Mit dem Supercomputer Fugaku gegen die COVID-19 Pandemie

Seit etwa einem Jahr läuft der gemeinsam vom japanischen Forschungszentrum RIKEN und Fujitsu entwickelte Supercomputer Fugaku im vollen Benutzerbetrieb.

Bereits in der Designphase wurde festgelegt, dass er für ausgewählte strategische Anwendungsfälle eine deutliche Beschleunigung erbringen soll; beispielsweise für Molekül-Simulationen von Proteinen und Simulationen in der Klimaforschung. Im Vergleich zum vorherigen Supercomputer liegt diese Beschleunigung etwa beim Faktor 100. Außerdem lag der Fokus auf einer breiten Nutzbarkeit („Application First“) und einer hohen Energieeffizienz. Um diese Ziele zu erreichen, wurde für Fugaku eine von Fujitsu auf Basis der ARM-Architektur entwickelte CPU (A64FX) eingesetzt, die speziell für Hochleistungsrechnen optimiert wurde. In dem Supercomputer wurden insgesamt 158.976 CPUs verbaut und mit einem Hochgeschwindigkeitsnetz verbunden.

Seit seiner Installation im Jahr 2020 war Fugaku schon vier Mal hintereinander die Nummer 1 der TOP500-Liste der weltschnellsten Supercomputer. Durch ihn konnten bereits einige bahnbrechende wissenschaftliche Simulationen durchgeführt werden. So wurden unter anderem wichtige Erkenntnisse im Kampf gegen die COVID-19 Pandemie gewonnen. Doch auch in anderen Bereichen konnte der Supercomputer schon wertvolle Berechnungen leisten.

Tsunamis – eine gesellschaftliche Herausforderung

Vielleicht erinnern Sie sich noch daran, dass am 11. März 2011 ein starkes Erdbeben im pazifischen Ozean extreme Tsunamis auslöste, die an der japanischen Küste verheerende Auswirkungen mit vielen Opfern zur Folge hatten. Nicht erst seit diesem Ereignis forschen in Japan viele Institute und Firmen daran, Tsunamis besser vorherzusagen, um rechtzeitig passende Maßnahmen zu ergreifen.

Tsunami-Simulation

Tsunami-Simulation für ein starkes Erdbeben im Nankai-Graben.

Auch in diesem Kontext konnte Fugaku einen wertvollen Beitrag leisten. In Zusammenarbeit mit dem International Research Institute of Disaster Science an der Tohoku University sowie dem Earthquake Research Institute an der Tokyo University hat Fujitsu dafür Anwendungen entwickelt, die Simulationen mit Künstlicher Intelligenz verbinden. Das Ziel: Vorhersagen zu können, welche Küstenbereiche im Falle eines weiteren Tsunamis besonders gefährdet sind und dort rechtzeitig Maßnahmen einzuleiten.

Die Grundlage: ein trainiertes KI-Modell

Um solche Vorhersagen treffen zu können, musste ein Künstliche-Intelligenz-(KI)-Modell so trainiert werden, dass es die Zusammenhänge zwischen beobachteten Wellenformen und den möglichen Überschwemmungen an Land erkennt. Mit diesem trainierten Modell sollten dann in Echtzeit auf Basis der Wellenbeobachtungen Tsunami-Vorhersagen und darauf basierende Entscheidungen möglich sein.

Die Schwierigkeit: Für ein erfolgreiches Training wird eine große Zahl an Trainings-Daten mit der dazugehörigen Klassifizierung benötigt. So erfolgt zum Beispiel bei einer KI-Anwendung für die Qualitätskontrolle in der Fertigung die Klassifizierung von Fotos dahingehend, ob darauf ein fehlerfreies oder ein fehlerhaftes Produkt abgebildet ist. Mit diesen Informationen kann die Künstliche Intelligenz dann lernen, selbstständig die entsprechende Unterscheidung zu treffen. Bei anderen Anwendungen erfolgt die Klassifizierung von Fotos zum Beispiel nach den abgebildeten Objekten.

Die Simulation von Tsunami-Szenarien

Für Tsunamis und deren Auswirkungen gab es jedoch bisher keine solche Datenbasis, sodass diese als Grundlage für das Training des Modells ausfiel. Stattdessen wurde die Entscheidung gefällt, die Trainings-Daten mittels Simulation zu erzeugen. Für diese Simulationen mussten dann mittels numerischer Verfahren die physikalischen Gleichungen für die Wellenausbreitung in Abhängigkeit von den geometrischen Randbedingungen berechnet werden. Und das geschah auf Fugaku.

Die Basis für die Simulation waren unterschiedliche Szenarien, wie z. B. die verschiedenen Wellenformen auf der Meeresoberfläche, die durch Bewegungen am Meeresboden im Falle eines Erdbebens entstehen. In den Simulationen wurde dann in hoher Auflösung berechnet, wie sich die Wellen Richtung Küste ausbreiten und auch welche Auswirkungen (z. B. Überflutungen) sie beim Auftreffen auf die Küstenlandschaft haben. Das Ergebnis waren etwa 20.000 Datensätze. Diese wurden für das Training des KI-Modells anschließend hinsichtlich der Gefährlichkeit ihrer Auswirkungen klassifiziert. Auch das rechenintensive Training wurde auf Fugaku durchgeführt, dessen Architektur ebenfalls auf solche Berechnungen ausgelegt ist.

Tsunami-Vorhersagen in Echtzeit

Nach dem beendeten Training kann dann die Implementierung des KI-Modells auf Edge Devices erfolgen. Da die Leistungsanforderungen für die Ausführung bei weitem geringer ausfallen als in der Trainingsphase, können hier Standard-PCs eingesetzt werden, die dezentral installiert sind – z. B. entlang der Küste.

Wird dann ein Erdbeben registriert, melden die Sensoren die Stärke und den Ursprung des Bebens. Daraufhin können die Wellenbewegungen an der Meeresoberfläche des betroffenen Gebiets beobachtet und analysiert werden. Die Ergebnisse dieser Echtzeit-Beobachtungen erhält dann die trainierte Künstliche Intelligenz, welche innerhalb von Sekunden die Schlussfolgerung („Inference“) ermittelt und damit eventuelle Tsunami-Überflutungen vorhersagen kann. Auf Basis dieser Erkenntnisse können dann automatisiert Warnungen bzw. Evakuierungen veranlasst werden.

Tsunami-Simulation Oishi

In einem Interview berichtete Yusuke Oishi – der Projektleiter bei Fujitsu Research – übrigens ausführlich über die Motivation und Entwicklung der Anwendung.

Feldversuch in Kawasaki City

Tsunami-Warn-App von Fujitsu

Die App im „Advanced Mode“

Am 12. März 2022 wurde in Kawasaki City zum ersten Mal ein Feldversuch für die Anwendung durchgeführt. Bei diesem Test kam eine spezielle Smartphone-App zum Einsatz, die ebenfalls von Fujitsu entwickelt wurde. Die Teilnehmer*innen wurden von der App über die Höhe der Flutwelle sowie den voraussichtlichen Zeitpunkt des Eintreffens  informiert. Das Ziel der Übung war es auch, die effektivsten Wege zu identifizieren, wie die Technologie lokale Kommunen darin unterstützen kann, Informationen unter den Einwohner*innen zu verbreiten. So soll verhindert werden, dass jemand bei einer Evakuierung versehentlich zurückbleibt.

Besonders wertvolle Informationen bietet der „Advanced Mode“ der App. Während sie im „Simple Mode“ nur Text-Warnungen an die Nutzer*innen im vorhergesagten Überflutungs-Gebiet verschickt, stellt die App im erweiterten Modus in verschiedenen Farben dar, welche Bereiche laut Vorhersage wann von der Überflutung betroffen sind. Ebenso zeigt sie den Aufenthaltsort anderer App-Nutzer*innen an, um ggf. gegenseitige Unterstützung und Kommunikation zu ermöglichen. Auch können Gefahrenmeldungen (z. B. beschädigte Evakuierungs-Routen) geteilt werden.

Mit dem Feldversuch in Kawasaki City wurde die Technologie unter möglichst realistischen Umständen und mit der Einbeziehung von Einwohner*innen getestet. So sollten auch Unsicherheiten wie bei einer tatsächlichen Katastrophe berücksichtigt werden. Das Feedback der Teilnehmer*innen wird von den Projekt-Beteiligten genutzt, um KI-gestützte Methoden für die Katastrophenvorhersage künftig noch effektiver einsetzen zu können.

Fazit

Die hier beschriebene Anwendung, die Simulationen und Künstliche Intelligenz verbindet, zeigt auf beeindruckende Weise, welchen Nutzen ein sehr leistungsstarker Supercomputer für den Schutz im Katastrophenfall leisten kann.

Natürlich spielt in Deutschland die Warnung vor Tsunamis und ihren Auswirkungen eine deutlich kleinere Rolle als sie es in einem Inselstaat wie Japan tut. Doch viele Ergebnisse der damit zusammenhängenden Forschung sind auch hierzulande nutzbar. So können die neu entwickelten Methoden und erlangten Erkenntnisse künftig – im kleineren Maßstab – auch bei relevanten Problemstellungen von Behörden und Unternehmen angewendet werden.

Weitere Informationen zu Fugaku und den Supercomputern von Fujitsu finden Sie in diesem Blog-Beitrag sowie auf unserer Webseite.



Sie möchten schon gehen?

Abonnieren Sie vorher noch schnell unseren Newsletter – so verpassen Sie keinen neuen Beitrag.