Nous présentons un jumeau numérique basé sur l'inversion bayésienne qui utilise l'acoustique
données de pression provenant des capteurs du fond marin, avec couplage acoustique-gravité 3D
équations d'ondes, déduire le mouvement spatio-temporel du fond marin induit par un séisme
en temps réel et prévision de la propagation du tsunami vers les côtes pour une alerte précoce
avec des incertitudes quantifiées. Notre cible est la zone de subduction Cascadia, avec
un milliard de paramètres. Le calcul de la moyenne postérieure seul nécessiterait 50
années sur un 512 Machine GPU. Plutôt, en exploitant l'invariance par décalage du
carte paramètre-observable et conception de nouveaux algorithmes parallèles, nous induisons un
décomposition rapide hors ligne-en ligne. Le composant hors ligne n'en nécessite qu'un
propagation des ondes adjointes par capteur; en utilisant MFEM, nous mettons à l'échelle cette partie du
calcul vers le système El Capitan complet (43,520 GPU) avec 92% parallèle faible
efficacité. De plus, étant donné des données en temps réel, le composant en ligne résout exactement
les problèmes d'inverse bayésien et de prévision dans 0.2 secondes sur un GPU modeste
système, une accélération dix milliards de fois.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: