گزارش جدید SIAM چالش های پیش روی آینده علوم محاسباتی را بررسی می کند

بازنشر افلاطون

دنبال: 0

در سال 2023، انجمن ریاضیات صنعتی و کاربردی (SIAM)، یکی از اعضای انجمن حرفه‌ای وابسته به CRA، یک کارگروه را برای ایجاد یک چشم‌انداز استراتژیک برای چالش‌های پیش‌آمده در آینده علوم محاسباتی مأمور کرد. در اوایل ماه جاری، کارگروه گزارش خود را با عنوان آینده علوم محاسباتی. CCC هیجان زده است که اهمیت و به موقع بودن این گزارش را برجسته می کند که در آن بسیاری از موضوعات توسط فعالیت ها و گزارش های چشم انداز ما تأیید شده است.

همانطور که در این گزارش ذکر شد، ایالات متحده رهبر بی چون و چرا در محاسبات پیشرفته و علوم محاسباتی بود. گروه ضربت بیان می کند که در سال های اخیر این رهبری توسط رقبای استراتژیک به چالش کشیده شده است. گزارش آینده علوم محاسباتی برای رسیدگی به راه‌های غلبه بر چالش‌های مهم برای تضمین رهبری مستمر ایالات متحده ایجاد شد.

این گزارش بر اهمیت روزافزون همکاری های بین رشته ای تاکید می کند. پیشرفت‌ها در علم محاسبات اغلب از همکاری بین متخصصان حوزه‌های مختلف ناشی می‌شود که نوآوری را تقویت می‌کند و باعث پیشرفت می‌شود.

پرورش نسل بعدی دانشمندان محاسباتی نیز برای حفظ پیشرفت در زمینه محاسبات ضروری است. باید برنامه های آموزشی قوی و ابتکارات توسعه نیروی کار برای تجهیز نسل های آینده با مهارت های مورد نیاز برای مقابله با چالش های نوظهور وجود داشته باشد.

موارد دیگر پیامدهای اخلاقی تحقیقات محاسباتی، حمایت از شیوه‌های مسئولانه، شفافیت و مسئولیت‌پذیری را برجسته می‌کنند تا اطمینان حاصل شود که پیشرفت‌های فناوری به نفع جامعه به‌عنوان یک کل است.

نوآوری و کشف، تأثیر اجتماعی، و چالش های جهانی

چندین زمینه در این گزارش بر سه نکته روشن می شود:

نوآوری و کشف: دانشمندان محاسباتی با تقویت همکاری بین رشته ای و پذیرش فناوری های نوظهور، می توانند مرزهای جدیدی از دانش را باز کنند و نوآوری را در حوزه های مختلف هدایت کنند.

تأثیر اجتماعی: با ادامه پیشرفت علم محاسباتی، تأثیر آن بر جامعه فقط افزایش خواهد یافت. ملاحظات اخلاقی باید در اولویت قرار گیرد تا اطمینان حاصل شود که پیشرفت‌های فناوری به طور مسئولانه و عادلانه ایجاد می‌شوند.

چالش های جهانی: از تغییرات آب و هوایی گرفته تا مراقبت های بهداشتی تا امنیت سایبری و فراتر از آن، علم محاسبات نقشی حیاتی در رسیدگی به چالش های جهانی ایفا می کند. با استفاده از ابزارها و تکنیک‌های محاسباتی، محققان می‌توانند راه‌حل‌هایی برای مشکلات پیچیده‌ای که کل بشریت را تحت تأثیر قرار می‌دهند، ایجاد کنند.

یافته های کلیدی در این گزارش عبارتند از:

محققان محاسباتی و آژانس های تامین مالی باید بر ایجاد برنامه های جامع تر علوم محاسباتی تمرکز کنند. این به معنای اختصاص بودجه، پرسنل و زیرساخت برای حمایت از تحقیقات علمی و حل مسئله با استفاده از روش‌های محاسباتی است. یک برنامه شامل پروژه محاسباتی Exascale وزارت انرژی (DOE) است که در آزمایشگاه ملی Oak Ridge واقع شده است. این پروژه به دنبال آماده سازی دانشمندان و امکانات محاسباتی برای مقیاس بزرگ است، سطحی از ابر محاسبات که قادر به انجام حداقل یک محاسبه ممیز شناور exaFLOPS در هر ثانیه برای پشتیبانی از حجم کاری گسترده است. برای استفاده کامل از فناوری ECP و سخت افزار آینده، این برنامه باید در ریاضیات کاربردی و علوم کامپیوتر پیشرفت کند. این می تواند شامل توسعه الگوریتم ها، روش های عددی و ابزارهای نرم افزاری بهینه شده برای محیط های محاسباتی با کارایی بالا باشد.
برنامه محاسباتی Exascale علاوه بر استفاده از پیشرفت‌های فعلی، باید پیشرفت‌های آتی در محاسبات با کارایی بالا را پیش‌بینی کرده و برای آن آماده شود. این شامل سرمایه گذاری در تحقیق و توسعه برای سرمایه گذاری بر روی پیشرفت های سخت افزاری آینده است. همکاری برای موفقیت ضروری است. این برنامه باید مشارکت بین ریاضیدانان کاربردی، دانشمندان کامپیوتر و دانشمندان کاربردی را تقویت کند. این رویکرد چند رشته ای تضمین می کند که راه حل های محاسباتی به طور موثر برای رسیدگی به چالش های مهم ملی در حوزه های مختلف طراحی شده اند.
کشور به مجموعه ای جامع از سرمایه گذاری ها برای تضمین پیشرفت پایدار فناوری های محاسباتی با کارایی بالا نیاز دارد. نه تنها دستیابی به محاسبات در مقیاس اگزا مهم است، بلکه همچنین اطمینان حاصل شود که توسعه چنین قابلیت هایی برای برآورده کردن نیازهای مداوم و در حال تغییر کشور در زمینه علوم محاسباتی پیشرفته بیشتر گسترش می یابد.
سرمایه‌گذاری در فناوری‌های محاسباتی جایگزین مانند محاسبات نورومورفیک و کوانتومی برای مقابله با چالش‌های مهم در آینده ضروری است که معماری‌های رایانه‌ای معمولی ممکن است قادر به انجام آن نباشند. محاسبات نورومورفیک از ساختار و عملکرد مغز انسان الهام گرفته شده است. هدف آن توسعه سیستم‌های رایانه‌ای است که شبکه‌های عصبی مغز را تقلید می‌کنند و امکان پردازش کارآمدتر و انعطاف‌پذیرتر اطلاعات، به ویژه در وظایف مربوط به تشخیص الگو، یادگیری و سازگاری را فراهم می‌آورند. محاسبات کوانتومی از اصول مکانیک کوانتومی برای انجام محاسبات استفاده می کند. رایانه های کوانتومی این پتانسیل را دارند که انواع خاصی از مسائل را به طور تصاعدی سریعتر از رایانه های کلاسیک حل کنند، به ویژه در زمینه هایی مانند رمزنگاری، بهینه سازی و شبیه سازی.
با پیشرفت تکنولوژی، ابزارها و امکانات علمی به طور فزاینده ای مجموعه داده های بزرگ و پیچیده ای را تولید می کنند. برای ادامه پیشرفت، دانشمندان به دسترسی به این حجم عظیم از داده ها نیاز دارند. با این حال، انجام این کار مستلزم سرمایه گذاری قابل توجهی در زیرساخت، منابع و فناوری برای جمع آوری، مدیریت، تجزیه و تحلیل و تفسیر این جریان های داده است.
هوش مصنوعی و یادگیری ماشین پتانسیل قابل توجهی برای متحول کردن فرآیندهای تحقیقات علمی دارند. این فناوری‌ها می‌توانند جنبه‌های مختلف تحقیق از جمله تجزیه و تحلیل داده‌ها، تشخیص الگو و تولید فرضیه را افزایش دهند. با این حال، تحقق کامل این فرصت ها مستلزم سرمایه گذاری قابل توجهی در ریاضیات و محاسبات است.

تقاطع با ابتکارات اخیر CCC

این گزارش برخی از موضوعاتی را که CCC به آنها علاقه مند است یا روی آنها کار می کند، مانند گروه کاری Full Stack تقویت می کند. این گروه کاری بر هر چیزی که وارد یک سیستم کامپیوتری می شود، و نحوه ارتباط این فناوری ها با کاربران و توسعه دهندگان تمرکز می کند. مکالمات پیرامون محاسبات اگزا مقیاس، محاسبات کوانتومی و نورومورفیک از جمله بحث های بسیاری در این گروه است. در واقع، یکی از اعضای Full Stack Task Force، Bill Gropp در دانشگاه ایلینویز در Urbana-Champaign، در شورای CCC خدمت می کند و در محاسبات exascale که در آنجا روی این فناوری کار می کند، متخصص است.

رویدادهایی مانند کارگاه آموزشی رویکردهای جامعه محور به تحقیق در فناوری و جامعه (CDARTS) اهداف مشابهی با این گزارش دارند تا محققان را در محاسبات و جوامعی که تحت تأثیر تأثیرات سیستم های هوش مصنوعی قرار گرفته اند، گرد هم آورد. کارگاه CDARTS به این موضوع پرداخت که چگونه تحقیقات محاسباتی می‌تواند از نیازها و بهترین شیوه‌های همکاری پشتیبانی کند.

CCC همچنین به تازگی یک سری میزگرد 6 را در مورد ایجاد بهترین شیوه های بین رشته ای برای تحقیقات محاسباتی به پایان رسانده است که به ذکرهای متعدد در گزارش در مورد نیاز فوری به همکاری های بین رشته ای مربوط می شود. CCC گزارشی مشترک با CRA در مورد این موضوع در ماه های آینده منتشر خواهد کرد.

CRA و SIAM به طرق مختلف به هم متصل هستند. رئیس گروه ضربت SIAM بروس هندریکسون از آزمایشگاه ملی لارنس لیورمور انتخاب شده به هیئت مدیره CRA مری هال، مدیر دانشکده محاسبات دانشگاه یوتا، ضمن خدمت در کمیته اجرایی CRA، در گروه ضربت و در هیئت مدیره CRA نیز حضور داشته است. گزارش کامل SIAM Task Force را بخوانید اینجا کلیک نمایید.