探秘联想巴塞罗那超级计算中心：挑战人类知识边界

该小组采用具有高空间分辨率（从12公里到1公里）的AQM来定位城市空气质量。接下来将AQM与街道峡谷模型相结合，这对于精确再现沿街道污染物的分散至关重要。用于源分配研究的AQM可确定有效的空气质量计划，因为它们确定了主要社会经济活动和周围行政区域的污染以及污染的跨境运输。

CALIOPE系统（“西班牙空气质量运营”）是一个运行预报系统，为欧洲、西班牙及其主要城市地区的空气质量提供高分辨率的短期预测。CALIOPE整合了BSC作为内部化学品运输模型NMMB / BSC-CTM，该模型基于WRF-CMAQ当前运营系统。

2)认知计算——应用于人工智能的超级计算

该研究小组旨在开展研究实现跨越多学科的交互，从算法到基础设施，并希望使用先进的超级计算技术加速人工智能的发展。

该研究小组正在使用超级计算平台在各种人工智能领域进行基础研究，例如深度学习、概率图形模型和强化学习。

项目提出了基于深度学习生产系统最佳实践的研究。目前，我们为行业提供文档分类、图像分割、文本分类和分布式培训的解决方案。

此外，我们与组织合作进行该地区的研究活动，并通过大学课程和外展活动的教学来传播这些理念。

3)眼科疾病诊断

视觉障碍影响了数百万人，但很多情况下都可以轻易预防。巴塞罗那超级计算中心研究人员与联想合作建立并训练人工智能模型，以提高视网膜疾病筛查的准确性 —— 改善患者治疗效果，并尽可能的挽救他们的视力。

据世界卫生组织称，每二十人中就有一人饱受视觉障碍的折磨。今天，全世界约有2.53亿人患有某种形式的视力障碍。但事实是高达80％的病例可以预防。

与所有健康问题一样，视网膜疾病越早诊断，患者的治疗效果越好。当被早期诊断出之后，严重视力丧失的可能性可降低57％。

视网膜疾病筛查过程的创新非常少见。传统的散瞳眼科面诊准确率很低，并且眼科医生很难用这种方法检查视网膜疾病。

为了帮助人们保护视力，巴塞罗那超级计算中心（BSC）的研究人员正在研究人工智能（AI）技术是否可以帮助眼科医生更有效地检测视网膜疾病。该研究小组在BSC博士后研究员Dario Garcia-Gasulla的带领下与联想合作，探讨发掘如果通过AI来提高视网膜疾病筛查过程的准确性。

通过人工智能专家的指导，该小组可以访问联想最先进的高性能计算（HPC）资源，建立并训练机器学习模型，用于检测不同的视网膜病变。

BSC和联想的迁移学习研究项目使用户能够选择他们想要创建机器学习模型的视网膜病理学。用户只需选择他们想要用作特征提取器的预训练神经网络，并将目标病理图像输入模型。

在联想的支持下，该研究小组正利用人工智能技术，通过机器学习挑战提高视网膜疾病筛查准确性的边界。

此外，合作还在继续为联想智能超算平台（LiCO）带来迁移学习功能，这是一个为研究机构和企业的AI工作提供动力的软件工具。

最终目标是为了帮助眼科医生比以往更早地发现视网膜病变的迹象，尽可能的挽救数百万人的视力。

雷帝触网由资深媒体人雷建平创办，若转载请写明来源。

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!