科学研究 > 科研环境
1、数据分析及可视化平台
数据分析及可视化研究中心作为计算机学院即将建立的集分析、研究、应用为一体的大数据产学研中心,将关注该领域国内外最前沿的研究内容和关键技术,计划配置沉浸式环屏大数据可视化系统、人机交互系统、数据计算分析中心、存储系统及相关周边设备,主要研究大规模高维数据的可视化技术、基于动态反馈的可视分析与挖掘技术和支持可视化分析的人机交互技术三大方向。
(1)研究大规模、高维数据的可视化技术
该方向将研究高维数据的数据分析方法,包括高维数据的数学降维方法,及降维和非降维结合的数据分析新方法。通过对数据中的特征进行分析和挖掘,可找出数据间的规律和特征,从而进行数据降维或直接显示。此外还将研究高维数据呈现方法,在单视图及多视图协同分析的场景下,在有限的显示空间内呈现尽可能多的信息。
(2)研究基于动态反馈的可视分析与挖掘技术
该方向将重点研究并实现跟踪和驾驭方式的大数据可视化及可视分析技术。在跟踪及驾驭方式可视分析中,对于系统参数集合中的多种参数,采取机器推荐与操作者控制等多种人机交互的方式确定,系统也将支持一定的可视化分析与挖掘过程的回滚与重播。
(3)研究支持可视化分析的人机交互技术
该方向将研究人手动作分割、建模、特征提取、跟踪和识别算法,通过多体感器的交互识别,提高多体感器的识别精度和效果;进而研究基于分布式的多体感器交互控制方法,实现对整个环屏可视化系统跨屏幕跨区域交互操作。
 
 
2、机器学习平台
机器学习研究中心作为计算机学院即将建立的集研究与应用为一体的产学研中心,将关注该领域国内外最前沿的研究内容和关键技术,计划配置由通用多核CPU、众核GPU及MIC、FPGA及高速互联网络构成的高性能异构计算平台。中心将从机器学习的理论、软硬件技术与方法、应用这三个立体层次,全方位地探索机器学习特别是深度学习及其产学研应用。主要研究:深度学习、强化学习与类人概念学习的机理、模型及算法;大数据场景中异构平台上的机器学习软硬件技术;机器学习的典型应用及机器学习驱动的智能互联技术。
(1)研究深度学习、强化学习与类人概念学习的机理、模型及算法
该方向将深入研究深度学习的机理等,并设计新的模型及算法。还将进一步研究强化学习的理论,并研究其与深度学习结合的新方法。此外,还将深入研究类人概念学习的理论,比如如何在没有形成先验概率的时候尽可能地得到贝叶斯规划学习的正确决策,以及根据场景选择深度学习还是类人概念学习的策略等。
(2)大数据场景中异构平台上的机器学习软硬件技术研究
该方向将研究经典机器学习算法的分布式设计、运行及性能调优等问题。还将研究使用硬件(GPU/FPGA/MIC)加速机器学习应用或算法的技术与方法,在中小规模异构平台上进行机器学习,并达到或接近大型同构硬件平台(如数千台PC)性能的技术与方法,并缩短运行时间。
(3)研究机器学习的典型应用及机器学习驱动的智能互联技术
该方向将将研究机器学习用于图像识别、语音识别、自然语言处理等重要应用领域的相关技术,将分析现有具体应用的问题并研究提高性能的优化技术。此外,还将研究基于机器学习的智能互联技术。具备智能的硬件设备及软件技术,将为人类带来真正的“万物互联”时代。
 
 
3、类脑计算平台
类脑计算研究中心作为计算机学院即将建立的综合性的脑计算研究中心,将关注于该领域国内外最前沿的研究方向,计划将安置多导ERP脑电设备、近红外光学脑成像(fNIRS)设备、多通道生理测量设备以及相关周边的高性能生理及应用附属设备,主要研究将涵盖与脑相关的生理心理学研究、以脑为基础的应用型研究和类脑计算与可视化三大方向。
(1)基于脑的生理心理学研究
该方向将以ERP为主要的切入点,与心理学研究相结合,探索思维与情感产生的生理学机制,获得人脑的对外响应活动数据,用计算机方法解决和分析脑活动的相关基础理论和新型研究方法,开拓面向人脑活动内部机理的新型研究范式,为基于脑的外在应用和计算方法提供生理相关的理论基础。
(2)基于脑活动的应用型研究
该方向将脑活动、生理活动与实际应用相结合。将主要集中在:1)应用多重视听觉刺激或重复性经颅磁刺激(rTMS)并与医疗结构合作,探索心理疾病、生理疾病的生成机理和治疗方法;2)将融合最新的虚拟现实(Virtual Reality,VR)、增强现实(Augmented Reality, AR)以及混合现实(Mix reality,MR)技术,开拓新型的人机接口(Human-Computer Interface,HCI)应用方案。
(3)类脑计算和可视化
类脑计算已经成为人工智能领域的研究热点,其研究内容主要包括人脑认知机理与类脑机器智能。面向类脑计算,研究中心将以脑区功能可视化分析,类脑认知机制与类脑机器学习为重点研究方向,具体工作包括:基于高维数据可视化技术对脑区细胞进行重建及可视化分析,进而标定、绘制脑区功能地图;将ERP数据分析与传统认知模型相结合,配合生理特征信息,针对特定识别任务对人类认知过程进行建模;模拟大脑处理数据的机制,设计实现高智能、高效能的类脑机器学习算法,为现有的数据分析任务开拓智能化解决方案。
 
 
4、精准医疗大数据分析平台
精准医疗研究中心作为计算机学院即将建立的具有典型多学科交叉特点的研究中心,将树立全球视野,联合计算机科学、生命科学、医学以及数学领域的国内外知名学者,开展大数据时代精准医疗理论创新与应用研究,具体包括:
(1)精准医疗理论创新
研究精准医学大数据的管理、处理和利用的开放标准与规范,针对复杂重大疾病开展精准医学知识建模研究,并在网络调控、细胞种群生长等不同时空尺度上深入分析挖掘,实现更为精确和精细的疾病分类、分型,同时对比国内外已有的研究结果,为我国患者精确诊断和精确治疗的标准化提供依据。
 
(2)精准医疗应用研究
与专科医院以及基因公司等企业联动,基于临床医学和基因大数据分析,结合物联网技术,构建个人健康档案,打造在线个性化精准医疗辅助诊断系统和仿真外科手术平台,实现对各种复杂手术的仿真和评估,以及为疾病的预防、检测和个性化治疗提供支撑。完成从实验室到临床的转变,实现医疗个性化和服务智能化。
(3)精准医疗平台建设
以重大复杂疾病为切入点,建立安全、稳定、友好的生物医学大数据共享平台,突破生物医学大数据分析技术;以临床应用为导向,形成可用于精准医学应用全过程的生物医学大数据参考咨询、分析判断、快速计算和精准决策的应用技术平台。
 
 
5、高性能计算平台
上海大学计算机工程与科学学院高效能计算中心成立于2016年初,其前身上海大学高性能计算中心成立于2007年9月。1998年自主研发的第一代集群式高性能计算机“自强2000”被认为是当时国内民口单位研制的峰值速度最高的高性能超级计算机。与HP合作研发的第二代集群式高性能计算机 “自强3000” HP超级计算机共有192个节点机,384个计算核,2004年全球超级计算机TOP500排名列126位,中国TOP100名列第6位,国内高校名列第2位。2006年11月在系统生物学研究所建设了一台16个节点、64个计算核的IBM集群机。2008年3月在力学所和数学系分别建成一台16个节点、128个计算核的HP集群机。2013年建成的第三代集群式高性能计算机“自强4000”共有162个节点机,2480个计算核。至此,形成了以“自强4000”超级计算机为主计算节点的计算基础实施平台。
“自强4000”计算平台为计算机学院、材料学院、理学院、力学所、环化学院、生命学院、机自学院等研究工作提供科学计算和工程计算。涉及了众核并行算法、混合异构环境并行算法、云计算、大数据计算、计算材料钢铁冶金模拟、高分子材料结构分析、计算化学、计算物理、计算力学、流体力学、复杂流动、多相流、交通流、生命科学、生物工程、计算土木工程、汽车模拟、飞机空气动力计算、飞行器温度场等众多研究领域,配合完成国家自然科学基金、863、973和省部级等各级各类项目。并为用户提供软件培训,操作培训等课程。
(1)硬件资源
“自强4000”是我校第三代集群式高性能计算机,中心结合了前两代集群建设的经验和用户的需求,对新集群的周边环境和软硬件配置进行了设计和规划,并于2013年6月完成建设。
“自强4000”主要包括:5个登录/管理节点;140个计算节点;2个胖节点;11个GPU节点;4个I/O节点;1套存储系统;1套Infiniband计算网络;1套以太网管理网络等。系统总运算峰值约70万亿次/秒(70Tflops),其中CPU双精度浮点运算峰值57152Gflops,GPU双精度浮点运算峰值14410Gflops,系统总体Linpack效率约为85%。
(2)软件资源
中心紧跟大数据和云计算的发展,与上海君事科技有限公司合作推出工业化的OpenStack云平台,承载虚拟桌面、大数据等计算,提供更灵活的服务,提高系统效率和效能。
随着我校高性能计算应用水平的不断提高,应用领域不断扩大,用户对应用软件的需求日益迫切,中心通过各种方式和渠道广泛听取意见和建议,最后通过专家论证的形式购置了一批商用软件: Materials Studio(材料结构设计模拟及性质计算软件),ANSYS(工程仿真软件),LS-DYNA(显式动力分析软件),VASP(电子结构计算和量子力学-分子动力学模拟软件包),GAUSSIAN09(电子结构模拟软件),COMSOL Multiphysics(多物理场仿真软件),MOLPRO(电子结构量化计算软件),PGI(编译器),PARAMON/PARATUNE(集群运行监控及分析软件)等。