Optimering af jordskælvsdatastrøm muliggør videnskabelig forskning om The Big One

Ingen kan præcist forudsige, hvornår et jordskælv skal ske. Siden Northridge jordskælvet i 1994 i Los Angeles County, der forårsagede 72 dødsfald, 9.000 kvæstelser og 25 milliarder dollars i skader, har det sydlige Californien ventet spændt på "The Big One":et ødelæggende jordskælv, der er forudsagt til at være mindst 7,8 og 44 gange stærkere. Seismologer kan kun sige, at det kan ske inden for de næste 30 år.

Selvom videnskabsmænd ikke kan forudsige, hvornår og hvor jordskælv vil ramme, er forberedelse nøglen til at forbedre samfundets modstandsdygtighed over for store jordskælv. Det USC-baserede Statewide California Earthquake Center (SCEC) udviklede især CyberShake, en beregningsplatform, der simulerer hundredtusindvis af jordskælv for at beregne regionale seismiske faremodeller.

Resultaterne afslører geografiske områder i det sydlige Californien, der er mest udsat for intense rystelser, og resultaterne har påvirket Los Angeles byggekoder og udformningen af ​​jordskælvsmodellerne hos U.S. Geological Survey, landets største kortlægningsbureau for jord- og geologisk videnskab.

CyberShake-studier - og meget af moderne videnskab, er dog meget data- og computerintensive. Med flertrinsberegninger, der indgår i adskillige indbyrdes forbundne beregningsopgaver, der udføres på lokale og nationale supercomputere for at simulere 600.000 forskellige jordskælv, er CyberShakes videnskabelige arbejdsgang kompleks. USC Viterbis Information Sciences Institute (ISI) rummer værktøjerne til at generere og administrere så massive data.

Ewa Deelman, forskningsprofessor i datalogi og forskningsdirektør ved ISI, har siden 2000 løbende designet og opdateret et automatiseret workflow management system kaldet Pegasus.

Optimerede arbejdsgange

Pegasus – opkaldt efter Planning for Execution and Grids (PEG) og Deelmans kærlighed til heste – forvandler forskningseksperimenter til optimerede arbejdsgange. Det kan bruges af forskere inden for forskellige områder fra seismologi til fysik til bioinformatik på grund af dets abstrakte design.

Deelman sammenligner det med en madlavningsopskrift:"Du kan bruge den samme opskrift i forskellige køkkener. Forskellige brugere kan køre opskriften (workflowet), men med deres eget køkkengrej (beregningsressourcer). Når du designer ting på en bred nok måde, vil de blive bredt anvendelig."

I 2016 brugte forskere fra Laser Interferometer Gravitational-Wave Observatory (LIGO) Pegasus til at fange gravitationsbølger i universet, hvilket bekræftede Albert Einsteins generelle relativitetsteori og opnåede 2017 Nobelprisen i fysik. I løbet af det 16-årige samarbejde mellem ISI-dataloger og LIGO-medlemmer klarede softwaren tusindvis af arbejdsgange med millioner af opgaver.

The Collaborative and Adaptive Sensing of the Atmosphere (CASA), et ingeniørforskningscenter dedikeret til at forbedre forudsigelse og respons på farligt vejr, har også overført sine rørledninger til Pegasus. Da hårdt vejr kan bremse og kompromittere lokale ressourcer og computerkapacitet, sender programmet CASA's data ind i cloud-infrastrukturer for at sikre kontinuerlig arbejdsgang.

Inspireret af dyrs adfærd

CyberShake har stolet på Pegasus i de sidste 15 år, inklusive dets seneste undersøgelse med dets hidtil største sæt af jordskælvssimuleringer. Pegasus administrerede 2,5 petabyte data og kørte 28.120 workflowjob over 108 dage for at producere seismiske farekort på 772.000 node-timer.

"Uden Pegasus er der ingen måde, vi ville være i stand til at udføre denne form for videnskab," sagde Scott Callaghan, en datalog hos SCEC og hovedudvikler på CyberShake. SCEC vil udvide CyberShake til det nordlige Californien, nu ved at bruge den hurtigste supercomputer i verden, Frontier. Pegasus vil fortsat forblive ved deres side.

"Hver gang vi laver en af ​​disse undersøgelser, støder vi altid på uventede udfordringer. Men jeg er overbevist om, at Pegasus-teamet vil være i stand til at hjælpe os med at arbejde igennem dem, så vi kan fortsætte med at få banebrydende videnskab, hvis vi har problemer med arbejdsgangene. færdig," sagde Callaghan.

Deelman udfører nu forskning og konceptualiserer SWARM, et andet workflow management system inspireret af den kyndige koordinering af gruppeadfærd blandt sociale dyr, som myrer. Hun planlægger også at forbedre Pegasus' beslutningstagning med kunstig intelligens og genforestille, hvordan workflow-systemer vil fungere i fremtiden.

Leveret af University of Southern California