Introducing HPC-Enabled Computational Research Training in Africa: A Pilot Study

Stellen Sie sich die Welt der wissenschaftlichen Entdeckungen als eine riesige, hochkarätige Küche vor. Jahrzehntelang konnten Köche (Wissenschaftler) nur mit kleinen, persönlichen Herden kochen. Sie konnten eine gute Suppe oder einen ordentlichen Kuchen backen, aber wenn sie tausend Laibe Brot auf einmal backen oder die Wetterlagen eines ganzen Kontinents simulieren wollten, waren ihre Herde einfach nicht groß genug. Hier kommt das High-Performance Computing (HPC) ins Spiel. Betrachten Sie HPC nicht als einen einzelnen Super-Herd, sondern als eine riesige, industrielle Küche mit hunderten von Herdplatten, die in perfekter Harmonie zusammenarbeiten. Es ermöglicht Forschern, „unmögliche“ Probleme anzugehen, von der Entwicklung neuer Medikamente bis hin zur Vorhersage des Klimawandels.

Doch der bloße Zugang zu dieser industriellen Küche reicht nicht aus. Man muss auch wissen, wie man die komplexen, automatisierten Öfen bedient, wie man den riesigen Bestand an Zutaten (Daten) verwaltet und wie man mit einem Team anderer Köche zusammenarbeitet, ohne die Küche abzufackeln. Dies ist das computational research training (Training in computergestützter Forschung). Es ist das Rezeptbuch und die Lehre, die einen Hobbykoch in einen Meister der industriellen Küche verwandelt. Lange Zeit war diese Ausbildung wie ein exklusiver Club, der hauptsächlich in wohlhabenden Ländern mit ihren eigenen industriellen Küchen verfügbar war. Aber was passiert, wenn brillante, hungrige Köche in anderen Teilen der Welt lernen wollen, aber keine Küche zum Üben haben oder keinen Chefkoch, der sie unterrichtet? Das ist die Frage, die dieses Paper untersucht.

---

Der Pilot: Ein Kochkurs in einer Welt ohne Öfen

James Afful und sein Team von Kooperationspartnern beschlossen, einen neuen Weg zu testen, um diese „industriellen Küchenfertigkeiten“ Studenten und Berufseinsteigern in Afrika beizubringen. Sie nannten ihr Experiment das Center for Computational Research and Education (CCRE). Ihr Ziel war es nicht zu beweisen, dass sie Tausende von Menschen gleichzeitig ausbilden können; stattdessen wollten sie sehen, ob ein spezifisches, schrittweises Modell überhaupt funktionieren kann, wenn die Ressourcen knapp sind.

Stellen Sie sich ihr Modell wie einen undichten Eimer vor, der darauf ausgelegt ist, die motiviertesten Lernenden aufzufangen. Zuerst warfen sie ein weites Netz über soziale Medien (LinkedIn, WhatsApp, Instagram), um jeden Interessierten zu finden. Sie fanden 24 Bewerber – eine gute Menge hungriger Lernender. Aber man kann nicht jeden mit begrenzten Ressourcen tiefgehend unterrichten, also filterten sie die Gruppe. 12 Personen wurden eingeladen, einen obligatorischen „Vorkochkurs“ online zu absolvieren. Dies war wie ein Test, um zu sehen, wer die Geduld und die Internetverbindung hatte, einem Rezept zu folgen, ohne dass ein Chef direkt daneben steht.

Nur 6 jener 12 schafften es, alle erforderlichen Module abzuschließen. Diese sechs wurden die endgültige „Pilotkohorte“. Es war eine vielfältige Gruppe: hauptsächlich Bachelorstudenten und Berufseinsteiger aus Bereichen wie Ingenieurwesen, Physik und Biologie. Entscheidend war: fünf von den sechs hatten noch nie zuvor einen Supercomputer berührt. Sie waren wie Menschen, die über das Kochen gelesen hatten, aber noch nie einen Pfannenwender in der Hand gehalten hatten.

Die Reise: Von der Theorie zur Realität

Das Programm war in Phasen konzipiert, die von der Theorie zur Praxis übergingen:

1. Die Vorbereitung: Die sechs Überlebenden absolvierten einen vierstufigen Onlinekurs, um die Grundlagen zu erlernen, wie zum Beispiel die Kommunikation mit einem Computer über Textbefehle (Linux) und die Organisation von Dateien.
2. Das Mentoring: Nachdem sie die Vorbereitung bestanden hatten, wurden sie mit Mentoren zusammengebracht. Dies war nicht nur ein Lehrer, der einen Vortrag hielt; es war ein Wegweiser, der ihnen half, echte Probleme zu lösen.
3. Das Projekt: Hier geschah die eigentliche Magie. Die sechs Studenten teilten sich in zwei Teams auf und bauten tatsächliche Werkzeuge unter Einsatz echter Supercomputing-Leistung.
   • Team 1 baute ein „Surrogatmodell“ für einen Sicherheitstest eines Kernreaktors. Anstatt jedes Mal eine langsame, teure Simulation durchzuführen, trainierten sie ein Machine-Learning-Modell, um Sicherheitsergebnisse sofort vorherzusagen. Sie bauten sogar eine farbenfrohe, interaktive Website (unter Verwendung eines Tools namens Streamlit), damit andere es nutzen konnten.
   • Team 2 entwickelte ein KI-Tool, um Hirntumore in MRT-Scans zu erkennen. Sie brachten dem Computer bei, Bilder zu analysieren und genau die Stelle hervorzuheben, an der sich der Tumor befand, wobei sie eine Technik namens Grad-CAM nutzten, um sein „Denken“ sichtbar zu machen.

Die Ergebnisse: Große Hoffnungen, reale Hürden

Als das Programm endete, fragten die Forscher die Teilnehmer, wie es gelaufen sei. Die Ergebnisse waren glänzend. Die Studenten bewerteten das Programm mit durchschnittlich 4,20 von 5 Punkten. Jede einzelne Person, die antwortete, gab an, das Programm definitiv einem Freund empfehlen zu würden. Sie hatten das Gefühl, praktische Fähigkeiten erlernt, eine Gemeinschaft gefunden und Selbstvertrauen gewonnen zu haben.

Das Paper ist jedoch sehr vorsichtig damit, dies als „Wundermittel“ zu bezeichnen. Während sich die Studenten großartig fühlten, verschwanden die strukturellen Probleme nicht einfach magisch.

• Das Internet: Drei von fünf Studenten berichteten, dass ihre Internetverbindung instabil war, was dazu führte, dass sie Teile des Unterrichts verpassten.
• Die großen Barrieren: Selbst nach der Ausbildung berichteten die Studenten weiterhin, dass ihnen der Zugang zu Supercomputern fehlte, es an lokalen Experten für das Mentoring mangelte und sie sich die Kosten für Cloud-Computing nicht leisten konnten.

Das Paper legt nahe, dass das Trainingsprogramm zwar ein fantastischer „Funke“ war, aber das „Brennstoffproblem“ nicht lösen konnte. Man kann jemanden zwar in einem Simulator das Fahren eines Rennwagens lehren, aber wenn er kein Auto, keine Straße und keinen Mechaniker hat, kann er auch nicht wirklich Rennen fahren. Das Training vermittelte ihnen die Fähigkeiten und das Vertrauen, aber die Infrastruktur (die Computer, die Mentoren, das Geld) fehlt in ihrem lokalen Umfeld immer noch.

Was dies für die Zukunft bedeutet

Die Autoren kommen zu dem Schluss, dass man nicht einfach einen einmaligen Workshop durchführen kann und dann erwartet, das Problem zu lösen. Stattdessen schlagen sie ein Vier-Säulen-Modell für die Zukunft vor:

1. Zugang: Geben Sie den Menschen die Chance, echte Computer zu berühren, anstatt nur über sie zu lesen.
2. Vorbereitung: Nutzen Sie strukturierte Online-Lektionen, um alle auf den gleichen Stand zu bringen.
3. Geführtes Üben: Bewahren Sie die menschliche Verbindung; Mentoren sind essenziell, damit Lernende nicht aufgeben.
4. Nachhaltigkeit: Dies ist der entscheidende Punkt. Das Programm muss eine Gemeinschaft aufbauen, in der ehemalige Studenten zu Mentoren für neue werden und in der Universitäten und Unternehmen zusammenarbeiten, um langfristigen Zugang zu Rechenleistung zu gewährleisten.

Kurz gesagt: Dieses Paper legt nahe, dass das Rezept für den Erfolg der computergestützten Forschung in Afrika nicht nur darin besteht, die Fähigkeiten zu lehren, sondern ein ganzes Ökosystem aufzubauen, in dem diese Fähigkeiten tatsächlich genutzt werden können. Der Pilot hat bewiesen, dass das Rezept funktioniert, aber die Küche muss noch gebaut werden.