ترجمه فارسی مقاله به سوی یک چارچوب عملکرد یکپارچه برای گردش‌های کاری علوم و مدیریت آتش نشانی

چکیده

Reliable performance metrics are necessary prerequisites to building large-scale end-to-end integrated workflows for collaborative scientific research, particularly within context of use-inspired decision making platforms with many concurrent users and when computing real-time and urgent results using large data. This work is a building block for the National Data Platform, which leverages multiple use-cases including the WIFIRE Data and Model Commons for wildfire behavior modeling and the EarthScope Consortium for collaborative geophysical research. This paper presents an artificial intelligence and machine learning (AI/ML) approach to performance assessment and optimization of scientific workflows. An associated early AI/ML framework spanning performance data collection, prediction and optimization is applied to wildfire science applications within the WIFIRE BurnPro3D (BP3D) platform for proactive fire management and mitigation.

چکیده به فارسی (ترجمه ماشینی)

معیارهای عملکرد قابل اعتماد پیش نیازهای لازم برای ساختن گردش کار یکپارچه در مقیاس بزرگ برای تحقیقات علمی مشترک ، به ویژه در زمینه سیستم عامل های تصمیم گیری الهام گرفته از استفاده با بسیاری از کاربران همزمان و هنگام محاسبه نتایج واقعی و فوری با استفاده از داده های بزرگ هستند.این کار یک بلوک ساختمانی برای پلت فرم داده ملی است ، که از چندین مورد استفاده از جمله داده های Wifire و Model Commons برای مدل سازی رفتار آتش سوزی و کنسرسیوم EarthScope برای تحقیقات ژئوفیزیکی مشترک استفاده می کند.در این مقاله یک روش هوش مصنوعی و یادگیری ماشین (AI/ML) برای ارزیابی عملکرد و بهینه سازی گردش کار علمی ارائه شده است.یک چارچوب اولیه AI/ML که شامل جمع آوری داده های عملکرد ، پیش بینی و بهینه سازی است ، برای برنامه های کاربردی علوم آتش سوزی در بستر WiFire BurnPro3D (BP3D) برای مدیریت و کاهش پیشرو استفاده می شود.