Orchestrazione Multi-HPC: Abilita pre-addestramento e fine-tuning su larga scala su uno o più supercomputer utilizzando framework distribuiti specializzati.
Interfaccia Semplificata: Sfrutta livelli di astrazione di alto livello che riducono la necessità di interazione diretta con complessi comandi di scheduling SLURM.
Workflow per la Privacy: Facilita lo sviluppo collaborativo di modelli mantenendo i dati sensibili localizzati alla fonte e aggregando gli insight globali.
Valore Chiave: Accelerare lo sviluppo di modelli su dataset geograficamente distribuiti mantenendo una rigorosa sovranità dei dati e riducendo la complessità infrastrutturale.
Esempi Pratici
Le organizzazioni hanno spesso bisogno di addestrare modelli su dati archiviati in diverse giurisdizioni o centri di calcolo.
Questo servizio facilita, tra le altre attività:
- Addestramento Cross-Center: Adattamento di Large Language Models (LLM) pre-esistenti utilizzando dati distribuiti su più centri di calcolo EuroHPC-JU.
- Setup basato su Template: Utilizzo di template xFFL specializzati, adattati a casi d’uso specifici per distribuire rapidamente workflow federati.
- Analisi Dati “No-Move”: Addestramento di chatbot robusti e specifici per un dominio accedendo direttamente ai repository locali, eliminando costi e rischi di trasferimenti massivi di dati
Case Study: Il servizio supporta un consorzio europeo nell’addestramento di un assistente legale specializzato utilizzando dati ospitati in tre paesi diversi. Distribuendo un template xFFL, si ottiene un’elevata accuratezza del modello senza spostare alcun byte di dati sensibili attraverso i confini nazionali.
