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

Immaginate il mondo della scoperta scientifica come una cucina enorme e ad alta posta in gioco. Per decenni, gli chef (scienziati) hanno potuto cucinare solo con piccoli fornelli personali. Potevano preparare una buona zuppa o una torta decente, ma se volevano cuocere mille pagnotte in una volta o simulare i modelli meteorologici di un intero continente, i loro fornelli non erano abbastanza grandi. Entra in scena l'High-Performance Computing (HPC). Pensate all'HPC non come a un singolo super-fornello, ma come a una gigantesca cucina su scala industriale con centinaia di bruciatori che lavorano in perfetta sincronia. Permette ai ricercatori di affrontare problemi "impossibili", dalla progettazione di nuovi medicinali alla previsione del cambiamento climatico.

Tuttavia, non basta avere accesso a questa cucina industriale. È necessario anche sapere come usare i forni complessi e automatizzati, come gestire l'enorme inventario di ingredienti (dati) e come lavorare con un team di altri chef senza dare fuoco al locale. Questa è la formazione nella ricerca computazionale. È il ricettario e l'apprendistato che trasforma un cuoco casalingo in un maestro della cucina industriale. Per molto tempo, questa formazione è stata come un club segreto, accessibile solo nei paesi ricchi che possedono le proprie cucine industriali. Ma cosa succede quando chef brillanti e affamati in altre parti del mondo vogliono imparare, ma non hanno una cucina in cui esercitarsi o un maestro chef che li istruisca? Questa è la domanda che questo articolo esplora.

---

Il Pilota: Una classe di cucina in un mondo senza forni

James Afful e il suo team di collaboratori hanno deciso di testare un nuovo modo per insegnare queste competenze da "cucina industriale" a studenti e ricercatori all'inizio della carriera in Africa. Hanno chiamato il loro esperimento il Center for Computational Research and Education (CCRE). Il loro obiettivo non era dimostrare di poter formare migliai di persone contemporaneamente; volevano invece vedere se un modello specifico, passo dopo passo, potesse funzionare anche quando le risorse sono scarse.

Pensate al loro modello come a un secchio bucherellato progettato per catturare gli studenti più motivati. Per prima cosa, hanno lanciato una rete ampia usando i social media (LinkedIn, WhatsApp, Instagram) per trovare chiunque fosse interessato. Hanno trovato 24 candidati — un buon gruppo di studenti affamati. Ma non si può insegnare a tutti in modo approfondito con risorse limitate, quindi hanno filtrato il gruppo. 12 persone sono state invitate a seguire un corso obbligatorio di "pre-cottura" online. Questo era come un test per vedere chi avesse la pazienza e la connessione internet per seguire una ricetta senza avere un chef accanto a sé.

Solo 6 di quei 12 sono riusciti a completare tutti i moduli richiesti. Questi sei sono diventati il "cohort pilota" finale. Erano un gruppo eterogeneo: soprattutto studenti universitari e ricercatori all'inizio della carriera in campi come l'ingegneria, la fisica e la biologia. Fondamentalmente, cinque su sei non avevano mai toccato un supercomputer prima d'ora. Erano come persone che avevano letto di cucina ma non avevano mai impugnato una spatola.

Il Viaggio: Dalla Teoria alla Realtà

Il programma è stato progettato in fasi, passando dalla teoria alla pratica:

1. La Preparazione: I sei sopravvissuti hanno seguito un corso online di quattro moduli per imparare le basi, come comunicare con un computer usando comandi testuali (Linux) e come organizzare i file.
2. Il Mentoring: Una volta superata la preparazione, sono stati accoppiati con dei mentor. Non si trattava solo di un insegnante che faceva lezione; era una guida che li aiutava a risolvere problemi reali.
3. Il Progetto: La vera magia è avvenuta qui. I sei studenti si sono divisi in due squadre e hanno costruito strumenti reali utilizzando vera potenza di calcolo supercomputerizzata.
   • La Squadra 1 ha costruito un "modello surrogato" per un test di sicurezza di un reattore nucleare. Invece di eseguire una simulazione lenta e costosa ogni volta, hanno addestrato un modello di machine learning per prevedere gli esiti di sicurezza istantaneamente. Hanno persino costruito un sito web interattivo e colorato (usando uno strumento chiamato Streamlit) affinché altri potessero usarlo.
   • La Squadra 2 ha creato uno strumento di IA per individuare tumori cerebrali nelle scansioni MRI. Hanno insegnato a un computer a guardare le immagini e a evidenziare esattamente dove si trovava il tumore, usando una tecnica chiamata Grad-CAM per mostrare il suo "pensiero".

I Risultati: Grandi Speranze, Ostacoli Reali

Alla fine del programma, i ricercatori hanno chiesto ai partecipanti come fosse andata. I risultati sono stati entusiastici. Gli studenti hanno dato al programma un punteggio medio di 4,20 su 5. Ogni singola persona che ha risposto ha dichiarato che lo consiglierebbe sicuramente a un amico. Sentivano di aver appreso competenze pratiche, di essersi connessi con una comunità e di aver acquisito fiducia.

Tuttavia, l'articolo è molto attento a non definire questo un "rimedio miracoloso". Sebbene gli studenti si sentissero bene, i problemi strutturali non sono spariti magicamente.

• Internet: Tre studenti su cinque hanno riferito che la loro connessione internet era instabile, causando la perdita di parti della lezione.
• Le Grandi Barriere: Anche dopo la formazione, gli studenti hanno riferito di non avere accesso ai supercomputer, di non avere esperti locali che facessero da mentor e di non poter permettersi il costo del cloud computing.

L'articolo suggerisce che, sebbene questo programma di formazione sia stato una fantastica "scintilla", non poteva risolvere il problema del "carburante". Si può insegnare a qualcuno come guidare un'auto da corsa in un simulatore, ma se non si ha un'auto, una strada e un meccanico, non si può correre davvero. La formazione ha dato loro le abilità e la fiducia, ma l'infrastruttura (i computer, i mentor, i soldi) è ancora mancante nei loro ambienti locali.

Cosa Significa per il Futuro

Gli autori concludono che non si può semplicemente gestire un workshop isolato e aspettarsi di risolvere il problema. Invece, propongono un quadripartito di pilastri per il futuro:

1. Accesso: Dare alle persone la possibilità di toccare computer reali, non solo di leggerne parlare.
2. Preparazione: Utilizzare lezioni online strutturate per portare tutti allo stesso livello.
3. Pratica Guidata: Mantenere la connessione umana; i mentor sono essenziali per evitare che gli studenti si arrendano.
4. Sostenibilità: Questo è il punto cruciale. Il programma deve costruire una comunità in cui gli ex studenti diventino mentor per i nuovi, e dove università e aziende collaborino per fornire un accesso a lungo termine alla potenza di calcolo.

In breve, questo articolo suggerisce che la ricetta per il successo della ricerca computazionale in Africa non riguarda solo l'insegnamento delle competenze; si tratta di costruire un intero ecosistema dove quelle competenze possano essere effettivamente utilizzate. Il pilota ha dimostrato che la ricetta funziona, ma la cucina deve ancora essere costruita.