國震中心與台大土木合設
AI 研究中心

This seminar introduces the participants to mechanistic computational intelligence tools that can combine training/learning, calibrating, and solving (partial differential equations with unknown parameters) through deep learning-based computations for large-scale scientific and engineering (S&E) problems. The lecture covers the synergy between the interpolation and deep learning theories to increase the accuracy (Hierarchical Deep-learning Neural Network (HiDeNN)); extending the capability of HiDeNN using Convolution (C-HiDeNN); introduction of Tensor Decomposition (TD) to C-HiDeNN for learning and calibration of high dimensional data; and applications of C-HiDeNN in S&E. The advanced topics include kernel-based interpretation of deep neural networks and connection between interpolation and convolution-based methods.

本次第三屆 2022 Careerhack 校園黑客松競賽主題依企業實際面臨挑戰分為三大項目，整合微軟雲端技術，賦予學生進行數據收集與運算、自動化流程與分析，提升技術實力並以實際應用接軌業界，期待透過此次活動，能夠開發下列創新解決方案。

學生團隊展現創意、技術實力結合多方技術工具展現解決方案的完整性與可落地性，在長達兩個月的備賽與兩天競賽時間後，本校學生隊伍「what_is_new」從眾多參賽者中脫穎而出，拿下這次競賽「資料中心綠色運算」組的冠軍獎座。

在大數據的時代全球的資料中心的數量一直在增加，但同時也因為大量的碳排放量導致對環境造成很大的影響。所以這個題目目的在於如何以永續的思維來設計資料中心，並使用AI搭配環境溫度、冷卻系統等降低PUE (Power Usage Effectiveness, 電力使用效率)以達到節電降低探排量的結果。「what_is_new」整合過去機房溫度資料與氣象局的風速、風向、降雨量等資訊，以及使用LSTM (Long Short-Term Memory)模型預測廠房未來的溫度並依此做為改變廠房電力能源使用方式的判斷依據，並藉由MLOps的概念確保溫度的預測模型能夠持續地受到優化，能夠更好的面對當氣候異變時也能做好溫度的預測。

AI中心之「人工智慧於防救災工程之發展與應用」計畫針對災區研發AI災損評估模型，前一階段因應破壞形式隨災害類型、地區建設不同，收集跨地區、災害影像，以訓練綜合災情影像辨識模型。此階段進一步考慮各階段救災任務，採用不同影像資源，如衛星、航照及無人機影像，因此加入台灣山區於莫拉克颱風後，所拍攝之航照影像，以及RescueNet無人機影像。初估所開發的AI模型災情辨識率約在70%左右，後續將以此基礎繼續精進AI模型的準確率與效能，並貼近實務面應用場景。