HAI: Interaktion zwischen HPC, KI und Forschungsdaten

Dieses Projekt zielt darauf ab, Strategien und Werkzeuge für eine effiziente und kollaborative Entwicklung sowie für eine hohe Recheneffizienz bereitzustellen, wobei drei Schwerpunkte im Vordergrund stehen:

• Datenverarbeitungs-Pipelines mit LLM-automatisiertem Data Engineering für eine schnelle Entwicklung;
• effiziente Nutzung von HPC-Ressourcen für skalierbares Modelltraining; und
• kollaborative Code-Entwicklung und -Ausführung in Verbindung mit FAIR-konformen Datenmanagementpraktiken.

Erfahren Sie mehr zu HAI auf der offiziellen Projektwebseite.

Problemstellung

Datenanalyse und KI-Pipelines stellen hohe Anforderungen an die Softwareentwicklung und die Rechenressourcen.

Ausblick

HAI wird sich an den Anwendungsfällen der NHR-Nutzer:innen orientieren und deren Produktivität und Kompetenzen steigern. Es wird Strategien zur Steigerung der Effizienz und Nutzbarkeit von HPC-Ressourcen beitragen, indem es Tools, Tutorials und Dokumentationen bereitstellt. Die Software wird als Open Source zur Verfügung gestellt und kann auch von anderen Rechenzentren genutzt werden.

Team

Leitung

• Dr.  Matthias Lieber

Teammitglieder

• Prof. C.B. (TUDa)
• Dr. Charlotte Debus (NHR@KIT)
• Dr. Siavash Ghiasvand (ScaDS.AI Dresden/Leipzig)
• Prof. Harald Koestler NHR@FAU
• Jaison Lewis (NHR@Göttingen)
• Prof. Sarah Neuwirth (NHR@SW)
• Lincoln Sherpa (NHR@TUD)
• Dr. Christian Terboven (NHR4CES@RWTH)

Partner

• NHR4CES@RWTH
• NHR4CES@TUDa
• NHR@FAU
• NHR@Göttingen
• NHR@KIT
• NHR@SW
• NHR@TUD