inondations, les tremblements de terre et les tsunamis. 4 Système de simulation de tremblement de terre en temps réel avec assimilation de données Le système effectue une simulation à grande échelle de la propagation des ondes sismiques en 3D, et les résultats sont améliorés en fonction de l'assimilation des données en temps réel à l'aide de l'observation et de l'apprentissage automatique. Les observations des activités sismiques en plus de 2 000 points au Japon sont obtenues par JDXnet développé par ERI/U. Tokyo via SINET en temps réel. La construction du modèle souterrain détaillé et précis est cruciale pour des simulations précises. Un modèle souterrain optimisé est également construit par intégration de (S+D+L).
Intéressé par le même projet ou un projet similaire ?
Soumettez une demande et obtenez une évaluation gratuite de votre projet.