超大规模的人机合作：通过图像数据库探索仿真集合

摘要 超级计算机容量的爆炸式增长改变了仿真模式。模拟已从少数几个冗长的模拟转变为具有不同初始条件或输入参数的多个模拟集合。因此，仿真集合由大量多维数据组成，可能超越超大规模的界限。然而，存储能力和计算资源之间的增长率差异会导致 I/O 瓶颈。因此，利用传统的后处理和可视化工具来分析如此大规模的仿真集合是不切实际的。原位可视化方法通过在模拟过程中将预先确定的可视化图像保存在图像数据库中来缓解 I/O 限制。然而，由于无法获得输出的原始数据，限制了原位可视化方法进行事后探索的灵活性。为缓解这一限制，已经开展了大量研究，但在同时探索和分析参数与集合空间方面，研究还存在不足。在本文中，我们提出了一种专家在环可视化探索分析方法。该方法利用特征提取、深度学习和人类专家-人工智能协作技术来探索和分析基于图像的集合。我们的方法利用局部特征和深度学习技术来学习集合成员的图像特征。然后将提取的特征与模拟输入参数相结合，并输入可视化管道，利用人类专家+人工智能交互技术进行深入探索和分析。我们利用几个科学模拟集合展示了我们方法的有效性。