I slutet av år 2021 fick projektet Distribuerad artificiell intelligens för superdatorer och fysik (DAISY) finansiering på sammanlagt 700,000 € av Finlands Akademi. Projektet kombinerar de nyaste maskininlärningsmetoderna med beräkning med superdatorer.
– Man kunde säga att stjärnorna var i rätt läge då vi förenade behandlingen av rymddata och AI med maskininlärning. Vi visste inte hur bra de kan anpassas till varandra innan vi började skriva forskningsansökan, konstaterar Minna Palmroth, professor i rymdfysik vid avdelningen för fysik.
Hon är ansvarig forskare för projektet tillsammans med Teemu Roos, professor i datavetenskap, som också är direktör för undervisningen i AI vid Finlands AI-center FCAI.
Med hjälp av superdatorer kan man simulera fenomen i närrymden och tolka resulterande data. Helsingfors universitet har Vlasiator till sitt förfogande, en modell för plasmafysik som simulerar förhållandena i jordens närmaste rymd, inbegripet de jonkinetiska förhållandena, utan numeriskt brus.
Superdatorn simulerar fenomen i närrymden
– AI-applikationer som uppnår precision, pålitlighet, skalbarhet och förklarlighet samtidigt är en stor utmaning inom AI-forskning för tillfället, säger Roos.
– För att vi ska kunna befinna oss i bräschen för den globala tävlingen inom AI-forskning behöver vi ett tillämpningsområde som är tillräckligt utmanande, och i praktiken ger oss obegränsade mängder ytterst komplicerade data.
Eftersom mängden data i sig inte gör problemet svårt, behövdes också ett fenomen som var tillräckligt komplicerat att simulera. Rymdfysikdata som ska behandlas kommer inte från satelliter, utan från simulationer. Slutprodukten av AI-analysen är nya representationer av data, såsom grafiska modellstrukturer.
Simulationerna från Vlasator kräver en enorm mängd beräkningsprestanda av datorerna. DAISY-projektet fungerar som pilotprojekt där man utvecklar superdatorn LUMI som startade i Kajanaland förra året.
– Sådan beräkning görs inte på något annat håll i så stor skala. Vi vill visa att det inte är endast storföretag som samlar data om sina kunder som gör toppinnovationer inom AI, säger Roos.
Sökningen efter magnetisk rekonnektion
DAISY-projektet har som främsta målsättning att reda ut var den magnetiska rekonnektionen sker, d.v.s. en situation där ett plasmautbrott från mellan två olikriktade magnetfält sker på jordens mörka sida.
– Rekonnektion är ett fundamentalt fenomen i närrymden som ger upphov till både norrsken och störningar i elnät, säger Palmroth.
Det är svårt att observera magnetisk rekonnektion, speciellt i en tredimensionell modell. Vanligtvis observeras den som extremvärden på elnätens mätare. Data på detta fenomen är komplicerade men AI kan pejla dem.
– Rekonnektion är ett topologiskt fenomen. Det är inte fråga om endast en massa siffror, säger Palmroth.
AI kan kategorisera vad som hör ihop eller isär på magnetfältet, och var vi övergår från en topologi till en annan, det vill säga, var exakt rekonnektionen sker.
– Ett djupinlärningssystem lär sig ordna informationen i en sådan form där vi kan observera när och var dessa förändringar i topologin sker, säger Roos.
Kategoriseringsförmågan hos maskiner räcker inte till i sig, utan vi måste också reda ut hur fenomenets förlopp kan illustreras så att människan förstår det. Detta kan lösas med hjälp av en ny typ av grafiska modeller, med vilka vi kan producera topologiska och symboliska representationer.
– Hur modellerar man fenomen som inte endast handlar om kvantitativa fenomen? Detta problem är lagom svårt för artificiell intelligens, men vi har goda grunder att tro att det kan lösas, funderar Roos.
Nya sätt att presentera data
Efter att metoden har utvecklats kan de grafiska modellerna som vi får som resultat möjligen också utnyttjas inom andra vetenskaper.
– Det vore ett genombrott om vi lyckas utveckla nya modeller och därmed kan operera så att säga i gränsområdet mellan numeriska och symboliska data, säger Roos.
– Det finns många överraskande finesser inom forskningen och i början vet vi inte ännu vilka användningsområden metoderna kan utnyttjas till, säger Palmroth.
– Vi har neurovetenskapsforskare i USA och samarbetspartners i Barnsjukhuset, med vilka vi kommer att se om resultaten innehåller metoder som kunde utnyttjas mera allmänt. Inom neurovetenskap kunde de t.ex. utnyttjas till att avbilda hjärnans utveckling, funderar Roos.
Forskarna, som arbetar i grannbyggnader på campus Gumtäkt, är nöjda med projektet där båda får göra banbrytande forskning och uppnå väsentlig information.
– Om man ser på flervetenskapliga projekt är det ofta den ena parten som avgör vad som ska studeras medan den andra så att säga "håller hjulen i rullning". Resultaten är mest till nytta för den avgörande parten. Men inom det här projektet får vi fram sätt att föra båda vetenskaperna framåt med stora steg, säger Palmroth.