Informationen für
Logo VIS

SimTech: Interactive Visual Analysis of Big Simulation Data

Big Data - speziell als Resultat von Simulationen - beinhaltet eine große Informationsmenge, die analysiert werden muss. Insbesondere bei komplexen Daten wird die Analyse von verschiedenen Experten durchgeführt - häufig mit der Hilfe von Visualisierung. Deswegen ist das kollaborative Arbeiten mit interaktiven visuellen Analysewerkzeugen wichtig. Dies sollte sowohl auf Arbeitsplatz-Bildschirmen als auch auf Großbildschirmen möglich sein. Außerdem kann die Analyse von Big Data ein zeitaufwendiger und langer Prozess sein, der in mehreren Analyse-Sitzungen durchgeführt werden muss. Das Speichern und Visualisieren von Provenance- und Workflow-Informationen kann dabei helfen eine frühere Visualisierungs- und Analyse-Sitzung fortzusetzen und die Erstellung von wissenschaftlichen Workflows vereinfachen. So wird die visuelle Analyse bezüglich der Nutzer und Ausgabegeräte skalierbar.

Schon die direkte Visualisierung von Big Data ist eine Herausforderung für die Informatik und benötigt entsprechend aufwendige Techniken. Trotzdem ist sie alleine nicht ausreichend um genügend Erkenntnisse über Daten mit großem oder komplexem Informationsgehalt zu liefern. Um die Skalierbarkeit bezüglich der Daten und der menschlichen Wahrnehmung zu verbessern, ist es wichtig mit Hilfe von computergestützten Methoden den visuellen Inhalt zu reduzieren und an die Nutzerbedürfnisse anzupassen. Dazu werden Techniken für die Merkmalsextraktion entwickelt und Methoden aus den Bereichen maschinelles Lernen, Statistik, und Data Mining übernommen.

Für eine verlässliche Analyse ist die Berücksichtigung von Unsicherheit in diesem Projekt ein übergreifendes Thema. Deswegen wird Unsicherheit im Analyseprozess modelliert und mit einbezogen. Um eine interaktive visuelle Analyse zu ermöglichen, ist es schließlich notwendig, dass die Rechenleistung aktueller und zukünftiger HPC Architekturen für Big Data ausgenutzt wird. Dazu werden effiziente parallele Algorithmen für die Visualisierung und die computergestützte Analyse benötigt.

Publikationen

2015

Artikel

Visualizing Dynamic Weighted Digraphs with Partial Links
Schmauder, Hansjörg; Burch, Michael; Weiskopf, Daniel: Visualizing Dynamic Weighted Digraphs with Partial Links.
Proceedings of the International Conference on Information Visualization Theory and Applications, S. 123–130 (2015).

Paper

Visualizing the Evolution of Module Workflows
Hlawatsch, Marcel; Burch, Michael; Beck, Fabian; Freire, Juliana; Silva, Claudio; Weiskopf, Daniel: Visualizing the Evolution of Module Workflows.
In: Proceedings of the International Conference on Information Visualisation (IV), S. 40-49 (2015).

Dissertation

Visualization for Integrated Simulation Systems
Hlawatsch, Marcel: Visualization for Integrated Simulation Systems. Diss., Universität Stuttgart (2015).

2014

Artikel

Visual Adjacency Lists for Dynamic Graphs
Hlawatsch, Marcel; Burch, Michael; Weiskopf, Daniel: Visual Adjacency Lists for Dynamic Graphs.
IEEE Transactions on Visualization and Computer Graphics 20 (11), S. 1590-1603 (2014).
Pathline Glyphs
Hlawatsch, Marcel; Sadlo, Filip; Jang, Hajun; Weiskopf, Daniel: Pathline Glyphs.
Computer Graphics Forum 33 (2), S. 497-506 (2014).