Centrum je financováno z Operačního programu Výzkum, vývoj a vzdělání v rámci výzvy Excelentní výzkum ministerstva školství (MŠMT). Založila jej Fakulta elektrotechnická a Fakulta informačních technologií.

Z 580 milionů korun získaných z výzvy MŠMT vybudovalo centrum počítačový klastr v hodnotě 41,6 milionu Kč.

Vědci z RCI budou díky jeho výkonu moci provádět základní výzkum strojového učení, které je klíčové pro umělou inteligenci, a to například pro aplikace v robotice, bioinformatice, vývoji aplikací pro počítačovou bezpečnost nebo řízení autonomních aut. Česko tak bude moci konkurovat i zahraničním univerzitám a centrům.

Zvýšení kvality výzkumu

Cílem centra je zvýšit kvalitu výzkumu na mezinárodní úrovni, posílit spolupráci mezi základním a aplikovaným výzkumem, zvát na českou půdu kvalifikované vědce ze zahraničí a propojovat zkušené vědce s mladými studenty.

„Dnes máme úžasnou příležitost pracovat na společném výzkumném cíli napříč celou univerzitou a posouvat vývoj informatiky na mezinárodní úroveň. Naši experti přinesou hodnotu ve výzkumu strojového učení, umělé inteligence, teoretické informatiky, bioinformatiky, vysoce výkonných výpočtů, velkých dat, kyberbezpečnosti nebo počítačové grafiky," řekl Michal Pěchouček z Katedry počítačů Fakulty elektrotechnické.

Výsledky získá za krátkou dobu

Klastr ověřuje algoritmy vytvořené na osobních počítačích na velkém objemu dat a získá výsledky za velmi krátkou dobu.

„Na každém serveru v počítačovém klastru běží samostatné úlohy, které spolu mohou komunikovat napříč celým klastrem díky vysokorychlostní síti. Výzkumník si může vybrat, zda rozdělí svoji úlohu na sérii menších, které nezávisle na sobě řeší jednotlivé uzly, anebo spustí svoji úlohu na celém klastru najednou a úlohy na jednotlivých uzlech spolupracují," sdělil Daniel Večerka z Katedry kybernetiky ČVUT.

Klastr podle něho pomůže výzkumu metody hlubokého učení strojů pomocí grafických procesorů (GPU).

„Při učení hlubokých sítí je potřeba zpracovat velké množství dat. Čím více máte GPU karet, tím rychleji můžete data zpracovat. V našich serverech jsou GPU karty propojeny velmi rychlou sběrnicí, která umožňuje běh jedné úlohy na několika GPU najednou, a tím výrazné zkrácení doby výpočtu. Navíc lze učit sítě na daleko větších datasetech než na běžných počítačích," doplnil Večerka.