Go to Top

AMTC se adjudica proyecto para adquirir poderoso clúster para estudio de “deep learning”

Un sofisticado clúster NVIDIA DGX-1 será parte del equipamiento del AMTC gracias a la adjudicación del VI Concurso de Equipamiento Científico y Tecnológico Mediano FONDEQUIP. El proyecto “Sistema de Cómputo para Deep Learning basado en Cluster NVIDIA DGX-1” es encabezado por Javier Ruiz del Solar, Director Ejecutivo del AMTC; tiene como coinvestgadores a Claudio Baeza, Pablo Mendoza, James McPhee, Patricio Loncomilla y Rodrigo Verschae, y recibirá de parte de CONICYT un monto total de $162.589.583.

Javier Ruiz del Solar destaca la importancia del proyecto que concretará dicho equipamiento: “Este proyecto permitirá potenciar y fortalecer las actividades de I+D en minería inteligente en el AMTC de la Universidad de Chile, en particular: (i) el procesamiento y análisis de datos sensoriales para el modelamiento de entornos mineros, (ii) el desarrollo de sistemas de percepción para vehículos mineros operando en condiciones adversas, (iii) la detección y tracking robusto de personas a partir de secuencias de videos en entornos mineros adversos y (iv) la caracterización mineralógica mediante el análisis y procesamiento de imágenes hiperespectrales”.

El NVIDIA DGX-1 es un sistema específicamente diseñado para deep learning (“aprendizaje profundo”) y análisis acelerado por inteligencia artificial. Ofrece una rapidez sustancialmente mayor, en comparación a sistemas convencionales, para el procesamiento y visualización de datos, aceleración de los marcos de trabajo de aprendizaje profundo y diseño de redes neurales más sofisticadas. Según datos de NVIDIA, este clúster puede hacer en dos horas el trabajo de procesamiento que a una CPU convencional le tomaría más de seis días, esto gracias a sus ocho GPU Volta V100 y a sus 960 teraflops de rendimiento.

“La arquitectura que tiene el equipo está específicamente hecha para aplicaciones de deep learning, no es como un computador de propósito general en el que uno puede correr cualquier problema. Todos los elementos que tiene están hechos para optimizar los cálculos que se hacen en redes neuronales. Tanto el procesador que tiene la unidad de cómputo como el tipo de interconexión de esta máquina hacen que la tarea que a un computador le toma cientos de horas, esta la realiza en siete horas”, explica Claudio Baeza.

Este equipo será utilizado en desarrollar aplicaciones de deep learning aplicado a problemas mineros. Se pretende realizar procesamiento, análisis y modelamiento de datos sensoriales provenientes de ambientes naturales asociados a aplicaciones de campo (“field applications”), como modelamiento y pronóstico hidrometeorológico, modelamiento de yacimientos mineros y minería inteligente. “Deep learning es una técnica que ha provocado una revolución en el ámbito de la inteligencia artificial y del aprendizaje de máquinas, debido a que permite resolver problemas de aprendizaje, clasificación, clustering y predicción de alta complejidad. A modo de ejemplo, recientemente el sistema AlphaGo de la empresa DeepMind, que funciona usando técnicas de deep learning, venció por 3-0 al campeón mundial de go, juego considerado uno de los más complejos del mundo”, agrega Javier Ruiz del Solar.

El investigador Pablo Mendoza detalla en qué tipo de investigaciones se planea usar el NVIDIA DGX-1: “Las aplicaciones de deep learning en hidrometeorología son muy poco comunes. ¿En qué nos podría beneficiar este equipo? En la capacidad y metodología que tiene para procesar información y para resolver problemas de sistemas que son altamente no lineales. Por ejemplo, una aplicación podría ser el tema de downscaling: si yo tengo un modelo global que está en una grilla de 100 kilómetros, y yo necesito llevarlo a escalas más pequeñas de análisis, como una cuenca, yo podría hacer esa relación entre las entradas que vienen de un modelo global a las salidas que vienen a escalas más pequeñas para entrenar un modelo estadístico de downscaling, que yo podría aplicar tanto para lo que es clima presente como para escenarios de climas futuros. Y eso serviría para alimentar modelos de motivación física y para aplicarlo en el contexto de cambio climático, cuantificar el cambio hidrogeológico, cómo eso va a afectar la disponibilidad de recursos hídricos en el futuro. Y eso tiene distintas aplicaciones, incluyendo la minería”.



Imprimir esta noticia Imprimir esta noticia

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *