Hub/node-organisering av IT i forskning

Hub/node-organisering av IT-støtte til forskning er en prioritert satsing i Fagråd for eInfrastruktur. Grunnlaget for satsingen ble lagt i rapporten “IT-støtte til forskning ved universitetet i Oslo”, se rapportens omtale av hub/node-organiseringen.

Fagråd for eInfrastruktur utlyste midler til etablering av hub/noder våren 2017, se Midler til kompetanse-hub'er i 2017. I den anledning utarbeidet fagrådet en beskrivelse av Hub/node-organisering ved UiO.

Resultatet av utlysningen ble tildeling av midler til 5 kompetanse-hub’er.

Disse rapporterte framdrift og erfaringer høsten 2018, se fagrådets tilbakemelding på rapportene.

I 2018 tildelte fagrådet midler til ytterligere en kompetanse-hub:

Notatet Hub-node: Evaluering og anbefalinger ble utarbeidet til fagrådets behandling av hub/node-satsinger i 2019.

Dette notatet ble tatt inn som bakgrunnsmateriale i arbeidet med  Masterplan for universitetets IT. I rapporten fra dette arbeidet overlevert universitetsdirektøren 1. april 2019 er hub/node-organisering av IT-støtte til både forskning og utdanning et prioritert tiltak, se rapportens omtale av hub/node-organisert IT-støtte.

Fagrådet lyste ut oppstartsmidler til nye hub/noder i 2019, se utlysningen. Fire nye hub/noder ble tildel midler i den anledning:

Etablerte kompetanse-hub’er for IT i forskning

Fagråd for eInfrastruktur har finansiert etableringen av 6 kompetanse-hub’er for IT i forskning:

3d-visualisering på Virtuell Desktop Infrastruktur

  • Vertsinstitutt: Institutt for geofysikk
  • Faglig ansvarlig: Clint Phillips Conrad
  • Databehandlingsansvarlig: Michael Heeremans
  • Noder:
  • Nettsted:

Formål

Moderne forskning involverer mer og mer digital visualisering i 3D. Slik visualisering krever kostbar maskinvare (e.g. stort internminne (RAM) og spesielle grafikk-kort). Ved hjelp av Virtuell Desktop Infrastruktur (VDI) er det mulig å dele på ressurser på en effektiv måte blant de som har behov å kunne kjøre kompleks 3D-visualisering.

Utenom å redusere kostnadene for hver enkelt forsker eller forskergruppe vil vi:

  • Få mer og bedre ressurser for 3D-visualisering til hver enkelt bruker
  • Unngå datafragmentering og versjonsproblemer ved at vi kan lagre data sentralt og ikke på lokale maskiner. Slik blir kuratering av dataene lettere i etterkant av forskningen. En løsning mot TSD (Tjeneste for Sensitive Data) og HPC er også med i planen.
  • Øke mobiliteten ved at forskere kan arbeide med dataene sine fra forskjellige fysiske steder og fra hvilken som helst maskin så lenge den er koblet til internett.

For ytterligere informasjon, se søknaden.

Geohive

  • Vertsinstitutt: Institutt for geofag
  • Faglig ansvarlig: John F. Burkhart
  • Databehandlingsansvarlig: Simon Filhol
  • Noder:
  • Nettsted: UiO - Hive (eInfrastructure)

Formål

GEOHive will provide a vital and novel competence at the Union of Internet of Things (IoT), Microcontroller/Hardware development, Artifcial Intelligence (AI) and Machine Learning, and Data Science to enhance and strengthen collaboration between domains at the application of the aforementioned technologies and the disciplines with competence to further develop technologies.

The purpose of GEOHive is to establish a central knowledge hub, centered around a community of individuals interested in utilizing IoT technologies, applying AI/ML to solve data challenges, and sharing knowledge across relevant interdisciplinary domains.

Recognizing the early stage of development, at this time we seek initial funding to develop further the competence hub concept and bring it to a more developed level in which we may seek funding from external agencies. Through the LATICE project, we have become increasingly aware of the challenges related to the IoT technologies. Postdoc, Simon Filhol has been instrumental in the development of new sensors working together with colleagues at IFI- NANO. Through this collaboration it has become clear there is a need for tighter collaboration and enhanced exchange of knowledge in these domains.

For ytterligere informasjon, se søknaden.

HumanTimeData

  • Vertsinstitutt: Psykologisk institutt
  • Faglig ansvarlig: Tor Endestad
  • Databehandlingsansvarlig: Tor Endestad
  • Noder:
  • Nettsted: Human Time Data project

Formål

Målet med HumanTimeData er å forbedre UiO-forskeres tilgang på tjenester og verktøy for å forske på menneskelige tidsseriedata. Dette inkluderer kvantitative data som samles inn fra menneskelig bevegelse og fysiologi, slik som fra akselerometre, bevegelsessporingssystemer, blikksporingskameraer, fysiologiske sensorer (GSR, EMG, ECG) og hjernemåling (EGG, MR). Selv om slike data kommer fra forskjellige typer sensorsystemer, og dekker ulike deler av menneskelige signaler, har dataene flere likhetstrekk:

  • De er tidsseriedata med relativt høy tids- og dataoppløsning
  • De tar stor plass og bearbeides i flere steg
  • De krever i mange tilfeller at data flyttes til og analyseres på stormaskiner
  • De fanges gjerne opp med proprietære spesialsystemer som benytter spesialformater som er mer eller mindre dårlig standardisert
  • De krever ofte integrasjon med andre datasett (sensordata, lyd, video, og kvalitative data) for å kunne analyseres
  • De er krevende å lagre på grunn av plasskrav, datakompleksitet, personvern og rettighetsproblematikk

Det er per i dag en rekke miljøer som forholder seg til denne typen data ved UiO, men det er relativt liten felleskompetanse tilgjengelig. Miljøene som bruker slike data har også varierende teknologikompetanse, som ofte resulterer i mange spesialtilpassede ad-hoc- løsninger. Prosjektet har derfor følgende mål:

  • Lage et nettverk av forskere og forskningsstøttepersoner som arbeider med menneskelige tidsseriedata
  • Kartlegge og tilrettelegge eksisterende verktøy og tjenester for bedre å håndtere denne typen data i eksisterende infrastrukturer og servere
  • Utvikle nye verktøy og tjenester der hvor det per i dag er “huller” i tilbudet
  • Utvikle beste-praksis-rutiner for datahåndtering, inkludert så stor grad av åpen tilggjengeliggøring som mulig, og koblinger mot andre relevante prosjekter, slik som eVIR, NORDi, Open Science Cloud, m.m.

For ytterligere informasjon, se søknaden.

Humgis

  • Vertsinstitutt: Kulturhistorisk Museum
  • Faglig ansvarlig: Jan Bill
  • Databehandlingsansvarlig:  Espen Uleberg
  • Noder: 
  • Nettsted: HumGIS

Formål

Formålet med HumGIS er å etablere en einfrastruktur og en verktøykasse som gjør det mulig for forskere innen humaniora å georeferere egne data, slik at de kan foreta kart- baserte, romlige analyser og visualiseringer av sine data. HumGIS gir således forskere enklere tilgang til digitale kart, og gjøre dem i stand til å utnytte mulighetene som ligger i gode GIS-verktøy. Ikke minst muligheten til å hente ut datasett basert på dataenes plassering i rom og tid åpner for helt nye muligheter innen de fleste humanistiske fag.

Digitale kart åpner opp for en rekke analyser og mer dynamisk tilnærming til forståelse av en rekke problemstillinger. Det er en glidende overgang mellom klassiske kartkonvensjoner og dagens karttjenester/applikasjoner med georefererte bilder og 3D terrenginformasjon i kartet. Digitale kart i 2D og 3D kan være generelle grensesnitt til databaser og arkiver med posisjonert aksess via romlige hypertekstlenker. Tidslinjer med ulik granularitet kan synliggjøre dataenes tidsdimensjon. Det bidrar også til at kart på skjerm kan fungere som dynamiske nettsteder med inngang til et vidt spekter dokumentasjon som er lagret og gjort tilgjengelig lokalt og internasjonalt.

Kartbaserte visualiseringer og enkle GIS-verktøy er blitt allemannseie etter at mobiltelefoner fikk GPS, og nettsider viser all mulig type informasjon på oppdaterte kart. Digitale kart er et viktig verktøy for både arkeologi, historieforskning, språkforskning og andre disipliner ved HF.

For ytterligere informasjon, se søknaden.

Videohub

Formål

Et betydelig antall forskere tilknyttet høyst ulike miljøer ved UiO bruker video/kontekstsensitive data i sin forskning. Det er et stort behov for å samle kompetansen for forskere/forskningsmiljøer som bruker video, og etablere et felles nettverk/støtteteam for videoforskning som forvalter kunnskap rundt 1) etikk og regler for personvernhensyn, 2) tilgjengelige lagringsløsninger og infrastrukturer, 3) opptaksløsninger og 4) analysemetoder. Det vil sikre at kunnskap aggregeres og gjøres tilgjengelig på tvers av miljøer og bidra til: a) at UiO blir ledende i infrastrukturstøtte for forskning med bruk av video data/kontekstsensitive data, b) å øke prosjektporteføljen der avansert bruk av denne type data inngår, og c) bidra til utvikling av tverrfaglige kompetanse og kompetansebygging for bruk av video i forskning og utdanning på tvers av fag og miljøer.

ILS har over mange år bygget opp en spesialkompetanse for videoforskning i tett samarbeid med USIT. Oppbygningen har skjedd gjennom finansiering fra ILS, fra tidligere utlysninger av AVIT midler ved UiO, NFR støttede forskningsprosjekter, og nå sist, ved NFR støtte til prosjektet «einfrastructure for VIdeo Research» (eVIR) (nasjonal infrastruktur for videoforskning) over infrastrukturprogrammet.

Erfaringene våre tilsier at forskere fra høyst ulike fagområder har stort sammenfall i behov for tekniske støtte og veiledning når det gjelder: 1) sikker lagring 2) tilgjengeliggjøring/deling av video data 3) taggings-/ indekseringsløsninger 4) opptaks- og utstyrsløsninger og 5) analyseverktøy og programvare. Utforming av datahåndteringsplaner/samtykkeerklæringer/hvordan lagre dataene slik at de fasiliterer gjenbruk og flerbruk og tilgjengelige analyseverktøy/analyseprogrammer er eksempler på hva enkelt-forskere ofte trenger hjelp til.

En videohub basert på koordinert og målrettet samarbeid mellom teknisk og vitenskapelig ekspertise på tvers av fag og fagmiljøer vil gi forskningsmessig nyvinning og metodeutvikling på dette feltet.

For ytterligere informasjon, se søknaden.

Kunstig intelligens (AI), maskinlæring (ML), dyp læring (DL)

  • Vertsinstitutt: Underavdeling for IT i forskning, USIT
  • Faglig ansvarlig:
  • Databehandlingsansvarlig:
  • Noder: 
  • Nettsted: AI hub-node project

Formål

Data-driven science aims at understanding complex phenomena based on huge amounts of data coming from different sources. The understanding involves several steps such as modeling, implementation, validation where particularly the modeling and implementation traditionally is mainly based on human intelligence. Recent advances in computing technology (GPUs, accelerators in general), and particularly the emergence of easy-to-use software frameworks and ready-to-use cloud services enable a shift towards automating these steps. The goals of this project are to provide a common platform and service exploiting AI / ML / DL in such scenarios by:

  • providing necessary HW resources in-house preinstalled with state-of-the-art software stacks targeting researchers and students

  • building up competence in using ready-to-use cloud services from external providers (such as Google Edu, IBM IAI, MS Azure, Amazon Web Services, etc)

  • building up competence in advising researchers and students in the use of AI / ML / DL methods and frameworks running on internal or external resources

By providing a common platform or using external resources we aim at lowering the costs for building and maintaining such infrastructure. By letting stakeholders from different domains - researchers, lecturers, librarians and IT service providers - work closely together we will establish a network of experts which can address support requests in an efficient and effective manner.

For ytterligere informasjon, se søknaden og støttebrev.

Publisert 30. jan. 2018 10:19 - Sist endret 30. sep. 2019 16:33