Исследовательский коллектив «Эксперт. Центр аналитики» («Эксперт Северо-Запад») выступил с инициативой проведения Межрегионального Совета Экспертов по теме «Принципы использования вычислительных кластеров как основа глобальной цифровизации в России».

Сформировать работающую архитектуру с использованием унифицированного высокотехнологичного ресурса можно только в системе государственно-частного партнерства, где все стороны процесса — разработчики системы, государственный, производственный, коммерческий сектор и общественность — смогут работать в едином пространстве с распределением реестров мощностей для решения многоплановых задач. Переход к модели использования вычислительных кластеров может быть экономически обоснованным и при правильной организации и государственном регулировании послужить точкой развития экономики России в каждом из отраслевых секторов, а также способствовать формированию межотраслевых моделей на уровне федерации, являющихся источником баланса отраслевой деятельности и усиления кадрового и ресурсного потенциала на уровне регионов.

Одной из важных тем обсуждения стало применение вычислительных кластеров в системе непрерывного профессионального образования кадров промышленного, R&D сектора в рамках концепции устойчивого развития региона и удержании кадров в городах присутствия предприятий. Сегодня в регионах наблюдается отток кадров, внутренняя профессиональная миграция в мегаполисы, а количество рабочих вакансий превышает количество кандидатов, имеющих соответствующее образование. Наибольший риск потери кадров испытывает промышленность, в том числе высокотехнологичное производство. Наращивание кадрового потенциала только за счет сотрудничества с вузами не решает проблему внутренней миграции трудоспособной части населения. Работодатели пытаются удержать молодые кадры и одновременно задержать возрастных работников, которые оказались единственными носителями квалификаций и компетенций в отраслевой практике.

— В сегодняшней дискуссии принимают участие эксперты в области эксплуатации вычислительных кластеров, решения отраслевых задач, представители государственного и промышленного сектора, эксперты в области строительства крупных объектов, здравоохранения и специалисты в построении социальных систем и цифровизации процессов, представители академического корпуса, государственного сектора, эксперты в области цифровой безопасности и R&D корпуса.

— Уважаемые коллеги, рад приветствовать вас на очередном заседании совета экспертов. Сегодня мы говорим о вычислительной мощности суперкомпьютеров и о том, как работа с новыми технологиями может повлиять на развитие бизнеса, проектов и территорий. Переход к модели использования вычислительных кластеров, может быть экономически обоснованным и при правильной организации, четком государственном регулировании послужит точкой развития цифровой экономики России.

Кристина Муравьева: Цель проведения совета экспертов — разобраться в теме цифровизации и получить экспертную оценку ситуации, а также оценить риски и возможности разворачивания системы вычислительных кластеров в стране, как на федеральном уровне, так и на региональном, республиканском, и понять насколько супермощности могут быть использованы для развития отраслей.

Но прежде всего нам предстоит разобраться в основных терминах, что понимается под темой разворачивания системы суперкомпьютеров в России, что такое нейронная сеть, машинное обучение и как применить новые технологии в планировании развития отрасли и повседневной операционной работе.

— Прежде всего это инструменты, которые могут применяться для решения научных задач, бизнеса, государственной власти и управления. А все остальное — это, собственно говоря, детали, применение этих инструментов. Для успешного использования нужны люди, которые могут этим инструментом квалифицированно пользоваться, поставить задачу, решить эту задачу совместно с технической группой и использовать результат в практической деятельности. И, как и в работе с любым инструментом, наверное, кадры и обучение этих кадров является одним из самых больших и сложных вопросов. Тем более если мы говорим с вами про достаточно сложные инструменты, которые совмещают в себе и вопрос использования информационных технологий, и пока нерешаемые задачи из своих собственных предметных областей.

Кристина Муравьева: По сути внедрение вычислительного кластера, о котором мы сегодня будем говорить, может быть основой для совместной работы научного, IT, производственного сектора и государственных служащих, которые отвечают за управленческие решения, ну и плюс, по сути, это возможность применения этих вычислительных мощностей для развития регионов, я правильно понимаю?

Антон Зарубин: В том числе, конечно. Но для того, чтобы эти все планы стали реальностью, необходимо иметь не только сам инструмент, молоток, отвертку, алгоритм их использования, но и того, кто сможет квалифицированно всем этим воспользоваться. Суперкомпьютер — это термин, причем термин очень широкий, под ним можно понимать достаточно различающиеся по своему техническому устройству изделия. Назовем это некий высокопроизводительный вычислитель, наверное, так будет более корректно. То, что касается программного обеспечения, которое этот вычислитель так или иначе должен реализовывать, применять, оно тоже может быть крайне разное. Это не обязательно какие-то программы, использующие алгоритмы искусственных нейронных сетей, это могут быть и совершенно другие программы, алгоритмы которых в состоянии воспользоваться той самой вычислительной мощью для решения тех или иных вычислительных задач.

Если мы с вами имеем аппаратное обеспечение, память, процессоры, накопители информации, то для того, чтобы все это заработало, нам необходимо в том числе достаточно сложное программное обеспечение, которое в себя включает и базовое инфраструктурное программное обеспечение и, собственно говоря, алгоритмическое программное обеспечение, которое позволяет решать те или иные прикладные задачи, необходимые пользователям, заказчикам того самого вычислителя. И все это можно эффективно использовать для развития регионов, привлечения в них инвестиций и развития системообразующих отраслей.

Кристина Муравьева: Вы представляете, как раз тот сектор, который отвечает за научную часть. Но именно практический сектор нуждается в данной работе. Производственник приходит в университет и говорит — у вас есть суперкомпьютер, я бы хотел сделать, решить какую-то задачу. Дальше университетская среда должна услышать его или наоборот предложить ему что-то, что он еще не видел. Я правильно понимаю историю взаимодействия заказчика и образовательной среды сейчас?

Антон Зарубин: На самом деле все может быть очень по-разному. Хорошим примером является событие, которое буквально неделю назад произошло в Севастопольском государственном университете. Был официально открыт вычислительный комплекс, перерезана ленточка у суперкомпьютера, который строился по одной из наших национальных программ и коллеги уже сейчас производят на нем вычисления, которые направлены в первую очередь для решения прикладных задач в области генетических, климатических исследований и других вещей из специфических предметных областей. Чтобы построить такое высокотехническое изделие, необходимо предварительно поставить пул задач и понять — «а что мы вообще собираемся при помощи этого изделия изучать, какие результаты мы хотим с его помощью получить». То есть вы не можете прийти в магазин суперкомпьютеров и купить один из предложенных, а потом подумать, для чего бы вы могли его использовать.

Мы должны реализовывать некий рациональный подход, который предполагает сначала определение перечня тем научных исследований, вычислительных задач, близких к производственной деятельности, закрытия бизнесовых потребностей, и затем под них реализовывать те или иные программно-аппаратные комплексы.

Это что касается практики применения высокопроизводительных вычислительных систем.

Кристина Муравьева: Поговорим о теме подготовки и усиления кадрового потенциала системы устойчивого развития регионов. В регионах есть проблема оттока высоко квалифицированных кадров. Предприятие вкладывает в образование, в решение многоуровневых отраслевых задач, а после остается обескровленным, потому что выросший интеллектуально специалист переезжает по приглашению в более сильные проекты, реализуемые в городах миллионниках. В этой связи важно говорить о проектировании будущего и о кадровом потенциале промышленных системообразующих предприятий в регионе. Я прошу начать комментирование этой темы Милану Джиджоеву, эксперта в области развития кадрового потенциала, управляющего партнера компании «Сотер». Милана, вы очень много работаете с регионами по подбору персонала топ уровня, принимающего управленческие решения, и также закрываете вакансии, которые касаются узкоспециализированных профилей — видите тот самый кадровый потенциал и можете говорить о тенденциях. Что сейчас происходит в данной среде?

— Скорее всего я смогу сформировать сбалансированную точку зрения относительно взаимосвязи суперкомпьютеров и работы с кадровым потенциалом в регионах только к концу дискуссии. Если же говорить про тенденции, которые есть регионах, то до пандемии была некоторая консервация и привязка к регионам, что позволяло каждому региону, предприятию премироваться по-своему. Столичные предприятия более были подвержены какой-то релокации со стороны кадров, а регионы — достаточно статичны. Но ситуация резко изменилась, и сейчас наблюдается обратно пропорциональная миграция среди персонала. Регионы активно начали скупать топ-менеджмент и причем готовы это делать, конкурируя со столичными игроками, даже с надбавкой на релокацию в 20−30% от зарплатного фонда кандидата. Средний бизнес хочет показывать кратный рост и понимает, что его компетенции в рамках региона не так быстро прогрессирует, и он ищет усиления спецами, которые уже зарекомендовали себя в подобных проектах на федеральном уровне.

Гибридный формат работы позволяет вполне комфортно реализовывать очень интересные кейсы, проекты в рамках короткого времени. Поэтому руководители предприятий демонстрируют два вектора направленности усиления кадрового потенциала — существующие столичные пытаются максимально переработать стратегии и уйти в регионы, хантя на месте целые бригады, и второй вектор — завлечь столичных в регионы большими преференциями, где затем включается концепция на удержание. Внедрение вычислительного кластера очень хорошо ложится на обе стратегии.

Кристина Муравьева: Выходит, что кадровый потенциал внутри региона при участии в программах с помощью использования вычислительных сверхмощностей получает возможность реализации в регионе и при этом повышает квалификацию, имея возможность подключиться к работе в передовой комплексной группе из других регионов и стран, решая в процессе актуальные задачи отрасли. Он растет. Удовлетворяет профессиональные амбиции, но не уезжает, в том числе и поскольку погружен в процесс внедрения результатов работы в федеральной группе на практике. Так, специалист может решать отраслевые задачи максимального уровня сложности, расти профессионально и при этом оставаться дома.

Остается вопрос как сделать так, чтобы отраслевики видели возможности создания таких супер кластеров, вузы (в которых эти комплексы уже развернуты), как инструмент и главное, чтобы специалисты на местах могли использовать мощности университетских вычислительных кластеров и экспертизу отраслевых ученых в постановке задач, как элемент для карьерного роста, не уезжая из региона.

Антон Зарубин: Кристина Юрьевна, для решения этой задачи тоже необходим инструмент — разные конференции, мероприятия и дискуссии по теме. Именно на площадках подобной вашей мы можем встретиться для диалога — университетская среда, бизнес и власть — и найти точки соприкосновения.

Для того, чтобы стал возможен рост количества компетентных пользователей суперкомпьютеров: инженеров, ученых, разработчиков программной инженерии для высокопроизводительных вычислений, отраслевых экспертов с соответствующими техническими компетенциями для работы с ПО и оборудованием в единой группе, конечно, необходимо прикладывать своеобразные усилия. Во-первых, выделять эту задачу в отдельно стоящий вопрос, не просто относить к специализации «высокопроизводительные вычисления» для какой-то отдельной области, а сосредотачиваться на отраслевой специфике. Со стороны заказчика должен сидеть специалист в области высокопроизводительных вычислений, который в том числе в состоянии осилить предметную область, в которой он этот инструмент использует.

В противном случае этим будут заниматься избранные, самородки, люди, которые научили сами себя и умеют решать узкоспециальные задачи узко специальным образом, а это всегда штучный товар и большая редкость.

Кристина Муравьева: Милана, вы работаете с разными регионами, какие их них сегодня более развиты с точки зрения информационных технологий и цифры?

Милана Джиджоева: Помимо двух столиц — Татарстан, я бы даже сказала, что во многом, на мой взгляд, опережает Москву и Санкт-Петербург. В лидерах и Самарская область, и Калининград с их IT-кластером. А прекрасный пример лидера в бизнесе — инжиниринговая высокотехнологичная компания Intratool — крупный бизнес, они просто зашли в город со своими технологиями, использовали возможности суперкомпьютера, и полностью региональный кадровый потенциал обучили под свои технологии. Сейчас компания на 100% укомплектована за счет регионального кадрового потенциала.

— Коллеги, добрый день. Почему сегодня там те же самые регионы, государственный сектор не в полной мере могут использовать эти цифровые кластеры? Почему кластеры так разрознены между собой, потому что даже президент говорил о том, что в ближайшее время задача поставить работу по обеспечению взаимосвязи кластеров. И насколько вообще самому региону может быть это полезно или предприятию? Все это насущные вопросы для обсуждения.

Слушая сейчас коллег, я отчетливо понимаю, в основных трендах, перспективах, мы смотрим на одну и ту же гору, но вот почему-то у каждого из нас видимо свои линзы, и мы не видим той общей дороги, по которой можем пойти. Во всем мире тема вычислительных кластеров колосится, принося свои отраслевые и межотраслевые плоды, а мы сейчас находимся, к нашему стыду и сожалению, в позиции догоняющих. Мы либо копируем какие-то best practice, которые уже применялись, либо пытаемся скоропостижно придумать что-то свое, изыскивая при этом в том числе и человеческие ресурсы, которые порядком подистощились. Основная проблема, на мой взгляд, в том, что у нас есть несколько существенных игроков, которые должны осознать важность и неотвратимость цифрового развития для того, чтобы этот проект взлетел и стал позитивен со всех сторон. Это вузы, на базе которых должна развиваться фундаментальная наука, власть, в первую очередь региональная, ответственная за выполнение программ и достижение целей, которые ставит перед собой государство и третий сегмент — бизнес, который должен начать смотреть в будущее и просчитывать варианты развития отрасли. В первую очередь, на мой взгляд, нужно популярно, внятно объяснить людям в регионах, конкретно государственным служащим, что значит цифровизация. Не какими-то техническими терминами, а обычным простым человеческим языком в приложении к их конкретным целям по устойчивому развитию региона. На мой взгляд, суперкомпьютер — это та история, которая может помочь региону, стать обладателем мощного аналитического инструмента для стратегического развития региона и отраслей.

— Много лет я занимаюсь облачной инфраструктурой для высоковольтных вычислений в компании «Атомдата». Под высокопроизводительными вычислениями подразумевается вся совокупность ресурсоемких задач, связанных, например, с моделированием физических и биологических процессов, прогнозированием погоды и многим другим. В частности, объекты атомной энергетики требуют высоко-произвольных вычислений. Считается, что при достижении производительности в 10 экзафлопс становится возможным ощутить полное детальное моделирование всей атомной электростанции. Проектирование реакторов нового поколения ставит задачу масштабного мультифизического моделирования, то есть моделирования в 3d всех связанных процессов, теплогидравлики, радиационного переноса, безопасности, моделирование и поведение структуры материалов. Принципиально новым в этом подходе является применение прямого численного моделирования процессов и свойств материалов, что ведет к значительной экономии средств на последующих этапах проектирования. Этим опытом мы готовы делиться.

Но я хотел бы отойти от энергетики и сказать пару слов о том, почему суперкомпьютеры, большие вычислительные системы, необходимы для технологии машинного обучения. Главный урок, который можно извлечь из многолетних исследований в области систем машинного обучения искусственного интеллекта, заключается в том, что методы и подходы, полагающиеся на большую, доступную вычислительную мощность, в конечном итоге оказываются более эффективными по сравнению с методами, которые полагаются на какое-то предметно ориентированное знание. Например, в 97 году чемпион мира по шахматам Гарри Каспаров впервые в истории проиграл суперкомпьютеру, компьютеру. Этот компьютер использовал парализованный глубокий поиск по всем возможным вариантам игры, то есть метод грубой силы. Исследователи давно пытались создать шахматные компьютеры, еще с 50-х годов, но они тяготели к методам, основанным на человеческом понимании особенностей игры в шахматы. Более результативным же оказался простой метод, основанный на поиске со специальным оборудованием.

Методы машинного обучения все меньше полагаются на человеческие знания, используют все больше вычислительной мощности, еще большие наборы данных для создания более совершенных систем. Оглядываясь назад, можно сказать, что строение системы машинного обучения путем алгоритмизации, если так можно сказать, наших представлений о том, как мы сами подходим к решению задач, зачастую оказывается контрпродуктивным. Это помогает в краткосрочной перспективе, зачастую удовлетворяет исследователя лично, но в долгосрочной перспективе это препятствует прогрессу. А методы же общего назначения, то есть поиск и обучение, хорошо масштабируются с ростом доступной сильной мощности, если смотреть на исторические данные. Даже когда благодаря закону Мура мощность становится очень большой, то это приводит к заключению, что высокопроизводительные вычисления сейчас являются главной движущей силой во всем прогрессе машинного обучения. На самом деле упоминалось, что суперкомпьютер — это что-то наукоемкое, но его применение, применение больших вычислительных систем, оно намного шире на самом деле. Они являются основой практически для всех систем машинного обучения сейчас, потому что задачи решения которых связаны с использованием суперкомпьютеров, были решены с помощью машинного обучения наиболее эффективно, чем с использованием какого-то специфического знания.

Кристина Муравьева: Получается машинное обучение — способ создать то, на что человеческий опыт не всегда способен в силу ограниченности угла мышления и воссоздание алгоритма на фоне отраслевого опыта экспертов — не есть эффективное решение проблемы. Интересная мысль.

Есть 20 показателей эффективности по каждому региону, которые опредметил Путин. Один из важных — цифровизация и объединение высоко интеллектуальных центров, обладающих мощностями суперкомпьютеров, в единую федеральную сеть, с возможностью развития и как раз привлечения бизнеса к этой работе. Для этого нужно не только объединение уже существующих центров, но и создание новых в регионах собственных вычислительных комплексов. Формируется ситуация при которой наверху принимается правильная стратегия, но без необходимых знаний внизу она не возможна к исполнению. Что делать в такой ситуации? Нарабатывать самостоятельный региональный опыт, рискуя головами и бюджетами или идти другим путем?

Полина Каландия: Сейчас ответ очень простой, нужно просто брать и начинать делать. Одновременно постоянно обращаясь к конкретным примерам реализации в других регионах и странах и сопоставлять с целями, к которым хотим прийти на уровне региона и страны. Важно чтобы в каждом регионе был аналитический центр при государственном секторе. Дата-аналитики — это одна из самых востребованных специальностей, и людей с этими компетенциями просто катастрофически не хватает в регионах.

— На вопрос, что делать бизнесу и государству в такой ситуации, можно ответить: научить работать в системе неопределенности с использованием в полной мере мощностей современных суперкомпьютеров. Важно не просто создавать подобные центры, но и трансформировать сознание, отдавая себе отчет, что обратного хода технологий уже не будет. Наша задача научиться жить полноценной жизнью в современных изменившихся условиях. Цифровой мир начинает менять мир реальный, и в пандемию это только усилилось. Меня профессионально учили работать и учить других людей действовать в режиме неопределенности, я военный медик со специализацией подготовки для высокоскоростной авиации (истребители) и затем в космической отрасли — подготовка космонавтов.

Есть фантастическая разница между тем, чему меня учили, и тем, что происходит сейчас. Нет возможности вернуться на базу. То есть такой опции, как вернуться откуда-то, нет. Очень важно — это не научиться пережидать, а научиться жить в тех окружающих условиях, которые существуют и развиваться в ногу с ними. Просто волна коронавируса очень многие вещи ускорила, как катализатор — теперь мы проходим эту область бифуркации человечества просто быстрее. Важно еще понимать, что мы сейчас находимся условно в области неопределенности. Неопределенность возникает тогда, когда скорость жизни существенным образом ускоряется, событийная скорость жизни, и мы просто не успеваем реагировать, то есть воспринимать. Мы в принципе мыслим моделями, создаем модели дня, недели, ситуации, коммуникации, рынка и так далее. И будущего — это некое пространство событийное, которое стоит от нас в пространстве времени, оно пока для нас недоступно, мы можем дотягиваться до него только мысленно, относительно своих ожиданий, но эти ожидания можно отцифровать. То есть мы можем ожиданиями дотягиваться до этого пространства. На вопрос «что делать» ответ прост: то какие мы в настоящем, определяет нелинейная сумма предпосылок или сумма событий, выборов, которые мы совершили в прошлом, а значит нужно принять для региона такую модель использования суперкомпьютеров, в рамках которой можно делать расчеты и развиваться — это определит наши достижения в будущем.

Я очень люблю пример приводить с Королевым. Была лунная программа, гонка, еще ни один аппарат не применялся на Луне, то есть мы первые в космосе. Никто не знал, какой грунт на Луне и какой готовить аппарат к приземлению тоже никто не знал. А главное не готов был взять на себя такой ответственности. Это же не просто гонка отраслей, это гонка философий, идеологий, стран. Королеву принесли две папки с разными техническими заданиями. Одно ТЗ базировалось на гипотезе, что лунный грунт твердый, другое, что грунт мягкий. И он своей рукой поставил визу на одном из ТЗ «считать грунт твердым». Все. Это единственный, наверное, правильный выход существования в режиме неопределенности. Назначить эту определенность. И вся отрасль повернулась в эту сторону и пошла. Вариант кросс-функционального взгляда на проблему и возможность расчетов принципов функционирования новой модели с использованием мощностей суперкомпьютеров позволяет найти какие-то совершенно новые решения, если мы определим, что «грунт твердый», и начнем выстраивать в каждом регионе цифровую систему нового поколения.

Кристина Муравьева: В современных реалиях, чтобы создать новые модели, нужно находиться в сформированном правовом поле. А для создания супермощных вычислительных кластеров не хватает нормативной базы регулирования коммерческой и исследовательской деятельности. Например, одной из проблемных тем остается авторство исследований, которое сейчас закреплено за университетами.

— Такая проблема действительно есть. Если сотрудники университета занимаются исследованиями или проектами, используя вузовское оборудование, то результаты, естественно, все принадлежат университету, если не достигнута иная договоренность между сотрудником, заказчиком и университетом. Конечно, когда сотрудник использует оборудование университета, мощности компьютера и команду преподавателей, естественно, можно рассмотреть вопрос соавторства, но иногда университет все-таки в приоритете ставит себя как основного правообладателя. Соавторство предусматривается, но если свидетельство на разработку или патент получается в процессе проведения исследования на университет, то они становятся нематериальным активом вуза. Университеты заключают договор авторского вознаграждения и выплачивают вознаграждение соавторам. А значит потенциально в любой момент может возникнуть спорная ситуация — кому принадлежат результаты расчета и авторство на решение задачи.

Антон Зарубин: Все эти вещи решаются на договорной основе между университетом и заинтересованными компаниями либо органами государственной власти. Если избежать путаницы между авторством и правами на результаты интеллектуальной деятельности, то все оказывается достаточно просто, как и вся история, связанная с выполнением контрактных или хозрасчетных договорных научно-исследовательских работ. Скорее всего, это больше вопрос к уровню компетенции договорной и юридической службы заказчика и исполнителя исполнительной работы.

Кристина Муравьева: Нельзя говорить о теме суперкомпьютеров, не погружаясь в отраслевую специфику. У нас в гостях представители Крыловского государственного научного центра. Скулябин Михаил и Таранов Андрей. Михаил — начальник отдела управления информационных технологий «Крыловского государственного научного центра» в Санкт-Петербурге. И Таранов Андрей — начальник суперкомпьютерного центра математического моделирования.

—  Нам бы хотелось поделиться практическими кейсами по формированию многоуровневой территориально распределенной системы высокопроизводительных вычислений в области судостроения. Для нас основной вектор — это высокотехнологичная продукция и участие в арктических проектах. Понятно, что основа нашей деятельности — база научных технологических производственных ноу-хау, уникальная экспериментальная база, суперкомпьютерный центр математического моделирования, мы работаем как на отечественном рынке, так и за рубежом.

—  За последнее десятилетие в институте активно развиваются вопросы компьютерного моделирования. Также хочется сказать, что, например, в отношении судостроения и кораблестроения потенциал цифровых двойников в бизнес-процессах только-только начинает раскрываться, и мы тоже достигли на этом пути определенных успехов. Цифровой двойник — очень многогранное понятие и действительно его по-разному воспринимают — это агрегированный набор цифровых моделей, включающих исходные данные с различными наборами моделей разными по характеристикам и свойствам объектов, допустим, автомобиль, корабль и производство. Количество математических компьютерных моделей действительно может быть велико, и каждый из них существует в различных аспектах, их агрегированное состояние — первичный цифровой двойник, который развивается параллельно создаваемым объектам и на определенной фазе эксплуатации. В процессе эксплуатации каждого из объектов и всей системы в целом возникают реальные данные об изменении состояния объектов, которые в текущей парадигме называются цифровая тень. Цифровая тень является той информацией, на основе которой создается единый замкнутый цикл и формируется цифровой двойник.

Кристина Муравьева: Цифровая модель с набором заданных характеристик, изменение которых постоянно фиксируется в реальном времени? Чтобы создавать подобные цифровые двойники необходимо располагать большими вычислительными мощностями и определенной специализацией, позволяющей интерпретировать полученные данные и внедрять решения.

Михаил Скулябин: Да, это примерно так. Сейчас предполагается, что отклонение модели цифрового двойника должно быть не более пяти процентов от характеристик реального объекта, тогда это можно называть цифровым двойником. В судостроении важным понятием является возможность на основе цифровых технологий управлять жизненным циклом объектов морской техники. Чтобы работать на таком уровне — нужен синтез: цифровой научный центр, цифровое конструкторское бюро, цифровая верфь и цифровая эксплуатация. И только тогда цифровой двойник становится информационным объектом, который движется по стадиям своего формирования и является так называемым digital twin реального объекта.

Суперкомпьютер нужен для того, чтобы достаточно быстро решать очень трудоемкую задачу, которая находится в основном в начальных стадиях создания какого-то объекта. Необходимо выполнять огромное количество требований, которые предъявляются к объектам морской техники, это зачастую весьма противоречивые требования, их сложно удовлетворять, есть жесткие ограничения регуляторов, такие как российский морской регистр, которые вразрез идут с оптимизации решений.

Мы понимаем, что цифровые технологии и, в частности, суперкомпьютерные технологии — это, на самом деле, весьма дорогое явление, и лидеры развития по этому направлению для себя в свое время делали выводы, что без господдержки на сугубо коммерческой основе в формате самоокупаемости это не будет существовать. То есть это государственная задача. Также важно создание единой сети супрекомпьютеров и возможность обмена информацией, но эту систему еще только предстоит выстроить. К сожалению, у нас в стране очень медленно формируется долгосрочный государственный механизм развития этих технологий. При этом экономический эффект внедрения суперкомпьютерных технологий — это вклад в снижение себестоимости разработки производства и эксплуатации единицы серийной промышленной продукции. То есть на самом деле эта дорогая технология будет давать вклад, только если мы будем размывать экономические границы между участниками и смотреть экономический эффект от выпуска продукции, подчеркиваю, серийной.

В нашем случае вычислительные мощности распределены иерархическим способом. На уровне предприятий существуют небольшие мощности, есть больше мощности на уровне отрасли и есть межотраслевые мощности. Такая иерархия позволяет снизу-вверх эффективно распределять задачи различной мерности, сложности и решать их. Скажем так, вот это попытка оптимизировать необходимое количество мощностей строящихся, повысить коэффициент их загрузки и таким образом попытаться не строить избыточных мощностей и минимизировать то отставание от тех лидеров, которые не только строят суперкомпьютеры, но и используют их эффективно для решения конкретных задач. Необходимо правильно развивать сеть достаточно мощных суперкомпьютерных центров, чтобы они размещались не только в Москве, но и в Санкт-Петербурге, в Новосибирске, Казани, Владивостоке.

Кристина Муравьева: Так все-таки может ли промышленный сектор сегодня без помощи министерской среды сформировать задачу для усиления, использовать возможности цифровых кластеров?

Михаил Скулябин: Знаете, может. В России, в отличии от западной модели, основы промышленной постановки решений RND-задач реализуется на основе отраслевых цехов, таких, как Курчатовский, Жуковский, Крыловский и так далее. Не многие вузы эффективно решают задачи, при этом можно отметить, что уровень конкуренции достаточно высок, и мы ее начинаем ощущать со стороны наших не столь узко специализированных партнеров, которые, однако, имеют большие мощности и должны их загружать.

Основу деятельности таких отраслевых центров, как наш, составляют научные школы, реализующие десятилетия решения прикладных научно-технических задач по отраслевым направлениям с использованием уникальной стендовой полигонной экспериментальной базы. Что такое суперкомпьютер — это мощное железо, софт, люди, методики и валидационный базис — последний в списке, но не по значению. Валидационный базис — это как раз то, что позволяет проверять те математические модели, те гипотезы, которые строят ученые. Без проверки, без сличения экспериментов с результатами работы вычисления по модели — это лишь гипотеза.

Кристина Муравьева: Выходит, что рынок будет поделен на три сектора в рамках крупных вычислительных кластеров, которые по уму должны друг с другом взаимодействовать. Три возможности развития этой отрасли. Первое — это междисциплинарные крупные государственные центры, мощности которых могут быть использованы для решения разных задач; второе — это узко специализированные центры, подобные Крыловскому, которые обладают определенным набором компетенций и при этом базой, где можно проверить эти вычисления; третье — это междисциплинарные центры с уклоном в отраслевую тематику развития регионов и взаимосвязанных моделей отраслей. Но всех их объединяет проблемное поле: кадры, методика, софт, правильный выбор железа и экспертная валидация результатов.

Михаил Скулябин: Да, все так. Соответственно, для расчетов по отработанной методике, по нашим оценкам, ресурсов нужно до 20 раз меньше, чем если мы эту методику формируем, создаем с нуля, не имея наработок. Методика завязана с программным обеспечением, таким образом программное обеспечение плюс методика — это есть суперкомпьютерная технология, которую необходимо развивать.

Многообразие ПО, которое используется, связано с лицензированием. Это дорогостоящая история, нам приходится сочетать различные продукты для получения эффективного процесса. И мы либо жертвуем неэффективностью процесса, либо начинаем собирать пазл из различного ПО. Различное ПО приводит к достаточно приличным затратам на закупку лицензий и их техническое поддержание, потому что ничто не вечно, оно развивается, эволюционирует.

Использовать одно и то же программное обеспечение для решения задач разных отраслей не всегда возможно. Например, задачи прочности и гидродинамики решаются разными модулями даже в рамках одного вендора. Необходимость импортозамещения железа и ПО — также становится проблемой.

Мы в 12,5 раз отстаем от Америки. Сергей Абрамов, институт программных систем РАН, приводил данные, что к концу двадцатого года уже все страны лидеры построили нормальную иерархическую сбалансированную суперкомпьютерную киберинфраструктуру. В России она отсутствует. И в 19 году в суперкомпьютером сообществе говорили о том, что России надо заново создавать национальную суперкомпьютерную инфраструктуру.

Еще одним проблемным полем развития системы суперкомпютеров в России является тарификация отрасли. Мы сделали некоторую оценку и понимаем, что для расчетных методик, которые в двадцать раз больше требуют мощности, хотелось бы эти ресурсы видеть по цене от 50 до 70 копеек за ядро-час. А для расчетов по готовым методикам это в пределах двух рублей.

Еще одна из проблем, которую нужно решать, — схема сублицензирования. Дело в том, что для использования какой-либо вычислительной мощности, мне нужно туда загрузить вот это ПО. Люди у меня есть, каналы связи мы организовываем, но это ПО должно работать на этих мощностях удаленно. И дальше я утыкаюсь в то, что я нарушаю лицензионное соглашение как предприятие. Либо этими лицензиями программного обеспечения, необходимыми мне, должен обладать этот центр, который является центром коллективного пользования, а это дорого, и приводит к увеличению стоимости его услуг. Либо я нарушаю лицензионное соглашение бизнес-модельной работой. Вот эта проблема, на мой взгляд, одна из принципиальных проблем, которую нужно решать с вендорами программного продукта на самом верхнем уровне. Но с учетом санкций это достаточно сложно.

Я соглашусь полностью с формулировкой, что центров компетенции применения и развития суперкомпьютерных технологий в стране должно становиться все больше. Но компьютерное моделирование далеко не все требует больших вычислительных мощностей, скорее мозгов и важно это понимать.

Кристина Муравьева: Следующий вопрос обратим представителю научной среды, доценту кафедры информационных систем и технологий Высшей школы информационных технологий и автоматизированных систем САФУ имени Ломоносова Березовскому Владимиру Валерьевичу. Подскажите, пожалуйста, научная среда сейчас способна решать разные вопросы, и понятно, что в университетах нет такого уровня специализации, которую мы сейчас видели, но при этом есть возможность работать с разными отраслями. Как часто к вам обращаются бизнес-структуры для того, чтобы что-то рассчитать? Или скорее происходит иначе?

— К сожалению, бизнес-структуры довольно редко обращаются, что им надо что-то просчитать. Бизнес в принципе очень мало затрачивает на R&D, на исследования того, что им впоследствии предстоит делать. Если бы было больше R&D отделов в бизнес-структурах, больше занимались бы исследованиями, соответственно, тогда бы больше были востребованы и университеты, и само проведение вычислений с помощью тех же высокопроизводительных систем. Что касается нас, то у нас довольно широкое взаимодействие с различными региональными производствами с использованием высокопроизводительных вычислений. Если говорить о построении в каждом регионе своей вычислительной инфраструктуры и создании общей сети, я боюсь, что задачи еще не поставлены, и никто не знает, что их действительно надо решать. Сегодня, если не подойти к этому с умом, возможна такая ситуация, что центры будут построены, а решать на них будет нечего. Очень правильно было сказано, что нужно образование. Соответственно, в каждом университете имело бы смысл иметь небольшой суперкомпьютер для того, чтобы можно было обучать людей им пользоваться, понимать, как он работает, какие задачи с его помощью можно решать.

— Целиком поддерживаю всех спикеров, со своей точки зрения все правы. Но сегодня такой момент, когда вычислительные кластеры должны быть не только для узкой какой-то отрасли, они в общем то должны быть для народа. Как Apple, который когда-то сделал компьютер для людей. Направление движения в части создания суперкомпьютеров для народа — это именно то решение, которое будет объединять и наше образование, и разработчиков, и отрасль в целом, а не только служить решению задач отдельных предприятий. Существующие сегодня вычислительные центры — это островки, живущие своей жизнью, и многие даже не знают о существовании друг друга. Важным решением, о котором говорил президент, я вижу именно объединение этих островков логистическими цепочками. Квантовые средства шифрования развиваются очень активно и построить защищенный канал связи — уже не такая большая проблема даже с очень высокой пропускной способностью. РЖД недавно представили квантовый канал связи Петербург-Москва, соответственно, скорости, по которым идет обмен данных, они тоже растут, и в целом отрасль перспективная.

А в регионах нам нужны межотраслевые центры и люди, которые будут прирастать компетенциями. Самая большая проблема — это накопление и систематизация данных, которые будут обрабатывать данные вычислительные кластеры. И делиться этими знаниями нужно. Как без этого развивать отрасль, я не представляю.

Кристина Муравьева: Интересная мысль о создании государственно-частных вычислительных кластеров, которые могли бы популяризировать тему и решать задачи бизнеса любого уровня сложности на местах в регионах. Мы услышали от Крыловского центра развернутый пример в судостроении, но хочется коснуться темы других отраслей. Я передаю слово Древалю Руслану, эксперту в области организации здравоохранения РФ, Москва, директору центра социальной экономики

Руслан, какие проблемы есть в медицинском секторе, что не позволяет использовать мощности суперкомпьютеров и создавать вот такие вот цифровые комплексы по всей России.

— Здравоохранение крайне нуждается во внедрении суперкомпьютеров. Первые шаги в отрасли со стороны государства уже сделаны. Мы с вами являемся свидетелями запуска федерального проекта — создание единого цифрового контура в здравоохранении.

Хочется обратить внимание на некую прикладную часть использования мощностей суперкомпьютеров, нейросетей именно в субъектах Российской Федерации. Одна из проблем, которая может быть решена с внедрением технологии применения суперкомпьютеров, — ранняя диагностика болезней. У нас полный провал ранней диагностики, особенно таких заболеваний, как онкологические, сердечно-сосудистые, когда врачи первичного звена, которые встречаются с больными на ранней стадии, к сожалению, не способны в силу недостаточности знаний и опыта установить точный диагноз. Мы делали в гематологии такое исследование, что каждый второй диагноз, поставленный врачами первичного звена по направлению ревматологии, подлежит изменению, когда пациент попадает в стационар. Вы вдумайтесь, каждый второй диагноз. Построение нейросети и использование возможностей суперкомпьютеров могли бы стать драйвером изменений в системе здравоохранения в регионах — стать помощником, инструментом для врачей первичного звена в постановке диагноза на основе каких-то вводных. Но мы сталкиваемся с огромными проблемами, которые лежат в области как минимум двух направлений — это нормативно-правовое регулирование и финансирование.

Чтобы система заработала, необходимо не только иметь железку под названием суперкомпьютер, но и определенную методику создания программного обеспечения, людей, которые смогут обрабатывать эти данные, и самое главное — необходимо иметь источники данных, которые будут обрабатываться этими компьютерами. А источники данных могут быть разными, но их нужно еще создать. Например, в решении той задачи, которую я обозначил, необходим анализ регистров пациентов, а это база данных, которая содержит все данные о пациенте, методах его лечения, эффективности применения тех или иных лекарственных препаратов, собственно говоря, о тех диагнозах, которые установлены, а есть еще и пересечение разных заболеваний. Это огромный пласт, который способны суперкомпьютеры обработать и выдать результат. Но мы сталкиваемся с отсутствием нормативно-правового регулирования этой отрасли в целом, второе — с проблемой сохранения конфиденциальности данных. Ограничивает нас в этом законодательство, которое не позволяет раскрывать персональные данные пациентов. Вторая история — отсутствие финансирования и грамотных технически подготовленных аналитиков, способных работать на уровне машинного обучения.

Если мы говорим о производственном секторе, то задачей для суперкомпьютеров может стать поиск новых молекул, которая требует достаточно серьезных вычислительных мощностей. Решение таких прикладных задач, к сожалению, пока очень сильно тормозится, хотя поиск новых молекул для создания прорывных лекарств — это огромная экономия денежных средств для государства.

Еще одно поле работы — планирование закупок в регионы: медицинского оборудования, лекарственных препаратов — в одном субъекте лекарства в избытке, в другом субъекте их не хватает. Моделирование и прогнозирование на уровне региона, при условии наличия соответствующей программной базы, позволили бы эффективно прогнозировать эти закупки и обеспечивать межрегиональный обмен в случае внештаной ситуации, типа вспышек короновируса. Но для этого, опять-таки, необходима определенная нормативная база.

Нужно обратить внимание и на вопросы текущей доступности суперкомпьютеров, это территория научно-исследовательских институтов и конечно же, если такие центры будут разрабатываться и появляться в регионах, то мы как минимум сможем удержать высококлассных специалистов, а не видеть, как классный специалист уезжает в Питер, Москву, Татарстан, тем самым обескровливается местная система здравоохранения, и формируется нехватка специалистов в тех или иных субъектах.

И снова вернусь к необходимости формирования реестров — это должна быть полноценная база данных, которая мониторит состояние пациента в течение всей своей жизни с тем или иным заболеванием. Они есть, но локальные, по тем или иным профилям. К сожалению, на федеральном уровне уже много лет идет разговор о создании федеральных регистров по разным нозологиям, и задача, когда необходимо объединить весь огромный массив разрозненных специализированных регистров, — важнейшая работа, но основе которой уже может строиться цифровизация.

Для изменения ситуации с использованием вычислительных мощностей в отрасли нужны люди, финансирование, программное обеспечение, реестры и методики. А этого у нас пока нет.

Внедрение суперкомпьютеров и подключение вычислительных возможностей в отрасли позволит кардинально изменить саму систему здравоохранения. Но увы, мы понимаем, что мы сейчас больше занимаемся тактическими задачами, латанием дыр, чем реализацией стратегии, особенно на региональном уровне. Чтобы вычислять что-то, нужно научиться создавать базы и делать первичные замеры.

— С одной стороны, в здравоохранении колоссальные деньги тратятся на цифровизацию, создание электронной истории болезни, приложений. С другой, на примере маршрутизации пациентов с ковидом мы поняли, что никакие цифровые технологии не реализованы должным образом, созданные системы не обновляются в духе времени, каждая существует сама по себе, не объединенная в общую аналитическую систему. Рассчитать модель, при которой не будет очередей скорых у входа в больницу, не будет в самом лечебном учреждении очередей, можно, но для этого нужна самообучающаяся система, работающая с большим массивом переменных данных. Можно все цифровизовать и оптимизировать.

И еще один момент, которым я занимаюсь более 25 лет — материально-техническое оснащение медицинских учреждений — необходимо создать единую систему, которая позволяла бы дистанционно мониторить состояние оборудования, чтобы не отправлять инженеров в красные зоны. Современное оборудование полностью цифровое, его можно дистанционно мониторить, калибровать, диагностировать и даже какие-то определенные манипуляции проводить удаленно. Это сохранило бы в том числе и человеческие жизни. Но наша инициатива до сих пор не воплощена. Поэтому здравоохранением надо заниматься, цифра в здравоохранении — это очень важно, это наши с вами жизни.

Кристина Муравьева: Когда заходит речь о теме создания баз важна система измерений, используемая в отрасли, и здесь нам необходимо мнение метрологической службы России.

— В отрасли метрологии я более 20 лет и знаю основные тренды развития как своей сферы, так и многих отраслей. Если брать самые большие, глобальные проекты, которые у нас есть в метрологии, — это созданный единый федеральный фонд, оператором которого также является ВНИИМС. Это внушительная база данных, более полмиллиарда записей, и вся аналитика агрегируется в таблицы, а затем расчеты строятся на основе данных. В этой деятельности нам бы точно пригодился суперкомпьютер со своими мощностями.

В целом есть свод правил, где до 2025 года прописана цель трансформировать всю метрологическую деятельность в цифровом направлении. У нас уже реализованы те же самые цифровые двойники, о которых тут говорилось, только мы работаем в более мелких масштабах, не предприятия, корабли и прочее. Наша конечная цель — это измерения, и учет, наша задача — собирать информацию и формировать методику измерений. По большому счету тут задача государства финансировать целую отрасль и обеспечивать вычислительными мощностями, тогда мы сможем дать вектор развития, базы и методики для других отраслей, которые смогут стать основой для развития нейросетей и построения высокотехнологичных систем. Но пока это только будущее.

Кристина Муравьева: Похоже, что без воли государственного сектора на местах и отраслевой инициативы не обойтись. Но все же есть проекты коммерческого назначения, которые реализуются силами самих отраслевиков. О примере реализации цифрового двойника «Порт будущего» нам расскажет его реализатор.

— Приятно с экспертным сообществом поделиться кейсом по обзору работы цифрового двойника, который реализован на базе порта Антверпена. В основе идеи первого цикла — технология виртуальной реальности в управлении морскими портами. Что мы понимаем под цифровым двойником — это, по сути, копия фактических и, в том числе, будущих потенциальных физических активов и процессов на территории порта. И что важно в цифровом двойнике — это связь между физическими активами и данными, которые мы получаем с датчиков, радаров, камер видеонаблюдения, полетов беспилотников и так далее. У нас даже есть имя у цифрового двойника, мы его называем Апика, это означает Antwerp port informations control assistant. Апика — это наш виртуальный ассистент, который помогает работникам порта. Информацию можно просматривать на экране монитора, на смартфоне и даже в шлеме виртуальной реальности, который еще более усиливает погружение. Представьте себе территорию второго по величине в Европе и одного из крупнейших портов мира. Благодаря разработанной системе можно одеть на себя шлем виртуальной реальности, переместиться в любую точку порта, виртуально активировать изображение с камер на данных территориях, получить любые данные. Данных огромное количество: например, навигационные — каждое судно, прибывающее на территорию порта, контролируется, товар, который прибывает на территорию порта, контролируются. Сенсорами оснащены объекты инфраструктуры, шлюзы. Огромное количество данных ежесекундно обновляется. На этой платформе данные обрабатываются, визуализируются, чтобы решения принимались на основе анализа многих факторов и можно было отрабатывать какие-то сценарии. Скажем, если выходит из строя один из шлюзов, как будет перераспределяться в это время трафик, и так далее. Очень все заострено на оптимизацию процессов. Территория порта 12 тысяч гектар, огромная инфраструктура, более тысячи километров железнодорожных путей, более тысячи километров трубопроводов, 7 шлюзов, 24 моста, более 600 камер видеонаблюдения, которые покрывают территорию порта и так далее. Вот представьте себе масштабы, эту инфраструктуру, мы за нее отвечаем, за безопасность операций, которые проходят на территории порта, поэтому здесь очень важно говорить о той цифровой нервной системе, которая создается и интегрируется, и которая получила представление цифрового двойника — виртуальной копии порта.

Концепция разрабатывалась практически два года, проводились интервью со всеми отделами, анализ возможных бизнес-кейсов. В финале реализации на совете директоров была проведена презентация проекта и преактивация функций цифрового двойника, присутствующие смогли открывать и закрывать мосты, шлюзы, отслеживать изменение параметров объектов. Вместе с подрядчиком, который занимался внедрением цифрового двойника, мы составили список, выделили более 90 сценариев, так называемые use cases, расставили приоритетность их решений. Ну, например, речь идет о выявлении аварий на территории порта, обнаружение разливов нефти, мониторинг качества воздуха, мониторинг качества воды, моделирование трафика и расчетного времени прибытия судов, идентификация судов, мониторинг производства и потребления электроэнергии. Действительно, это очень трудоемкий проект, я могу сказать, что у нас не было проблем с построением железа, инфраструктуры и данных у нас просто огромное количество, очень много времени и сил ушло на построение архитектуры самого цифрового двойника и отработки сценариев, чтобы они уже использовались коллегами непосредственно в операционной деятельности.

— Спасибо вам, Светлана, за прекрасный вдохновляющий кейс. Что касается использования высоких мощностей и возможности применения сложных расчетов в строительстве — это одна из самых обсуждаемых сейчас тем. К сожалению, в нашей отрасли пока большинство расчетов делаются по старинке. Мы не вышли на глобальные понятия, стратегические шаги системного развития отрасли, а пока лишь топчемся на тактике и решаем маленькие, локальные задачи. Дефицит ресурсов, в первую очередь трудовых, лишает преемственности и мешает развиваться. Внедрение подобных технологий поможет привлекать региональные высококвалифицированные кадры через участие в совместных вычислительных проектах.

Принимаются различные постановления правительства относительно внедрения BIM-технологий, 3D проектирования, но на практике, к сожалению, это применяется точечно. Здесь мы говорим о гораздо более серьезной задаче — проектировании модели взаимодействия отрасли внутри. Выполнение расчетов, касающихся взаимодействия объектов, и проектирование будущего — межотраслевое взаимодействие.

У нас в Санкт-Петербурге была идея сделать единую геоинформационную модель города, потому что каждый застройщик решает свои локальные задачи, не решая целиком глобальные. Но, как обычно, все упирается в финансы, потому что это дорогостоящее мероприятие. Сами компании не могут построить и содержать такие высокотехнические вычислительные комплексы, которыми могли бы пользоваться компании отрасли, а на уровне государственной инициативы этого в городе пока нет. Обязательно должно быть долгосрочное стратегическое планирование в целом по отрасли — емкая по деньгам, быстроразвивающаяся. Эта отрасль — благодатная почва для проектирования будущего, но без государственной воли системное развитие таких технологий невозможно.

Кристина Муравьева: Подводя итоги сегодняшнего обсуждения, можно сделать несколько системных выводов. Прежде всего тема использования вычислительных мощностей и построения суперкомпьютеров является актуальной. Есть высокотехнологичные центры и университеты, обладающие необходимым оборудованием и академическими кадрами, но для использования технологий в решении реальных отраслевых задач нужна отраслевая экспертиза и подготовленный кадровый состав, который может работать в связке с академическим корпусом. Нет четко проработанной нормативной базы для подобных R&D исследований. Нет единой системы обмена данными и технологиями между вычислительными центрами. При этом ведется огромная научно-практическая деятельность, существующие суперкомпьютеры имеют большую загрузку, и перспективность дальнейшего развития отрасли информационных технологий неоспорима. Для того, чтобы была возможность использовать машинное обучение, создавать и нагружать нейросети, строить масштабные вычислительное комплексы, необходима воля государственного и коммерческого сектора в регионах. Без этой синергии невозможно движение вперед. Создать в России сильную киберсистему возможно только при объединении ресурсов и включении экспертов разных рынков в этот процесс.

Во всем мире идет гонка суперкомпьютеров, и сегодня идти в ногу со временем — это вопрос государственного престижа и национальной безопасности. На 2021 год по производительности суперкомпьютеров на одного исследователя мы в 30−40 раз отстаем от ведущих стран мира. В мировом списке — топ-500 суперкомпьютеров, среди них представлено 212 систем из КНР, 113 из США, 34 из Японии и только две из России — на 40-м и 156-м месте в рейтинге. Нашу страну опережают Бразилия, Саудовская Аравия, Марокко. 4 февраля 2021 года президент России Владимир Путин поручил кабмину представить предложения по увеличению мощности российских суперкомпьютерных центров, установлению порядка взаимодействия центров между собой, а также с научными и образовательными организациями на базе национальной исследовательской компьютерной сети нового поколения, увеличению ее пропускной способности и территориальной доступности. «Вся система должна равномерно распределяться по территории, во всяком случае, на тех территориях возникать, где есть интеллектуальный потенциал», — так определил вектор развития глава государства. Вместе с тем не во всех регионах сегодня есть возможность работы с использованием вычислительных мощностей, и это связано с целым комплексом проблем, включая и слабое погружение в тему ключевых представителей бизнеса, государства и общественности.

Работодатели пытаются удержать молодые кадры и одновременно задержать возрастных сотрудников, которые оказались единственными носителями квалификаций и компетенций в отраслевой практике. Изменить сложившуюся ситуацию с оттоком кадров из регионов (из коммерческого, промышленного или государственного сектора) возможно лишь при предоставлении равных интеллектуальных возможностей жителям провинции и мегаполисов — участии в постановке и выполнении задач для цифровых кластеров, решение которых позволит проектировать будущее развитие отраслей и регионов в целом. Для этого нужны обучение, квалификация, соответствующее оборудование для работы и развития навыков в регионе, а главное — создание работающей модели.

Использование вычислительных кластеров позволяет предоставить всем регионам равные возможности по переквалификации специалистов, усилению кадрового потенциала и формированию единой системы, основанной на технологии «цифровых двойников», применяемых в управлении бизнес-процессами сложными и сверхсложными предприятиями, являющимися системообразующими для регионов. Сформировать работающую архитектуру с использованием унифицированного компьютерного ресурса можно только в системе государственно-частного партнерства, где все стороны процесса — разработчики системы, государственный, производственный, коммерческий сектора, общественность и академический корпус — смогут работать в едином пространстве с распределением реестров мощностей для решения многоплановых задач.

В ходе обсуждения были подняты такие вопросы, как принципы, целесообразность и проблематика внедрения вычислительного кластера как основы для совместной работы научного, R&D, производственного и государственного секторов в области решения отраслевых и межотраслевых задач регионов. Участники совета обсудили вариант формирования системы, при которой промышленный и государственный сектора сегодня без помощи университетской среды смогут формировать задачи для вычислений и использовать возможности цифровых кластеров для решения производственных и кадровых задач региона. Механизмы работы и авторское право на интеллектуальный продукт позволяют руководителям региона создавать собственные вычислительные кластеры, а также обращаться к мощностям уже существующих узловых комплексов, при наличии собственной системы анализа и кадрового потенциала, для постановки задач и интерпретации результатов, исходя из специфики региона.

В ходе обсуждения были представлены примеры применения мощностей вычислительных кластеров в медицине, судостроении, управлении портовой деятельностью, в проектировании и строительстве, решении задач R&D и государственного сектора и целей устойчивого развития регионов.

Рекомендации участников рабочего совещания по обеспечению доступности вычислительных мощностей и формированию вычислительных кластеров в регионах: