

Esimerkiksi lääketiede, ilmastotiede ja tekoäly tarvitsevat laskentatehoa isojen datamäärien pyörittelyyn.
Koronapandemiaan on saatu merkittäviä edistysaskelia supertietokoneiden avulla. Erittäin raskasta laskentaa vaativa lääkeainetutkimus on edennyt supertietokoneiden avulla ennennäkemättömällä nopeudella.
Osa Lumin resursseista on varattu aikakriittisten tehtävien mallinnukseen, joita voidaan käyttää esimerkiksi pandemioiden vastaisessa tutkimuksessa.
"Data on nykyajan öljy", projektipäällikkö Mikko Kerttula CSC:stä sanoo.
Lumilla ajetaan todennäköisesti Destination Earth -projektin ilmastovaikutusmalleja. Maailmanlaajuisesta ilmastodatasta yritetään ennustaa sään vaihtelua.
Ajatuksena on kehittää maapallosta tarkka digitaalinen malli, digitaalinen kaksonen. Sillä voidaan testata erilaisia kehityskulkuja.
Luonnonilmiöitä ja ihmisten toimintaa voidaan mallintaa, seurantaa ja simuloida. Projektin tarkoituksena on auttaa ennakoimaan ympäristön tilan heikkenemistä ja katastrofeja. Tulevaisuutta osattaisiin siis ennustaa tarkasti.
Lisäksi tietojärjestelmä tuottaa tietoa ilmastonmuutokseen sopeutumisesta.
Äärisääilmiöiden ymmärtäminen ja ennustaminen vaikuttavat suoraan esimerkiksi maatalouteen.
EU-komission Digitaalinen Eurooppa -ohjelman rahoittama Destination Earth käynnistyy tänä vuonna. Projektin käyttäjät vaihtelevat EU:sta yksittäisiin elintarvikeyrityksiin ja paikallistason päättäjiin.
"Pienempää mittakaavaa edustavat esimerkiksi ne paikalliset päättäjät, joiden yhteisöjen on vastattava välittömiin riskeihin koskien esimerkiksi saasteita, tulvia tai maanvyörymiä, kuten hiljattain koettiin Saksassa. Myös yritykset, esimerkiksi elintarviketuotannossa, pyrkivät suunnittelemaan järjestelmiään siten, että ne kestävät tuotantoon mahdollisesti vaikuttavia tulevaisuuden ääriolosuhteita, kuten tuulia, myrskyjä ja tulvia. Destination Earth auttaisi näitä yrityksiä varautumaan paremmin", kertoo ECMWF:n varatutkimusjohtaja Peter Bauer Lumin nettisivuilla.
Lumia voi käyttää myös esimerkiksi perinnöllisten sairauksien syiden selvittämiseen. Lisävaloa asiaan tuo uusien koko genomin sekvensoivien mittalaitteiden datan analysointi ja korreloiminen kliiniseen dataan.
Kieli- ja materiaalitieteissä tekoälyn syväoppimista voi soveltaa suurien data-aineistojen analyysiin ja uudelleenanalysointiin.
Kerttula pohtii myös, onko metsävaratiedoissa jotain, mitä voisi tutkia.
Muita hyödyntämiskohteita ovat itseohjautuvien autojen ja laivojen algoritmien tutkimus ja opetus sekä yhteiskuntatieteellinen data-analyysi sosiaalisista verkostoista ja ilmiöiden ennustaminen.
Lue lisää: