Kategori: Supercomputing

Kategorier
Forskning Interactive HPC Supercomputing UCloud Use-case

Kombinerer AI og satellitdata for at undersøge den øvre atmosfære

For forsker Lotte Ansgaard Thomsen fra Aalborg Universitet har UCloud spillet en central rolle i forskningsprojektet UpperAtmosphere, hvor hun kombinerer kunstig intelligens, satellitdata og fysiske modeller for at få en bedre forståelse af forholdene i den øvre atmosfære.

Mange satellitter opererer i denne del af atmosfæren, hvor forholdene hurtigt kan ændre sig på grund af solaktivitet. Traditionelle fysiske modeller er dog ikke altid i stand til at indfange disse hurtige ændringer præcist. For at imødekomme denne udfordring bruger Lotte AI til at lære mønstre på tværs af forskellige datakilder og forbedre den fysiske model.

Lotte Ansgaard Thomsen er lektor ved Institut for Bæredygtighed og Planlægning på Aalborg Universitet. I sit nuværende forskningsprojekt undersøger hun, hvordan AI kan bruges til at forbedre forståelsen af centrale variable i den øvre atmosfære. Det kan bidrage til mere præcise modeller af det rummiljø, hvor satellitter opererer, og give bedre indsigt i de forhold, der kan påvirke satellitters ydeevne, kommunikationssystemer og rumbaseret infrastruktur.

Kombinerer AI og fysiske modeller

En central del af projektet er at kombinere flere forskellige datakilder. Her bidrager satellitmålinger, data om solaktivitet og data om ionosfæren hver især med vigtig information. Når disse datakilder bruges sammen, kan AI-modellen forbedre den fysiske model betydeligt. Ifølge Lotte er netop denne kombination en af de centrale indsigter i projektet indtil videre:

“En vigtig indsigt er, at det virkelig betyder noget at kombinere forskellige datakilder. Satellitmålinger, solaktivitet og ionosfæriske data bidrager hver især med noget unikt. Når jeg bruger dem sammen med AI oven på den fysiske model, bliver modellen markant forbedret.”

UCloud som primær platform

Lotte har brugt UCloud som den primære platform til det beregningsmæssige arbejde i forskningsprojektet. En stor del af arbejdet handler om at træne AI-modeller, hvilket kræver betydelig regnekraft, fordi datasættene er store, og modellerne skal gennem mange iterationer for at finde den rette arkitektur. UCloud er dog ikke kun blevet brugt til de tunge beregninger i slutningen af processen. Platformen har også understøttet udvikling og test af kode undervejs.

“Det giver mig et godt miljø til at opbygge workflowet, afprøve ting og justere undervejs.”

Lotte bruger også UCloud i et andet forskningsprojekt, hvor store sprogmodeller anvendes til at arbejde med miljødata. På tværs af begge projekter har adgangen til regnekraft været afgørende.

“I begge projekter ville vi simpelthen ikke have kunnet udføre arbejdet uden adgang til denne type regnekraft eller et tilsvarende alternativ.”

Adgang til regnekraft gjorde det muligt at få resultater hurtigere

Da Lotte skiftede fra den private sektor til en forskerstilling på universitetet, var hun bekymret for, om hun ville have adgang til tilstrækkelig regnekraft til sin forskning. Derfor var hun glad for at opdage, at UCloud fandtes.

“Det var virkelig rart at opdage, at UCloud fandtes. Adgangen til den mængde ressourcer har været en stor fordel for projektet.”

Med UCloud kunne Lotte få adgang til den nødvendige regnekraft uden først at skulle søge særskilt finansiering. Det gjorde det muligt at komme hurtigere fra udvikling til resultater.

“Hvis jeg ikke havde haft adgang til UCloud eller en anden gratis service og først skulle søge om funding bare for at få adgang til regnekraft, ville det have været umuligt at få resultater så hurtigt.”

En brugervenlig platform til forskning

Ifølge Lotte er en af de største fordele ved UCloud, at platformen har en brugervenlig opsætning til forsknings- og udviklingsarbejde.

“Først og fremmest er UCloud virkelig velegnet til udviklingsarbejde. Det giver mig et godt miljø til at opbygge og teste mit workflow, og i mit forskningsarbejde har jeg oplevet, at platformen har en meget brugervenlig brugerflade.”

Hun har brugt Visual Studio Code på UCloud, der er en kodeeditor til at skrive, teste og udvikle kode. Det giver hende en opsætning, der minder om den, hun bruger lokalt. Det gør det lettere at skifte mellem lokal udvikling og arbejde i skyen. En anden vigtig fordel har været muligheden for at skalere op og få adgang til mere regnekraft, når der er behov for det.

“Det har været meget nemt at skalere op og få mere regnekraft, når jeg har haft brug for det.”

Hurtig support gør en forskel

For Lotte har supporten omkring UCloud også været en vigtig del af oplevelsen. Når man arbejder med komplekse forskningsprojekter, kan tekniske problemer forsinke forskningsprocessen. Hendes erfaring er, at supportteamet har reageret hurtigt, når der er opstået udfordringer.

“Hvis jeg støder på problemer, hjælper teamet næsten med det samme. Det gør en stor forskel, når man arbejder på komplekse projekter.”

Lotte har fået support fra Aalborg Universitets lokale front office, som hjælper forskere med at komme i gang med UCloud og yder support, når der opstår spørgsmål eller tekniske problemer. Alle danske universiteter har et lokalt front office, hvor forskere kan få support.

Samlet set har UCloud givet Lotte adgang til de regneressourcer, det udviklingsmiljø og den support, der er nødvendig for at arbejde med store datasæt, AI-modeller og komplekse forskningsworkflows.

“Jeg synes samlet set, at UCloud er en virkelig god løsning. Når folk taler om behovet for flere europæiske cloud-alternativer, er det den slags løsning, jeg tænker på.”

Dette arbejde er støttet af DeiC National HPC (g.a. DeiC-KU-L1-291125). Læs mere om DeiC’s calls for resources på HPC-platforme: Grants og funding | DeiC.

Kategorier
Applikation Forskning Interactive HPC Kald Supercomputing UCloud

H1-2027: Nationalt HPC kald åbner 21. juli 2026

Du kan nu ansøge om regnetid på UCloud. DeiC har åbnet anden ansøgningsrunde i 2026 for adgang til Danmarks nationale HPC-faciliteter. Hvis dit forskningsprojekt har brug for ekstra regnekraft på UCloud, er det derfor nu, du skal søge.

Ansøgningsrunden åbner kun to gange om året, så dette er en oplagt mulighed for at søge. Forskere og ph.d.-studerende ved danske universiteter kan ansøge.

Vigtige datoer

  • Kald åbner: 21. juli 2026
  • Kald lukker: 1. september 2026
  • Regnetid tilgængelig: 1. januar 2027

Læs mere og ansøg via DeiC

Kategorier
Forskning Supercomputing UCloud Use-case

Dansk sprogmodelprojekt går ind i ny fase med stærkere national regnekraft

Hvordan sikrer man, at fremtidens kunstige intelligens forstår det danske sprog, danske institutioner og danske samfundsforhold – og samtidig håndterer data under rammer, vi selv har kontrol over?


Det spørgsmål er centralt i forskningsprojektet Danish Foundation Models (DFM), hvor Syddansk Universitet, Aarhus Universitet, Københavns Universitet og Alexandra Instituttet samarbejder om at udvikle åbne danske sprogmodeller. Projektet har været i gang i nogen tid, og forskerne har allerede udgivet de første modeller, etableret benchmarks og sat samarbejder i gang med eksterne partnere. Nu står projektet foran næste fase.

Med ny national supercomputerkapacitet, BITTEN, som åbnede i Sønderborg i Maj, hvor forskningsplatformen UCloud er indgangen, kan tempoet i udviklingen stige markant.

Kultur, normer og samfundsforståelse går tabt

Sprogmodeller er på få år blevet strategisk teknologi. De bruges allerede til tekstproduktion, søgninger, til at assistere med beslutningstagning, automatisering og analyse. Men de mest udbredte modeller er udviklet af globale virksomheder og trænet primært på engelsk eller andre udbredte sprog.

Det giver begrænsninger, når modellerne skal bruges i en dansk virkelighed.

Hvis man kigger ned i detaljerne, er mange internationale modeller faktisk dårlige til dansk. Den måde, de formulerer sig på, minder ofte om engelsk oversat til dansk. Det er ikke sådan, vi taler eller skriver, siger professor Peter Schneider-Kamp fra Syddansk Universitet, der står i spidsen for DFM, fra SDU’s side.

Det gælder ikke kun sproget. Det gælder også kultur, normer og samfundsforståelse.

DFM har blandt andet udviklet danske benchmarks, der tester modeller på dansk kulturviden. Her klarer selv de største internationale modeller sig ofte svagt.

De mangler indsigt i, hvordan Danmark fungerer – i vores litteratur, vores offentlige sektor, vores sundhedsvæsen og vores kulturelle referencerammer, forklarer Schneider-Kamp.

Danmark kan ikke stå udenfor

Udviklingen inden for AI går så hurtigt, at adgang til egne kompetencer og egen infrastruktur bliver stadig vigtigere. Ifølge Schneider-Kamp er det risikabelt at antage, at andre lande fortsat vil levere de tjenester og modeller, Europa har brug for, i al fremtid.

Vi kan ikke bare regne med, at amerikanske eller kinesiske virksomheder stiller de rigtige løsninger til rådighed for os for evigt. Vi er nødt til selv at være med i udviklingen, siger han.

Her handler det ikke om at kopiere Silicon Valley i skala, men om at kunne udvikle målrettede løsninger til danske behov – og gøre det på et gennemsigtigt og ansvarligt grundlag.

Vi vil gerne have modeller, hvor vi ved, hvad de er trænet på, som overholder GDPR og AI-forordningen, og som har styr på dansk sprog, dansk kultur og danske normer, siger han.

UCloud er rygraden

Bag projektet ligger en mindre synlig, men afgørende del af historien: forskningsinfrastrukturen.

DFM udvikles i høj grad ved brugen af UCloud, den nationale platform for interaktiv højtydende computing, udviklet af SDU eScience Center i samarbejde med partnere. Her får forskere adgang til lagerkapacitet, GPU’er, software og samarbejdsværktøjer i ét samlet miljø.

For Peter Schneider-Kamp er UCloud helt central.

UCloud er vores sikre miljø, hvor vi udvikler modeller, træner modeller, lagrer data og evaluerer dem. Det er meget centralt i det, vi laver, siger han.

Sikkerhedsperspektivet er væsentligt. Når forskere arbejder med store datamængder – og i nogle projekter også følsomme data – er det afgørende, at data kan håndteres i et kontrolleret miljø.

Hvis vi får nye datasæt fra for eksempel biblioteker, medier eller andre kilder, kan vi opbevare dem sikkert, arbejde direkte på dem og bevare kontrollen over dataene, siger han.

Alternativet vil ofte være mere tunge og fragmenterede løsninger, hvor data skal flyttes mellem systemer og lande.

Ny national supercomputer BITTEN

Den 5. maj 2026 blev en ny national supercomputer indviet i Sønderborg: BITTEN. Anlægget er etableret af Syddansk Universitet i samarbejde med Danfoss og Hewlett Packard Enterprise (HPE) og er en del af den danske forskningsinfrastruktur inden for kunstig intelligens, avancerede beregninger og datatung forskning.

Supercomputeren stilles til rådighed gennem UCloud, så forskere og studerende på universiteter i hele landet kan få adgang via eksisterende systemer og arbejdsgange.

Samarbejdet forener SDU’s erfaring med forskningsinfrastruktur, Danfoss’ kompetencer inden for energieffektive køle- og varmeløsninger samt HPE’s ekspertise i supercomputing og datacenterteknologi.

Anlægget er samtidig udviklet med fokus på energieffektiv drift og genanvendelse af overskudsvarme.

Kapacitetsmangel bremser forskning

For AI-forskning er adgang til regnekraft ikke et luksusproblem, men en forudsætning.

Tidligere oplevede DFM-gruppen jævnligt flaskehalse, når modeller skulle trænes.

Nogle gange har vi oplevet at vente to, tre, fire eller fem dage på at få fat i en GPU. Imens sidder ph.d.-studerende og postdocs klar med idéer og kode, men bliv bremset af manglende ressourcer, siger Peter Schneider-Kamp.

Det er netop her, den nye kapacitet kan gøre en forskel.

Mere regnekraft betyder hurtigere eksperimenter, større modeller, flere iterationer og kortere vej fra idé til resultat.

Vi håber, det vil give os hurtigere omsætning fra idéer til forskningsresultater og konkrete use cases! Vi glæder os helt vildt til at få adgang til de de langt flere GPU’er, siger han.

Mere end teknologi

DFM handler derfor om mere end software og hardware. Projektet illustrerer, hvordan forskning, digital suverænitet, datasikkerhed og innovation hænger tæt sammen.

Hvis Danmark vil bruge AI i sundhedsvæsenet, den offentlige sektor, uddannelserne og erhvervslivet, kræver det løsninger, man kan forstå, tilpasse og have tillid til.

Med UCloud som arbejdende rygrad og ny national supercomputerkapacitet BITTEN, står Danish Foundation Models nu et sted, hvor arbejdet kan bevæge sig fra lovende opbygning til bredere anvendelse.

Spørgsmålet er ikke længere kun, om Danmark kan udvikle egne sprogmodeller.

Spørgsmålet er, om vi har råd til at lade være.

Læs mere om DFM projektet her

Kategorier
Supercomputing UCloud UCloud driftsstatus

Vellykket flytning af datacenter giver øget GPU-kapacitet og lettere adgang til UCloud

Flytningen af SDU’s datacenter fra universitetets campus i Odense til Danfoss’ faciliteter i Sønderborg er blevet gennemført med succes. Flytningen var resultatet af flere måneders omhyggelig planlægning og tæt koordinering mellem de mange involverede interessenter. Processen var planlagt til at strække sig over én uge og blev gennemført fuldt ud inden for den fastsatte tidsramme.

Mere GPU-kraft, lettere adgang og nye muligheder i UCloud 

Som led i den nye infrastruktur er UCloud blevet opgraderet med nye funktioner og en mere kraftfuld infrastruktur. Opgraderingerne giver brugerne bedre adgang til moderne beregningsressourcer, en mere intuitiv brugeroplevelse og nye muligheder for at arbejde med både applikationer og virtuelle maskiner.

Det nye system er udviklet med henblik på at gøre det lettere at komme i gang, samtidig med at det tilbyder markant øget regnekraft til krævende opgaver inden for kunstig intelligens, maskinlæring, dataanalyse og avancerede HPC workloads. 

Øget GPU-kapacitet 

Den nye UCloud-infrastruktur indebærer en betydelig udvidelse af den tilgængelige GPU-kapacitet. Platformen omfatter nu 128 komplette NVIDIA B200 GPU-kort, hvilket svarer til omtrent en tredobling af kapaciteten sammenlignet med tidligere. Samtidig er de nye B200-kort væsentligt mere kraftfulde end de GPU-kort, de erstatter.

Det betyder, at flere GPU-ressourcer nu er samlet ét sted, hvilket forbedrer den samlede tilgængelighed i systemet og gør det lettere for brugerne at få adgang til den nødvendige regnekraft.

NVIDIA B200 er blandt de mest avancerede GPU-kort på markedet og er udviklet til at understøtte de mest krævende HPC- og AI-workloads. Brugere, der arbejder med store modeller, komplekse beregninger eller dataintensive arbejdsgange, får derfor adgang til mere kraftfuld hardware end tidligere.

Mere omkostningseffektiv adgang til GPU’er med MIG-teknologi 

En af de nye muligheder i UCloud er anvendelsen af Multi-Instance GPUs (MIGs). Med MIG-teknologien opdeles en enkelt GPU i flere mindre, fuldt isolerede GPU-instanser. Det gør det muligt at benytte en del af en GPU i stedet for et helt B200-kort. Én MIG svarer til 1/7 af et fuldt GPU-kort.

Dette betyder, at brugere kan få adgang til GPU-ressourcer til omtrent en syvendedel af prisen for et komplet GPU-kort. For mange arbejdsopgaver udgør dette en attraktiv balance mellem ydelse og omkostninger. Hvis en opgave ikke kræver den fulde kapacitet af en B200-GPU, giver MIG adgang til GPU-accelereret beregning til en væsentligt lavere pris.

Denne løsning kan hjælpe brugerne med at udnytte deres ressourcer mere effektivt. Ved at vælge en MIG-instans frem for en fuld GPU kan en tildeling række over flere beregningstimer, hvilket gør det muligt at gennemføre flere beregningsopgaver inden for det samme budget.

Samtidig bidrager MIG-teknologien til en bedre udnyttelse af den samlede kapacitet. Da flere brugere kan dele ressourcerne på et enkelt GPU-kort, kan flere brugere få adgang til GPU-beregninger samtidig.

En enklere platform med én primær leverandør

Den nye UCloud-platform er også blevet enklere at anvende. Hvor brugerne tidligere skulle vælge mellem flere forskellige leverandører, vil de fleste nu arbejde med én primær leverandør.

Dette skaber en mere overskuelig brugeroplevelse og reducerer behovet for teknisk forhåndsviden. Det bliver lettere at vurdere, hvor workloads skal afvikles, og hvilke ressourcer der er mest hensigtsmæssige at anvende.

Den nye leverandørstruktur betyder desuden, at brugerne arbejder i et sikkert miljø, som er godkendt til håndtering af følsomme data.

For brugerne indebærer dette mindre tid brugt på at forstå den underliggende infrastruktur og mere tid til forskning, analyse og udviklingsarbejde.

Nye muligheder med virtuelle maskiner 

UCloud omfatter nu også nye funktioner til virtuelle maskiner. Disse giver en tættere integration mellem virtuelle maskiner og de øvrige applikationer, der er tilgængelige på platformen.

Det gør det lettere at kombinere arbejdsgange, hvor nogle opgaver afvikles som applikationer, mens andre kræver et virtuelt maskinmiljø. For brugere med behov for større fleksibilitet, specialtilpassede softwaremiljøer, udvidede systemrettigheder eller længerevarende beregningsmiljøer giver de nye virtuelle maskiner flere muligheder for at arbejde i UCloud.

De nye virtuelle maskiner understøtter desuden persistent lagring. Det betyder, at brugerne kan sætte en virtuel maskine på pause og genoptage arbejdet senere uden at miste hverken data eller den eksisterende arbejdsopsætning.

Dette skaber en mere fleksibel arbejdsform, hvor brugerne kan konfigurere et miljø, sætte det på pause, når det ikke er i brug, og fortsætte arbejdet fra samme udgangspunkt på et senere tidspunkt.

Lettere sammenkobling af beregningsopgaver

UCloud introducerer desuden en ny metode til at forbinde beregningsopgaver. Det er nu muligt at etablere lokale netværk mellem forskellige jobs, hvilket gør det lettere for de enkelte dele af en arbejdsgang at kommunikere med hinanden.

Tidligere kunne brugerne være mere afhængige af den rækkefølge, hvori applikationer blev startet. Med den nye funktion til lokal netværksforbindelse kan jobs nu kobles sammen på en mere fleksibel og robust måde.

Hvis du har spørgsmål til den nye datacenterinfrastruktur eller til, hvordan ændringerne påvirker dit arbejde i UCloud, er du velkommen til at kontakte dit lokale front office.

Kategorier
Interactive HPC Supercomputing Vejledning

Video Tutorial: LLM Text Classification

The purpose of this webinar is to demonstrate how to perform automated text classification using pre-trained, open-source large language models (LLMs). The efficiency that This webinar demonstrates how to perform automated text classification using pre-trained, open-source large language models (LLMs). The use case is classification of text according to sentiment, but the general workflow is applicable to many other text classification tasks.

In the webinar, it is demonstrated how to:

    – Retrieve text data from online sources
    – Store and prepare the data for analysis
    – Set up an LLM text classifier
    – Perform the text classification
– Use a web app for human validation of the classification result

Time stamps:

00:00: Introduction and agenda
02:04: Terminology and UCloud workflow outline
08:30: Best practices in web scraping
11:30: Setting up the UCloud workflow
18:30: Scraping and storing the data
27:06: Setting up the the classification pipeline
42:15: Classifying the data and analyzing the results
57:27: Creating a web app for result validation by humans

All scipts used in the webinar can be found here: https://github.com/JHavstein/ucloud-workshop-text-classification-using-LLMs

Sign up for our newsletter and stay updated on future webinars.

Kategorier
Applikation Supercomputing Vejledning Webinarer og vejledninger - video Workshop

Video Tutorial: Learn to Use CVAT for AI-Assisted Labeling

CVAT, Computer Vision Annotation Tool, is an interactive video and image annotation tool, designed to facilitate the annotation of video and image data and accelerate the creation of high-quality datasets for computer vision tasks. CVAT is available on the UCloud platform, in the Application Store.

The webinar will show how to use CVAT on UCloud to:

Label and annotate data with the help of AI and OpenCV tools, including:

  • Use of cvat-cli
  • Run built-in model for detection and auto-annotation
  • Use of GPUS with built in models for faster annotation
  • Adding custom models (e.g. YOLO)

Efficiently manage large visual datasets with MinIO:

  • Allow CVAT to directly pull images from your UCloud MinIO buckets for annotation and export annotated data back, reducing manual imports/exports and ensuring data availability.

Using UCloud allows users to create fully reproducible and secure workflows that leverage high performance computing resources. Those features are often necessary for large dataset and accurate computer vision tasks.

Target audience: Researchers across all Departments, particularly who require high-precision data labeling, AI interested.

Technical Level: Basic to Intermediate

Sign up for our newsletter and stay updated on future webinars.

Kategorier
Forskning Interactive HPC Supercomputing UCloud Use-case

Hvordan UCloud understøttede omfattende forskning i tidsanvendelse, forbrug og socioøkonomiske forskelle 

UCloud spillede en vigtig rolle i Sofia Topcu Madsens forskning ved at gøre det muligt for hende at analysere store mængder tidsanvendelses- og forbrugsdata fra syv lande hurtigere og mere effektivt. På den måde kunne hun få ny indsigt i, hvordan mennesker bruger tid og penge i hverdagen.

Sofia Topcu Madsen er tidligere ph.d.-stipendiat ved Aalborg Universitet, Institut for Bæredygtighed og Planlægning. Som en del af sit ph.d.-projekt, Getting the Data Right, undersøger hun, hvordan mennesker i syv lav- og mellemindkomstlande bruger tid og penge på forskellige hverdagsaktiviteter – og hvordan socioøkonomiske faktorer påvirker, hvad mennesker har mulighed for at gøre.

Projektet omfatter Uganda, Kenya, Tanzania, Indien, Sri Lanka, Argentina og Mongoliet. Med udgangspunkt i omfattende tidsanvendelses- og forbrugsdata analyserer Sofia hverdagsaktiviteter som transport og husholdningsarbejde. Her undersøger hun blandt andet, hvordan tid og penge brugt på forskellige aktiviteter varierer på tværs af socioøkonomiske grupper.

Store datasæt 

Sofias analyser bygger på forskellige typer detaljerede data. Et eksempel er tidsanvendelsesdagbøger, hvor deltagerne registrerer, hvad de laver i løbet af dagen i intervaller på 10 minutter. For nogle lande er datasættene meget store. Alene i det indiske datasæt arbejder Sofia med omkring en halv million observationer.

Det gør beregningsarbejdet krævende. I begyndelsen forsøgte Sofia at køre analyserne på sin egen computer, men datasættene var for store, og analyserne tog for lang tid. 

“På min egen computer kunne analyserne tage flere dage at køre. Med UCloud blev det meget hurtigere og mere overskueligt,” forklarer Sofia.

UCloud gav hende adgang til mere computerkraft, hvilket gjorde det muligt at køre store analyser mere effektivt og gentage dem, når der var behov for rettelser eller justeringer. Det blev vigtigt gennem hele projektet, da selv små ændringer i dataopsætningen eller modelspecifikationen kunne kræve, at analyserne blev kørt igen.

“UCloud har været en kæmpe hjælp. Jeg tror ikke, jeg ville have kunnet gennemføre denne del af projektet på samme måde uden adgang til det,” siger Sofia.

Brug af Stata og R på UCloud 

Til analyserne brugte Sofia Stata og R på UCloud. Stata og R er værktøjer, som forskere bruger til at arbejde med data og udføre statistiske analyser. 

I Sofias projekt blev værktøjerne brugt til at køre regressionsanalyser, hvor hun undersøger, hvordan forskellige faktorer kan hænge sammen – for eksempel hvordan uddannelse, indkomst eller køn kan være relateret til, hvor meget tid og hvor mange penge mennesker bruger på transport, husholdningsarbejde eller andre hverdagsaktiviteter. 

Hun brugte SUR-metoder, som gør det muligt at køre flere relaterede analyser på samme tid. Det var relevant, fordi projektet undersøger aktiviteter på tværs af et helt døgn, hvor tid brugt på én aktivitet kan hænge sammen med tid brugt på en anden. På samme måde betyder penge brugt på produkter, der understøtter én aktivitet, at der er færre penge til andre produkter. 

At køre flere analyser samtidigt på store datasæt kræver meget computerkraft og ville have været meget tidskrævende på en almindelig computer. Ved at bruge UCloud kunne Sofia køre analyserne hurtigere og mere effektivt, hvilket sparede hende for meget tid. 

Bidrag til forskning i bæredygtig udvikling  

Sofias forskning knytter sig til FN’s verdensmål ved at undersøge, hvordan hverdagsaktiviteter kan bruges som indikatorer for bredere sociale og økonomiske forhold. 

Hvordan mennesker bruger deres tid, kan fortælle os noget vigtigt om hverdagsliv, ulighed og muligheder. For eksempel kan et samlet perspektiv på tid og penge brugt på transport, husholdningsarbejde eller fritid vise, hvordan ressourcer, ansvar og muligheder er fordelt på tværs af forskellige befolkningsgrupper. 

“Tid kan også forstås som en ressource. Når vi ser på, hvordan mennesker bruger deres tid, får vi en anden måde at forstå fattigdom, ulighed og bæredygtig udvikling på,” forklarer Sofia. 

En brugervenlig platform  

Sofia beskriver UCloud som en platform, der er nem at tilgå og anvende, særligt da arbejdsgangen først var på plads. Hun fremhæver også supporten som en vigtig del af oplevelsen. 

“Supporten har været meget effektiv. Jeg har fået hurtige svar på mine spørgsmål, og det har været en stor hjælp,” siger hun. 

Sofia fik support fra Aalborg Universitets lokale Front Office. Hvert dansk universitet har sit eget Front Office, hvor forskere kan få hjælp til adgang, brug og spørgsmål relateret til UCloud. 

Vil bruge UCloud igen  


Sofia er i dag ansat ved Københavns Universitet, Institut for Fødevare- og Ressourceøkonomi, og hun kan se sig selv bruge UCloud igen i fremtidige forskningsprojekter. 

“Jeg ville helt klart bruge UCloud igen,” siger hun. 

Fordi UCloud er tilgængelig for forskere tilknyttet danske universiteter, kan Sofia også fortsætte med at bruge platformen i fremtidige forskningsprojekter ved Københavns Universitet. 

Kategorier
Forskning Interactive HPC Supercomputing

Ny national supercomputerkapacitet tilgængelig via UCloud 

Et nyindviet supercomputeranlæg udvider adgangen til avancerede beregningsressourcer for forskere og studerende i hele Danmark via UCloud.

Et nyt supercomputeranlæg er blevet indviet på Alsion i Sønderborg og markerer en vigtig udvidelse af Danmarks digitale forskningsinfrastruktur. Systemet, der har fået navnet Bitten, skal understøtte forskning og undervisning inden for blandt andet kunstig intelligens, dataanalyse og avancerede beregninger – og bliver tilgængeligt for brugere over hele landet gennem UCloud.

Ved at tilbyde adgang via UCloud bliver systemet tilgængeligt i et velkendt miljø, som allerede anvendes af tusindvis af forskere og studerende. Brugerne kan få adgang til avancerede beregningsressourcer direkte gennem en browserbaseret grænseflade, hvor værktøjer og applikationer vælges på samme måde som i en app store – uden behov for at håndtere eller forstå den underliggende infrastruktur. Det sænker adgangsbarrieren markant og gør højtydende computing tilgængelig ikke kun for specialister, men på tværs af fagområder.

Den nye løsning forenkler samtidig brugeroplevelsen. Infrastruktur, som tidligere var fordelt på flere lokationer, er nu samlet i ét datacenter, hvilket gør det lettere at navigere i og arbejde med beregningsressourcerne.

Udvider adgangen til avanceret computing 

Tilføjelsen af ny supercomputerkapacitet øger både, hvad forskere kan gøre – og hvem der kan gøre det. Ved at fjerne tekniske og praktiske barrierer gør platformen det muligt for flere forskere og studerende at arbejde med store datamængder, avancerede modeller og beregningsmetoder. Det accelererer vejen fra idé til indsigt og fra forskning til anvendelse i praksis.

Lige så vigtigt er det, at dette sker inden for en dansk digital infrastruktur, hvor data, software og beregninger forbliver under national kontrol. Efterhånden som afhængigheden af store datamængder og kunstig intelligens vokser, bliver spørgsmål om datastyring, sikkerhed og kontrol stadig mere centrale – ikke kun fra et teknisk perspektiv, men også som en strategisk prioritet for forskning og innovation.

”Adgang til regnekraft er kun en del af ligningen,” siger professor Claudio Pica, direktør for SDU eScience Center og repræsentant for konsortiet bag UCloud. ”Det er mindst lige så vigtigt, at forskere kan arbejde i et betroet miljø, hvor data og arbejdsgange forbliver under national kontrol. UCloud gør det muligt at kombinere avanceret computing med netop den grad af tillid og gennemsigtighed.” 

En fælles platform for forskning og innovation

UCloud anvendes allerede bredt på danske universiteter og understøtter en lang række fagområder og anvendelser. Platformen har nu mere end 23.000 brugere på tværs af forskningsfelter. Med tilføjelsen af nye højtydende ressourcer fortsætter platformen med at udvikle sig for at imødekomme de voksende behov inden for forskning og uddannelse.

Platformen understøtter også startups og spinout-virksomheder ved at give adgang til avanceret AI og dataanalyse, hvilket forbedrer mulighederne for at udvikle, teste og skalere nye løsninger. På den måde bidrager infrastrukturen ikke kun til forskning, men også bredere til innovation og konkurrenceevne.

UCloud udvikles og drives i tæt samarbejde mellem partnerne i Interactive HPC Konsortiet, som består af Syddansk Universitet, Aarhus Universitet og Aalborg Universitet. Det afspejler en langsigtet fælles indsats blandt danske universiteter for at opbygge en delt digital forskningsinfrastruktur.

Del af en bredere national indsats

Det nye supercomputeranlæg, Bitten, er en del af Danmarks nationale forskningsinfrastruktur og afspejler et løbende samarbejde mellem universiteter, industri og teknologileverandører. Adgangen via UCloud spiller en central rolle i at sikre, at denne investering kommer en bred brugergruppe i hele landet til gavn.

Anlægget er samtidig designet med fokus på energieffektivitet. Systemet er udviklet i samarbejde mellem SDU, Danfoss og HPE og anvender avanceret væskekøling med fuld varmegenvinding, så overskudsvarme kan genbruges i det lokale fjernvarmesystem. Dermed bliver anlægget et eksempel på, hvordan digital infrastruktur aktivt kan understøtte energisystemet – ved at ændre datacentre fra rene energiforbrugere til integrerede og værdiskabende dele af lokal infrastruktur.

Kategorier
Applikation Forskning Interactive HPC Supercomputing

Introducing RAGFlow: Enabling Smarter Research with AI-Powered Search

A new open-source application is now available on UCloud, designed for students, researchers, and educators working with complex data and artificial intelligence. RAGFlow – short for Retrieval-Augmented Generation – combines powerful language models with your own academic materials, offering an intelligent way to search, explore, and interact with content.

Whether you’re conducting a literature review, developing a teaching assistant, or building a domain-specific chatbot, RAGFlow provides an intuitive pipeline that transforms unstructured documents into a searchable, AI-ready knowledge base. But RAGFlow is more than just question-answering. It supports the creation of custom workflows and intelligent agents, enabling advanced interactions, data processing, and tool integration – all within a flexible and transparent environment.

What can you do with RAGFlow?

RAGFlow helps large language models (LLMs) generate accurate answers based on real data – not just pre-trained knowledge. It’s built to close the gap between raw academic material and useful insight.

RAGFlow is designed with both beginners and advanced users in mind. At its simplest, you can just upload documents and start asking questions. The interface guides you through the basics, so you can get useful results straight away.

As your needs grow, you can delve deeper into advanced features such as custom chunking, retrieval tests, datasets, and programmable workflows. Comprehensive documentation and tutorials are available, allowing you to learn at your own pace and expand your use of the platform over time.

Key Features:
  • Data Ingestion & Chunking:
    Upload PDFs, text files, webpages and more. RAGFlow automatically breaks them into manageable parts.
  • Embedding & Indexing:
    These chunks are converted into vector representations so they can be searched by meaning, not just keywords.
  • Smart Retrieval:
    When you ask a question, the system finds the most relevant information.
  • Contextual Generation:
    An LLM uses this context to generate well-informed responses.
  • Cited Sources:
    All answers come with grounded citations, showing where the information came from — supporting transparency and academic rigour.

This process improves the quality of responses and significantly reduces the risk of hallucinated or misleading answers.

From Search to Workflow: Introducing Agents

Beyond document search, RAGFlow also allows you to build and customise your own AI-powered agents. These agents can search, analyse, and use tools on your behalf – forming a pipeline tailored to your specific research needs.

So, what is an agent?

Think of an agent as a specialised AI assistant. You might create one to retrieve data from a source, another to analyse it, and a third to generate a written summary or report. These agents can be chained together into a programmable pipeline – a step-by-step flow where each agent passes its output to the next.

For example, you could build a research assistant that:

  • Searches for academic papers on a topic
  • Extracts and summarises the most relevant findings
  • Runs basic statistical analysis
  • Outputs the results as a draft report

Unlike typical ‘black-box’ AI tools, which conceal their inner workings, RAGFlow provides full transparency, allowing you to understand exactly how your AI operates. You can inspect, adjust, and understand every stage – from document chunking to embedding, retrieval, and agent reasoning. It’s a flexible and reproducible platform where your agents can be saved, re-run, or even shared with colleagues.

Why use RAGFlow on UCloud?

RAGFlow is available directly on UCloud. This offers several key advantages:

  • Academic Use Cases:
    Build assistants for teaching, research discovery, or even entire knowledge bases for your institute or research centre.
  • No Installation Required:
    Launch RAGFlow on UCloud with everything preconfigured and ready to use.
  • Flexible AI Model Support:
    Choose from models hosted on Hugging Face, Ollama, or take advantage of GPU-accelerated inference with vLLM – all accessible via an API key.
  • Easy Document Management:
    Upload and manage a wide range of formats, including PDFs, scanned documents, spreadsheets, and HTML.
Learn more 

Guides and technical details:
RAGFlow Guide
RAGFlow documentation on UCloud

A recorded tutorial will also be available shortly. Sign up for the newsletter to receive updates on this and other Interactive HPC news.

Kategorier
Interactive HPC Supercomputing UCloud

Ny aftale styrker samarbejdet om DeiC Interactive HPC

Kort før jul 2025 indgik DeiC og Interactive HPC Konsortiet en ny femårig aftale om den nationale HPC-tjeneste med et årligt budget på 10 millioner kroner. Samtidig besluttede DeiCs bestyrelse at investere et engangsbeløb på 4 millioner kroner i udvidet GPU-kapacitet. Den øgede investering har gjort det muligt at opgradere anlægget markant. Opgraderingen styrker mulighederne for forskningsprojekter, der arbejder med store datamængder og AI, og giver samtidig bedre muligheder for at anvende GPU-ressourcer bredt.

I foråret 2026 etablerer konsortiet et nyt energieffektivt datacenter, som fremover skal huse DeiC Interactive HPC’s hardware. Danfoss og HPE deltager i etableringen af datacenteret, som omtales her.

“Med den nye aftale styrker vi en fælles national forskningsinfrastruktur, som giver forskere i hele Danmark nem adgang til avanceret regnekraft. Det er et vigtigt skridt for både digitalisering og digital suverænitet i dansk forskning. Samtidig viser samarbejdet mellem universiteterne, at vi i fællesskab kan udvikle løsninger, der både er teknologisk stærke og bæredygtige – blandt andet gennem etableringen af et energieffektivt datacenter,” siger prof. Claudio Pica, koordinator for Interactive HPC Konsortiet.

Samarbejde og udvikling i fokus

Med de nye kontrakter viderefører og udbygger DeiC og Interactive HPC Konsortiet et stærkt og tillidsfuldt partnerskab. Aftalernes langsigtede karakter og den styrkede økonomiske ramme vidner om et solidt samarbejde og et fælles engagement i at udvikle løsningen i tæt dialog med brugerne og DeiCs faglige fora. Målet er en løsning, der udvikler sig i takt med forskernes behov og prioriteringer.

Samtidig bygges der videre på tjenestens høje sikkerhedsniveau, og aftalen styrker de allerede veletablerede rammer for rapportering om forbrug og drift. Endelig er der skabt klare fælles forventninger til håndteringen af fremtidigt udviklingsarbejde og systemintegrationer.

Konstitueret HPC-chef i DeiC, Rune Gamborg Ørum ser den nye aftale som et vigtigt skridt fremad:

“Udover mulighederne i det nye anlæg i sig selv, glæder jeg mig over, at vi i det fælles arbejde med kontrakterne også har fået skabt en klar samarbejdsstruktur omkring tjenesten. Det kommer til at gøre en forskel for brugerne, at vi i fællesskab kan sikre understøttelsen af alle de mange aspekter og brugsscenarier af en tjeneste som DeiC Interactive HPC.”

I februar 2026 mødtes parterne i Aarhus til en fælles workshop med fokus på at omsætte aftalen til praksis og sikre et velfungerende samarbejde om teknisk udvikling, brugersupport og træningsaktiviteter i de kommende år. Deltagerne drøftede blandt andet, hvordan eksisterende brugere får en smidig overgang til det nye datacenter og de nye GPU-ressourcer.

DeiC Interactive HPC 

DeiC Interactive HPC tilbyder interaktiv og brugervenlig supercomputing til forskere ved danske universiteter. Tjenesten bygger på UCloud-platformen, som drives af Interactive HPC Konsortiet bestående af Syddansk Universitet (SDU), Aarhus Universitet (AU) og Aalborg Universitet (AAU).

DeiC Interactive HPC har i dag ca. 22.000 brugere blandt studerende og forskere og dækker bredt på tværs af forskningsområder. Gennem DeiC Interactive HPC giver DeiC og universiteterne forskere i hele landet adgang til skalerbar regnekraft via UCloud.