科技產業報訂閱
event
 

不讓低運算效能導致木桶效應 成大牽手NVIDIA助力災防研究成效

921地震後倒塌的建物。法新社

在反覆的數據餵養與訓練之下,人工智慧(AI)對物件的預測與分析才會愈趨精準;而在AI訓練的階段,若能有高運算效能的軟硬體作為配備,則能加速整體的技術開發與研究動能。

繼2017年成功大學導入NVIDIA DGX-1,成大今年再次牽手NVIDIA,於校內計算機與網路中心部署5台NVIDIA DGX-1。成大校長蘇慧貞表示,人工智慧時代的來臨,運算力將成為學術研究單位、公司、乃至於個人的基本配備,成大作為綜合型大專院校,不願見運算力成為研究表現的限制,望共6台NVIDIA DGX-1能成為帶領校內研究實力於智慧醫療、金融科技、天然災害三項領域有所突破。

其中,由土木系教授與研究人員共同推動的天然災害應用,尤為具備安全急迫性。世界銀行將天然災害定義為四者:地震、颱風、乾旱與洪水,根據世界自然災害熱點及風險分析報告,台灣同時暴露在三種天然災害的土地面積及人口皆佔整體的73%,列世界之冠。

如何分析出災害發生的原因?如何窮盡所有潛在的參數,找到細微環境變化與災害發生的相關性?下一次災害發生前,是否能確實預測,並做出恰當的預防措施?皆是災害高潛勢國家必須克服的難題。

對此,成大土木系副教授洪瀞表示,現階段成大土木系團隊所開發的「智慧化山崩地震辨識系統」即是希望精確地掌握災害發生的時間、空間狀態,並進一步分析出災害的成因,作為之後警戒的參考。

洪瀞舉例,以地面震動為例,地面震動的成因有很多,山崩、附近建物倒塌、火山爆發、板塊運動等,都會帶來地面震動的感受;然而在一致的感受下,能夠分析出很多不同的特徵值,唯有明確定義出這些差異,才能更臻提升對災害的瞭解。

洪瀞表示,最初根據研究人員的認知,已經在框架下列出了24種具備物理意義的參數,能夠將對災害的預測準確率提高到89%;而得益於台灣建立了相當密集的地動訊號感測器,可將不同座標蒐集到的歷史地動訊號進行疊加、比對,期望在人為的認知之外,找出更高層次的原因。

然而這些災害背後所代表的數據量之大,並非人力分析就能完成;洪瀞以921地震為例,在災害期間後約有上千個事件發生。此番成大部署超級電腦,即是希望能夠藉此助力大量數據之間的比對、訓練,在人為認知之外,透過數據間的關聯性找出更細微的肇事災害成因。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: NVIDIA 成大 災害防治