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

Imagina el mundo del descubrimiento científico como una cocina masiva de alto riesgo. Durante décadas, los chefs (científicos) solo podían cocinar con estufas pequeñas y personales. Podían hacer una buena sopa o un pastel decente, pero si querían hornear mil hogazas de pan a la vez o simular los patrones climáticos de un continente entero, sus estufas simplemente no eran lo suficientemente grandes. Entra la Computación de Alto Rendimiento (HPC). Piensa en la HPC no como una única superestufa, sino como una cocina gigantesca de escala industrial con cientos de quemadores trabajando en perfecta sincronía. Permite a los investigadores abordar problemas "imposibles", desde el diseño de nuevas medicinas hasta la predicción del cambio climático.

Sin embargo, tener acceso a esta cocina industrial no es suficiente. También necesitas saber cómo usar los hornos complejos y automatizados, cómo gestionar el enorme inventario de ingredientes (datos) y cómo trabajar con un equipo de otros chefs sin quemar el lugar. Esto es la capacitación en investigación computacional. Es el libro de recetas y el aprendizaje que convierte a un cocinero casero en un maestro de la cocina industrial. Durante mucho tiempo, esta capacitación fue como un club secreto, disponible principalmente en países ricos con sus propias cocinas industriales. Pero, ¿qué sucede cuando chefs brillantes y hambrientos en otras partes del mundo quieren aprender, pero no tienen una cocina para practicar o un maestro chef que les enseñe? Esa es la pregunta que este artículo explora.

---

El Piloto: Una clase de cocina en un mundo sin hornos

James Afful y su equipo de colaboradores decidieron probar una nueva forma de enseñar estas habilidades de "cocina industrial" a estudiantes e investigadores al inicio de su carrera en África. Llamaron a su experimento el Centro de Investigación y Educación Computacional (CCRE). Su objetivo no era demostrar que podían entrenar a miles de personas a la vez; en cambio, querían ver si un modelo específico y paso a paso podía funcionar cuando los recursos son escasos.

Piensa en su modelo como un cubo con fugas diseñado para captar a los estudiantes más motivados. Primero, lanzaron una red amplia utilizando redes sociales (LinkedIn, WhatsApp, Instagram) para encontrar a cualquier persona interesada. Encontraron 24 solicitantes, un buen grupo de aprendices hambrientos. Pero no puedes enseñar a todos profundamente con recursos limitados, así que filtraron el grupo. 12 personas fueron invitadas a tomar un curso obligatorio de "pre-cocina" en línea. Esto fue como una prueba para ver quién tenía la paciencia y la conexión a internet para seguir una receta sin tener a un chef parado justo al lado.

Solo 6 de esos 12 lograron completar todos los módulos requeridos. Estos seis conformaron la "cohorte piloto" final. Eran un grupo diverso: principalmente estudiantes de pregrado e investigadores en las etapas iniciales de su carrera de campos como la ingeniería, la física y la biología. Crucialmente, cinco de los seis nunca habían tocado una supercomputadora antes. Eran como personas que habían leído sobre cocina, pero que nunca habían sostenido una espátula.

El Viaje: De la Teoría a la Realidad

El programa fue diseñado en etapas, pasando de la teoría a la práctica:

1. La Preparación: Los seis sobrevivientes tomaron un curso en línea de cuatro módulos para aprender los conceptos básicos, como cómo hablar con una computadora usando comandos de texto (Linux) y cómo organizar archivos.
2. La Mentoría: Una vez que pasaron la preparación, fueron emparejados con mentores. Esto no era solo un profesor dando una lección; era un guía ayudándoles a resolver problemas reales.
3. El Proyecto: La verdadera magia ocurrió aquí. Los seis estudiantes se dividieron en dos equipos y construyeron herramientas reales utilizando poder de supercomputación real.
   • El Equipo 1 construyó un "modelo sustituto" para una prueba de seguridad de un reactor nuclear. En lugar de ejecutar una simulación lenta y costosa cada vez, entrenaron un modelo de aprendizaje automático para predecir resultados de seguridad instantáneamente. Incluso construyeron un sitio web interactivo y colorido (usando una herramienta llamada Streamlit) para que otros pudieran usarlo.
   • El Equipo 2 creó una herramienta de IA para detectar tumores cerebrales en escaneos de RM. Enseñaron a una computadora a mirar imágenes y resaltar exactamente dónde estaba el tumor, utilizando una técnica llamada Grad-CAM para mostrar su "pensamiento".

Los Resultados: Altas Expectativas, Obstáculos Reales

Cuando el programa terminó, los investigadores preguntaron a los participantes cómo fue la experiencia. Los resultados fueron entusiastas. Los estudiantes otorgaron al programa una calificación promedio de 4.20 de 5. Cada una de las personas que respondió afirmó que definitivamente lo recomendaría a un amigo. Sintieron que habían aprendido habilidades prácticas, conectado con una comunidad y ganado confianza.

Sin embargo, el artículo es muy cuidadoso en no llamar a esto un "milagro". Aunque los estudiantes se sentían bien, los problemas estructurales no desaparecieron mágicamente.

• El Internet: Tres de cinco estudiantes informaron que su conexión a internet era inestable, lo que les hizo perder partes de la clase.
• Las Grandes Barreras: Incluso después de la capacitación, los estudiantes reportaron que aún carecían de acceso a supercomputadoras, no tenían expertos locales para asesorarlos y no podían costear el precio de la computación en la nube.

El artículo sugiere que, si bien este programa de capacitación fue una "chispa" fantástica, no pudo arreglar el problema del "combustible". Puedes enseñarle a alguien cómo conducir un auto de carreras en un simulador, pero si no tiene un auto, una carretera o un mecánico, no puede realmente correr. La capacitación les dio las habilidades y la confianza, pero la infraestructura (las computadoras, los mentores, el dinero) aún falta en sus entornos locales.

Lo que esto significa para el futuro

Los autores concluyen que no se puede simplemente realizar un taller de una sola vez y esperar que resuelva el problema. En su lugar, proponen un marco de cuatro pilares para el futuro:

1. Acceso: Dar a las personas la oportunidad de tocar computadoras reales, no solo leer sobre ellas.
2. Preparación: Utilizar lecciones estructuradas en línea para que todos estén en el mismo nivel.
3. Práctica con Mentoría: Mantener la conexión humana; los mentores son esenciales para evitar que los estudiantes se rindan.
4. Sostenibilidad: Este es el punto clave. El programa necesita construir una comunidad donde los antiguos estudiantes se conviertan en mentores para los nuevos, y donde las universidades y las empresas se asocien para proporcionar acceso a largo plazo al poder de cómputo.

En resumen, este artículo sugiere que la receta para el éxito en la investigación computacional en África no es solo enseñar las habilidades; es construir todo un ecosistema donde esas habilidades puedan ser realmente utilizadas. El piloto demostró que la receta funciona, pero la cocina aún necesita ser construida.