Użytkownicy superkomputerów Cyfronetu laureatami w konkursie Diamenty AGH
W konkursie na najlepszą pracę dyplomową „Diamenty AGH" wśród laureatek i laureatów znalazły się trzy osoby, które do badań wykorzystały infrastrukturę obliczeniową ACK Cyfronet AGH.
Konkurs, organizowany przez Stowarzyszenie „Studenckie Towarzystwo Naukowe” oraz AGH, sięga tradycją do 1998 roku, a obecnie rozstrzygnięto XXV edycję. Nagrody przyznawane są w dwóch kategoriach: prac teoretycznych oraz prac aplikacyjnych. W tym roku w obu z nich znalazły się osoby, które na potrzeby prac dyplomowych wykonywały obliczenia na superkomputerach działających w Cyfronecie. Laureatką kategorii prac teoretycznych ogłoszono P. Julię Machnio (Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej), a III miejsce zajął P. Miłosz Kożusznik (Wydział Inżynierii Materiałowej i Ceramiki). Z kolei w kategorii prac aplikacyjnych II miejsce zajął P. Szymon Mazurek (Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej).
Pełna lista osób nagrodzonych, wraz z tytułami i promotorami nagrodzonych prac, oraz sylwetki zdobywczyń głównych nagród znajdują się w komunikacie na stronie AGH. Natomiast poniżej znajdą Państwo odpowiedzi naszych Użytkowników na pytanie: „W jaki sposób udostępniane przez Cyfronet AGH zasoby informatyczne przysłużyły się badaniom do pracy dyplomowej?”
Julia Machnio
Infrastruktura obliczeniowa ACK Cyfronet AGH posłużyła do uczenia grafowych konwolucyjnych sieci neuronowych (GCN) oraz optymalizacji ich działania w celu segmentacji obrazów dyfuzji metodą rezonansu magnetycznego. Wykorzystano zasoby superkomputera Ares do wstępnego przetwarzania danych dMRI, uzyskania szeregu parametrów diagnostycznych służących do budowy grafów oraz uczenia sieci. Do obliczeń posłużyły między innymi autorskie skrypty napisane w języku Python.
Rys. 1: Wizualizacja zaakceptowanej przez społeczność metody segmentacji mózgu - najnowocześniejsza metoda (Smith i in., 2004).
Rys. 2: Wizualizacja półnadzorowanej metody segmentacji zaproponowanej w artykule.
Szymon Mazurek
W swojej pracy magisterskiej zaproponowałem kompleksowe podejście do rozwiązywania problemu klasyfikacji sygnału EEG u osób z epilepsją przy pomocy grafowych sieci neuronowych. Od samego początku badań korzystałem z infrastruktury Cyfronetu - swoje eksperymenty wykonywałem na kartach A100 na klastrze Athena. Szczególnie istotne było to podczas ewaluacji zastosowania metod automatycznej konfiguracji architektury sieci, gdyż wiązało się to z koniecznością równoległego treningu setek sieci neuronowych. Bez odpowiedniej infrastruktury prace badawcze w dziedzinie AI byłyby szczególnie trudne.
Miłosz Kożusznik
Infrastruktura obliczeniowa ACK Cyfronet AGH pozwoliła zamodelować oraz wyznaczyć właściwości zarówno strukturalne jak i katalityczne materiałów na bazie selenków metali przejściowych. Wykorzystując infrastrukturę superkomputera Ares oraz pakiet obliczeniowy VASP, uzyskano kluczowe informacje na temat deskryptorów struktury elektronowej, które skorelowano eksperymentalnie z aktywnością katalityczną w kierunku elektrolizy wody. Oprócz tego, wyliczone parametry sieciowe komórek elementarnych w połączeniu z wynikami spektroskopii Mössbauera pozwoliły wyjaśnić mechanizm lokowania się atomów żelaza w strukturze, co dodatkowo poszerza zakres możliwości w projektowaniu efektywnych elektrokatalizatorów.
Rys. 1: Projektowanie skutecznych elektrokatalizatorów.
Serdecznie gratulujemy, zarówno Użytkownikom infrastruktury ACK Cyfronet AGH, jak i pozostałym laureatom!
Dostęp do superkomputerów i pakietów oprogramowania naukowego odbywa się poprzez Portal PLGrid. Zapraszamy do odwiedzenia strony Poradników PLGrid – kompleksowego źródła informacji na temat udostępnianych zasobów.