Helmholtz AI – kooperative KI-Forschung
Auch in der Forschung spielt KI und insbesondere das Maschinelle Lernen (ML) eine zunehmend zentralere Rolle. Dies spiegelt sich in der Auswertung wachsender Datenmengen, in der Überwachung von Prozessen oder als Entscheidungshilfen im Design-Prozess neuer Experimente wider. Deshalb hat die Helmholtz-Gemeinschaft vor zwei Jahren als ein Forschungsprojekt des Helmholtz Inkubators Information & Data Science die Helmholtz Artificial Intelligence Platform Helmholtz AI, ins Leben gerufen. Die übergeordnete Mission der Plattform ist dabei die “Demokratisierung von KI für eine datengetriebene Zukunft” und zielt darauf ab einer möglich breiten Nutzendengruppe KI-Algorithmen und -Ansätze einfach handhabbar und ressourcenschonend zur Verfügung zu stellen.
Die Helmholtz AI Local Units
Die Helmholtz AI Plattform ist nach einem Rad-Speichen-Modell strukturiert, dass die sechs Forschungsfelder der Helmholtz-Gemeinschaft abdeckt. In den letzten Jahren wurde fünf sogenannte Local Units an verschiedenen Helmholtz-Zentren implementiert. Das KIT ist dabei mit seiner Local Unit für den Themenkreis Energieforschung verantwortlich. In diesem Rahmen unterstützt das SCC Forschende mit einer Beratungseinheit bei der Umsetzung von KI-Forschungsvorhaben in der Erkundung neuer Ansätze zur Energieerzeugung, -verteilung und Speicherung. Die Local Units bestehen jeweils aus einer Helmholtz-Nachwuchsforschungsgruppe und einem AI-Consultant-Team, das wiederum anderen Forschungsgruppen mit seiner KI-Expertise zur Seite steht.
Helmholtz AI Consulting am KIT
Am SCC unterstützt das Helmholtz AI Local Energy Consulting-Team Projektideen von Forschenden aus der Helmholtz-Gemeinschaft, die für ihre Forschungen und Entwicklungen KI-Methoden und -Expertise benötigen. Mehr Informationen zum Dienst Helmholtz AI Consultung.
Projekte
Alle Projekte sind über die Seite des Helmholtz AI Consulting-Teams des KIT beschrieben.
| Name | Tel. | |
|---|---|---|
| Dr. Debus, Charlotte | charlotte debus ∂does-not-exist.kit edu | |
| Dr. Götz, Markus | +49 721 608-29334 | markus goetz ∂does-not-exist.kit edu |
Publikationen
2023
Deep learning approaches to building rooftop thermal bridge detection from aerial images
Mayer, Z.; Kahn, J.; Hou, Y.; Götz, M.; Volk, R.; Schultmann, F.
2023. Automation in Construction, 146, Art.-Nr.: 104690. doi:10.1016/j.autcon.2022.104690
Mayer, Z.; Kahn, J.; Hou, Y.; Götz, M.; Volk, R.; Schultmann, F.
2023. Automation in Construction, 146, Art.-Nr.: 104690. doi:10.1016/j.autcon.2022.104690
Precise Energy Consumption Measurements of Heterogeneous Artificial Intelligence Workloads
Caspart, R.; Ziegler, S.; Weyrauch, A.; Obermaier, H.; Raffeiner, S.; Schuhmacher, L. P.; Scholtyssek, J.; Trofimova, D.; Nolden, M.; Reinartz, I.; Isensee, F.; Götz, M.; Debus, C.
2023. High Performance Computing. ISC High Performance 2022 International Workshops – Hamburg, Germany, May 29 – June 2, 2022, Revised Selected Papers. Ed.: H. Anzt, 108–121, Springer International Publishing. doi:10.1007/978-3-031-23220-6_8
Caspart, R.; Ziegler, S.; Weyrauch, A.; Obermaier, H.; Raffeiner, S.; Schuhmacher, L. P.; Scholtyssek, J.; Trofimova, D.; Nolden, M.; Reinartz, I.; Isensee, F.; Götz, M.; Debus, C.
2023. High Performance Computing. ISC High Performance 2022 International Workshops – Hamburg, Germany, May 29 – June 2, 2022, Revised Selected Papers. Ed.: H. Anzt, 108–121, Springer International Publishing. doi:10.1007/978-3-031-23220-6_8
Reporting electricity consumption is essential for sustainable AI
Debus, C.; Piraud, M.; Streit, A.; Theis, F.; Götz, M.
2023. Nature Machine Intelligence, 5 (11), 1176–1178. doi:10.1038/s42256-023-00750-1
Debus, C.; Piraud, M.; Streit, A.; Theis, F.; Götz, M.
2023. Nature Machine Intelligence, 5 (11), 1176–1178. doi:10.1038/s42256-023-00750-1
RNA contact prediction by data efficient deep learning
Taubert, O.; von der Lehr, F.; Bazarova, A.; Faber, C.; Knechtges, P.; Weiel, M.; Debus, C.; Coquelin, D.; Basermann, A.; Streit, A.; Kesselheim, S.; Götz, M.; Schug, A.
2023. Communications Biology, 6 (1), 913. doi:10.1038/s42003-023-05244-9
Taubert, O.; von der Lehr, F.; Bazarova, A.; Faber, C.; Knechtges, P.; Weiel, M.; Debus, C.; Coquelin, D.; Basermann, A.; Streit, A.; Kesselheim, S.; Götz, M.; Schug, A.
2023. Communications Biology, 6 (1), 913. doi:10.1038/s42003-023-05244-9
Massively Parallel Genetic Optimization Through Asynchronous Propagation of Populations
Taubert, O.; Weiel, M.; Coquelin, D.; Farshian, A.; Debus, C.; Schug, A.; Streit, A.; Götz, M.
2023. doi:10.48550/arXiv.2301.08713
Taubert, O.; Weiel, M.; Coquelin, D.; Farshian, A.; Debus, C.; Schug, A.; Streit, A.; Götz, M.
2023. doi:10.48550/arXiv.2301.08713
Massively Parallel Genetic Optimization Through Asynchronous Propagation of Populations
Taubert, O.; Weiel, M.; Coquelin, D.; Farshian, A.; Debus, C.; Schug, A.; Streit, A.; Götz, M.
2023. High Performance Computing – 38th International Conference, ISC High Performance 2023, Hamburg, Germany, May 21–25, 2023, Proceedings. Ed.: A. Bhatele, 106 – 124, Springer Nature Switzerland. doi:10.1007/978-3-031-32041-5_6
Taubert, O.; Weiel, M.; Coquelin, D.; Farshian, A.; Debus, C.; Schug, A.; Streit, A.; Götz, M.
2023. High Performance Computing – 38th International Conference, ISC High Performance 2023, Hamburg, Germany, May 21–25, 2023, Proceedings. Ed.: A. Bhatele, 106 – 124, Springer Nature Switzerland. doi:10.1007/978-3-031-32041-5_6
Thermal Bridges on Building Rooftops
Mayer, Z.; Kahn, J.; Götz, M.; Hou, Y.; Beiersdörfer, T.; Blumenröhr, N.; Volk, R.; Streit, A.; Schultmann, F.
2023. Scientific Data, 10 (1), Art.-Nr.: 268. doi:10.1038/s41597-023-02140-z
Mayer, Z.; Kahn, J.; Götz, M.; Hou, Y.; Beiersdörfer, T.; Blumenröhr, N.; Volk, R.; Streit, A.; Schultmann, F.
2023. Scientific Data, 10 (1), Art.-Nr.: 268. doi:10.1038/s41597-023-02140-z
2022
Hyperspectral (RGB + Thermal) drone images of Karlsruhe, Germany - Raw images for the Thermal Bridges on Building Rooftops (TBBR) dataset
Kahn, J.; Mayer, Z.; Hou, Y.; Beiersdörfer, T.; Götz, M.; Volk, R.
2022, November 25. doi:10.5281/zenodo.7360996
Kahn, J.; Mayer, Z.; Hou, Y.; Beiersdörfer, T.; Götz, M.; Volk, R.
2022, November 25. doi:10.5281/zenodo.7360996
A Computational Workflow for Interdisciplinary Deep Learning Projects utilizing bwHPC Infrastructure
Schilling, M.; Neumann, O.; Scherr, T.; Cui, H.; Popova, A. A.; Levkin, P. A.; Götz, M.; Reischl, M.
2022. Proceedings of the 7th bwHPC Symposium, 69–74, Kommunikations- und Informationszentrum (kiz). doi:10.18725/OPARU-46069
Schilling, M.; Neumann, O.; Scherr, T.; Cui, H.; Popova, A. A.; Levkin, P. A.; Götz, M.; Reischl, M.
2022. Proceedings of the 7th bwHPC Symposium, 69–74, Kommunikations- und Informationszentrum (kiz). doi:10.18725/OPARU-46069
Hyde: The First Open-Source, Python-Based, Gpu-Accelerated Hyperspectral Denoising Package
Coquelin, D.; Rasti, B.; Gotz, M.; Ghamisi, P.; Gloaguen, R.; Streit, A.
2022. 2022 12th Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing (WHISPERS), Rome, Italy, 13-16 September 2022, 1–5, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/WHISPERS56178.2022.9955088
Coquelin, D.; Rasti, B.; Gotz, M.; Ghamisi, P.; Gloaguen, R.; Streit, A.
2022. 2022 12th Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing (WHISPERS), Rome, Italy, 13-16 September 2022, 1–5, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/WHISPERS56178.2022.9955088
Thermal Bridges on Building Rooftops - Hyperspectral (RGB + Thermal + Height) drone images of Karlsruhe, Germany, with thermal bridge annotations
Mayer, Z.; Kahn, J.; Hou, Y.; Beiersdörfer, T.; Götz, M.; Volk, R.
2022, Mai 11. doi:10.5281/zenodo.6517768
Mayer, Z.; Kahn, J.; Hou, Y.; Beiersdörfer, T.; Götz, M.; Volk, R.
2022, Mai 11. doi:10.5281/zenodo.6517768
Accelerating neural network training with distributed asynchronous and selective optimization (DASO)
Coquelin, D.; Debus, C.; Götz, M.; Lehr, F. von der; Kahn, J.; Siggel, M.; Streit, A.
2022. Journal of Big Data, 9 (1), 14. doi:10.1186/s40537-021-00556-1
Coquelin, D.; Debus, C.; Götz, M.; Lehr, F. von der; Kahn, J.; Siggel, M.; Streit, A.
2022. Journal of Big Data, 9 (1), 14. doi:10.1186/s40537-021-00556-1
Prediction of Optimal Solvers for Sparse Linear Systems Using Deep Learning
Funk, Y.; Götz, M.; Anzt, H.
2022. Proceedings of the 2022 SIAM Conference on Parallel Processing for Scientific Computing (PP). Ed.: X. Li, 14–24, Society for Industrial and Applied Mathematics (SIAM). doi:10.1137/1.9781611977141.2
Funk, Y.; Götz, M.; Anzt, H.
2022. Proceedings of the 2022 SIAM Conference on Parallel Processing for Scientific Computing (PP). Ed.: X. Li, 14–24, Society for Industrial and Applied Mathematics (SIAM). doi:10.1137/1.9781611977141.2
2021
A Computational Workflow for Interdisciplinary Deep Learning Projects utilizing bwHPC Infrastructure
Schilling, M. P.; Neumann, O.; Scherr, T.; Cui, H.; Popova, A. A.; Levkin, P. A.; Götz, M.; Reischl, M.
2021, November 8. 7th bwHPC Symposium (2021), Online, 8. November 2021
Schilling, M. P.; Neumann, O.; Scherr, T.; Cui, H.; Popova, A. A.; Levkin, P. A.; Götz, M.; Reischl, M.
2021, November 8. 7th bwHPC Symposium (2021), Online, 8. November 2021
Heat - A Distributed and Accelerated Tensor Framework for Data Analytics and Machine Learning
Comito, C.; Götz, M.; Debus, C.; Coquelin, D.; Tarnawa, M.; Krajsek, K.; Knechtges, P.; Siggel, M.; Hagemeier, B.; Basermann, A.; Streit, A.
2021, Oktober 5. 1st Artificial Intelligence Symposium on Theory, Application & Research (AI STAR 2021), Online, 5.–6. Oktober 2021
Comito, C.; Götz, M.; Debus, C.; Coquelin, D.; Tarnawa, M.; Krajsek, K.; Knechtges, P.; Siggel, M.; Hagemeier, B.; Basermann, A.; Streit, A.
2021, Oktober 5. 1st Artificial Intelligence Symposium on Theory, Application & Research (AI STAR 2021), Online, 5.–6. Oktober 2021
Dynamic particle swarm optimization of biomolecular simulation parameters with flexible objective functions
Weiel, M.; Götz, M.; Klein, A.; Coquelin, D.; Floca, R.; Schug, A.
2021. Nature machine intelligence, 3 (8), 727–734. doi:10.1038/s42256-021-00366-3
Weiel, M.; Götz, M.; Klein, A.; Coquelin, D.; Floca, R.; Schug, A.
2021. Nature machine intelligence, 3 (8), 727–734. doi:10.1038/s42256-021-00366-3
Evolutionary Optimization of Neural Architectures in Remote Sensing Classification Problems
Coquelin, D.; Sedona, R.; Riedel, M.; Götz, M.
2021. 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, 12-16 July 2021, 1587–1590, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/IGARSS47720.2021.9554309
Coquelin, D.; Sedona, R.; Riedel, M.; Götz, M.
2021. 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, 12-16 July 2021, 1587–1590, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/IGARSS47720.2021.9554309
Accelerating Neural Network Training with Distributed Asynchronous and Selective Optimization (DASO)
Coquelin, D.; Debus, C.; Götz, M.; Lehr, F. von der; Kahn, J.; Siggel, M.; Streit, A.
2021. Springer. doi:10.21203/rs.3.rs-832355/v1
Coquelin, D.; Debus, C.; Götz, M.; Lehr, F. von der; Kahn, J.; Siggel, M.; Streit, A.
2021. Springer. doi:10.21203/rs.3.rs-832355/v1
2020
HeAT – a Distributed and GPU-accelerated Tensor Framework for Data Analytics
Götz, M.; Coquelin, D.; Debus, C.; Krajsek, K.; Comito, C.; Knechtges, P.; Hagemeier, B.; Tarnawa, M.; Hanselmann, S.; Siggel, M.; Basermann, A.; Streit, A.
2020. doi:10.5445/IR/1000123473
Götz, M.; Coquelin, D.; Debus, C.; Krajsek, K.; Comito, C.; Knechtges, P.; Hagemeier, B.; Tarnawa, M.; Hanselmann, S.; Siggel, M.; Basermann, A.; Streit, A.
2020. doi:10.5445/IR/1000123473
HeAT - A Distributed and GPU-accelerated Tensor Framework for Data Analytics
Götz, M.; Debus, C.; Coquelin, D.; Krajsek, K.; Comito, C.; Knechtges, P.; Hagemeier, B.; Tarnawa, M.; Hanselmann, S.; Siggel, M.; Basermann, A.; Streit, A.
2020. 2020 IEEE International Conference on Big Data (Big Data): 10-13 December 2020, online, 276–287, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/BigData50022.2020.9378050
Götz, M.; Debus, C.; Coquelin, D.; Krajsek, K.; Comito, C.; Knechtges, P.; Hagemeier, B.; Tarnawa, M.; Hanselmann, S.; Siggel, M.; Basermann, A.; Streit, A.
2020. 2020 IEEE International Conference on Big Data (Big Data): 10-13 December 2020, online, 276–287, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/BigData50022.2020.9378050
Loss Scheduling for Class-Imbalanced Segmentation Problems
Taubert, O.; Götz, M.; Schug, A.; Streit, A.
2020. 19th IEEE International Conference on Machine Learning and Applications (ICMLA), 422–427, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/ICMLA51294.2020.00073
Taubert, O.; Götz, M.; Schug, A.; Streit, A.
2020. 19th IEEE International Conference on Machine Learning and Applications (ICMLA), 422–427, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/ICMLA51294.2020.00073
HeAT – a Distributed and GPU-accelerated TensorFramework for Data Analytics
Götz, M.; Debus, C.; Coquelin, D.; Krajsek, K.; Comito, C.; Knechtges, P.; Hagemeier, B.; Tarnawa, M.; Hanselmann, S.; Siggel, M.; Basermann, A.; Streit, A.
2020. 2020 IEEE International Conference on Big Data (Big Data), 276–287, Institute of Electrical and Electronics Engineers (IEEE)
Götz, M.; Debus, C.; Coquelin, D.; Krajsek, K.; Comito, C.; Knechtges, P.; Hagemeier, B.; Tarnawa, M.; Hanselmann, S.; Siggel, M.; Basermann, A.; Streit, A.
2020. 2020 IEEE International Conference on Big Data (Big Data), 276–287, Institute of Electrical and Electronics Engineers (IEEE)
2019
Machine learning-aided numerical linear Algebra: Convolutional neural networks for the efficient preconditioner generation
Götz, M.; Anzt, H.
2019. Proceedings of ScalA 2018: 9th Workshop on Latest Advances in Scalable Algorithms for Large-Scale Systems, 49–56, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/ScalA.2018.00010
Götz, M.; Anzt, H.
2019. Proceedings of ScalA 2018: 9th Workshop on Latest Advances in Scalable Algorithms for Large-Scale Systems, 49–56, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/ScalA.2018.00010
Remote Sensing Data Analytics with the Udocker Container Tool using Multi-GPU Deep Learning Systems
Cavallaro, G.; Kozlov, V.; Götz, M.; Riedel, M.
2019. Proceedings of 2019 Big Data from Space (BiDS’19). Ed.: S. Pierre, 177–180. doi:10.2760/848593
Cavallaro, G.; Kozlov, V.; Götz, M.; Riedel, M.
2019. Proceedings of 2019 Big Data from Space (BiDS’19). Ed.: S. Pierre, 177–180. doi:10.2760/848593
2018
The Helmholtz Analytics Toolkit (HEAT): A scientific Big Data Library for HPC
Krajsek, K.; Comito, C.; Götz, M.; Hagemeier, B.; Knechtges, P.; Siggel, M.
2018. Proceedings of the Extreme Data Workshop 2018
Krajsek, K.; Comito, C.; Götz, M.; Hagemeier, B.; Knechtges, P.; Siggel, M.
2018. Proceedings of the Extreme Data Workshop 2018
Machine learning-aided numerical linear algebra: Convolutional neural network for the efficient preconditioner generation
Götz, M.; Anzt, H.
2018. ScalA18: 9th Workshop on Latest Advances in Scalable Algorithms for Large-Scale Systems, Dallas, TX, November 12, 2018
Götz, M.; Anzt, H.
2018. ScalA18: 9th Workshop on Latest Advances in Scalable Algorithms for Large-Scale Systems, Dallas, TX, November 12, 2018