Formula Student on rahvusvaheline tootearendusvõistlus, mis on suunatud inseneri- ja autotehnoloogia eriala üliõpilastele. Formula Student Team Tallinn projekteerib, toodab ja võistleb igal aastal võimsa vormelautoga, kasutades tipptehnoloogiat ja inseneripõhimõtteid. Auto osaleb üleeuroopalistel Formula Student tootearendusvõistlustel. Formula Student Team Tallinn on osalenud rallidel alates 2006. aastast. Meeskond on võitnud arvukalt karikaid kogu maailmast.

Aerodünaamiline arendus nõuab vedeliku või ka õhu ning selles asuvate kehade ja konstruktsioonide vastastikmõju kirjeldava dünaamika (CFD) simulatsioonide lahendamist. HPC liidesed võimaldavad meil loodud simulatsioonifailid üle kanda HPC klastrisse, kus saab luua pakk-töö (batch job) ning siis arvutada simulatsioonifailide poolt antud võrrandite väärtused.

TalTechi HPC klastri kasutus säästab üliõpilase personaalarvutis kasutatavat arvutiaega, kuna 3D aerodünaamika simulatsiooni käivitamine hõivab ka parima tavaarvuti kõik ressursid kuni päevaks, muutes selle sisuliselt kasutuks. HPC võimalused suurendavad oluliselt ka arenduskiirust, kuna simulatsioonid käivad kiiremini ja korraga saab lahendada mitut simulatsiooni. Lisaks saab ainult superarvutiga töödelda keerukaid andmefaile, mis nõuavad suurel hulgal RAM ressurssi. Tänu HPC keskuse taristu kasutamisvõimalusele oleme täiendanud vormeliõpilasmeeskonna aerodünaamilist arendusprotsessi ning jõudnud oma valdkonna tippu.




Better Medicine on 2020. aastal loodud Eesti meditsiinitehnoloogia ettevõte, mis keskendub tehisintellekti rakendamisele radioloogias onkoloogiliste leidude tuvastamiseks.

Ettevõtte missioon on tervishoiusüsteemi innovatsiooni abil paremaks muuta, pakkudes tehisintellekti lahendusi onkoloogias, mis tõstavad patsientide elukvaliteeti ja toetavad radioloogide igapäevatööd.

Better Medicine väljakutse on tõhusalt treenida tehisintellekti mudeleid CT-skaneeringutest tuvastama tervisekahjustusi, neid mõõtma ja segmenteerima. See nõuab ülesanne nõuab märkimisväärset arvutusvõimsust suurte andmekogumite käsitlemiseks, mudeli jõudluse optimeerimiseks ja treenimisaja vähendamiseks.

Tartu Ülikooli HPC taristust kasutab Better Medicine suure jõudlusega GPU nodesid ja skaleeritavat infrastruktuuri, et treenida süvaõppemudeleid suurtel pildiandmekogudel. Arvutusressursid võimaldavad kiiremat katsetamist, täpset parameetrite optimeerimist ja usaldusväärsete AI mudelite väljatöötamist, mis on valmis kliiniliseks kasutuseks.



GScan OÜ on 2018. aastal asutatud ettevõte, mis arendab looduslikul kiirgusel baseeruvaid läbivalgustusseadmeid ning vastavaid tomograafilisi ja klassifitseerimisalgoritme.

GScani tehnoloogia on murranguline, sest võimaldab läbivalgustada mistahes mõõdus objekte ning klassifitseerida nende koostist ning on võimeline automaatselt tuvastama skanneris asuvaid ohtlikke või muid keelatud aineid.

GS logo sisulehele

Kasutades ära loodusliku kosmilise kiirguse tomograafia võimsust, jälgib GScan tehnoloogia osakeste trajektoori muutusi või neeldumist, kui need läbivad huvipakkuvat objekti, saades seeläbi olulise statistika selle materjali ja kuju kohta. Seejärel tõlgitakse need teadmised nii sisemise kui ka välise geomeetria 2D- ja 3D-visualiseerimiseks koos keemilise koostise andmetega. Laiaulatuslike andmetega väljund annab põhjaliku ülevaate kontrollitavatest objektidest ja materjalidest. Kusjuures uuring on täpselt kohandatud klientide ainulaadsetele nõuetele vastavaks. HPC mängib olulist rolli kogutud andmete visualiseerimisel.

Kuna HPC kiirendab andmetöötlust, valmivad rekonstrueerimised lühema ajaga. Kiirema rekonstrueerimisega on järeltöötluse käigus võimalik rakendada laiemat valikut algoritme. Laiema algoritmide valikuga kasvab tehnoloogia võimekus ja efektiivsus ning seeläbi saame maailma muuta turvalisemaks tänu usaldusväärsematele andmetele kriitilise infrastruktuuri kohta.




Celvia on Eesti ettevõte ja teadusasutus, mis keskendub teaduspõhiste toodete ja teenuste arendamisele patsientidele, kliinikutele ja ettevõtetele. Ettevõte on ühendanud tipptasemel tehnoloogia ja erialased oskused, et luua kõrgetele standarditele vastavad ning konkurentsivõimelised geenitestid.

Mesi sisaldab ligikaudu 0,01% DNA-d, mille eraldamine ja sekveneerimine annab kuni 20 miljonit DNA järjestust erinevatelt organismidelt, millega mesilane on kokku puutunud. Järjestuste põhjal analüüsitakse mee koostist, hinnatakse autentsust ning tuvastatakse mesilaste haigustekitajaid. HPC võimaldab 32 proovi paralleelselt analüüsida, kasutades Singularity-konteineriga Nextflow töövoogu. Ressursimahukaim ülesanne nõuab iga proovi kohta 400 GB RAM ja 8 CPUd. Tööprotsessi sujuvamaks muutmiseks on automatiseeritud uute andmete tuvastamine, allalaadimine ja analüüsi käivitamine crontabi abil. Lisaks kasutatakse HPC ressursse toorandmete ja analüüsitulemuste turvaliseks salvestamiseks, tagades andmete tervikluse ja konfidentsiaalsuse varundussüsteemide abil.



Tartu Ülikool on Balti riikide juhtiv kõrgkool infotehnoloogia valdkonnas. Ülikooli loomuliku keele töötluse õppetooli uurimissuunad hõlmavad masinõpet ja andmekaevet tekstidest, masintõlget, tekstide kokkuvõtete loomist, grammatilist analüüsi ning sõnade ja lausete struktuuri automaatset töötlemist.

Tehisnärvivõrgud (eng. Neural Networks) on oluliselt parandanud loomuliku keele töötluse ülesannete, sealhulgas masintõlke kvaliteeti. Kuid tõlke täpsus sõltub tugevalt suuremahuliste paralleelsete ja ükskeelsete andmestike olemasolust. Väikese ressursiga soome-ugri keelte puhul on selliseid andmeid napilt, mistõttu neid keeli ei ole sageli lisatud olemasolevatesse mitmekeelsesse masintõlkesüsteemidesse. Tõlkekvaliteedi tõstmisel aitavad kaasa suuremate sugulaskeelte (eesti, soome, ungari) rohked inimeste tõlgitud lausepaarid ning sünteetilised ehk masintõlgitud lausepaarid, millest viimased on küll tihti vigased, kuid siiski kasulikud tõlkesuuna õppimisel.

HPC abil arendati masintõlkesüsteem, mis toetab 20 väikese ressursiga soome-ugri keele ja 7 suurema ressursiga keele vahelisi tõlkeid. Korpused koguti peamiselt veebist ning kombineeriti olemasolevate andmestikega. Kõik masintõlke mudelid treeniti LUMI superarvutis ning peenhäälestati Fairseqi raamistikus M2M-100 mudeli baasil. Mudelite treenimiseks kasutati nelja AMD Mi250X GPU-d.


Luisa Tõlkebüroo OÜ on Eesti suurim tõlkebüroo, pakkudes üle 50 erineva teenuse, sealhulgas vandetõlget, sünkroon- ja järeltõlget, masintõlget ning subtiitrite tõlget.

Ettevõte vajas kohandatud masintõlkesüsteemi, et kiirendada tõlkeprotsessi. Kuna puudus varasem kogemus loomuliku keele töötluse ja masinõppega, tehti koostööd TartuNLP meeskonnaga. Masintõlkemudel treeniti Tartu Ülikooli HPC keskuse Rocket klastris, võimaldades kohandatud ning kvaliteetsemat tõlkelahenduse loomist.


Bolt on Eesti tehnoloogiaettevõte, mis pakub sõiduvahendite rendi- ja toidu tellimise teenuseid. Ettevõtte peakorter asub Tallinnas ning tegutseb enam kui 400 linnas üle 45 riigi. Bolti missioon on muuta linnad inimeste, mitte autode jaoks.

Koostöös Tartu Ülikooliga arendab ettevõte 4. taseme autonoomse auto tehnoloogiat. Autonoomsed sõidukid genereerivad testisõitude ajal kuni 357 GB testlogisid tunnis, mille tõhusaks haldamiseks ja analüüsimiseks on inseneridel vaja skaleeritavat süsteemi.

Koostöös HPC-ga on loodud süsteem, kus testlogid kopeeritakse automaatselt HPC salvestusruumi, teisendatakse metaandmeteks ning salvestatakse MongoDB andmebaasi. Paralleeltöötlus HPC klastris kiirendab oluliselt protsessi, mis tagab metaandmete olemasolu järgnevaks hommikuks. Vastasel juhul pikimate logide töötlemine võib võtta kuni 24 tundi. Kohandatud rakendus võimaldab inseneridel testlogisid filtreerida ja analüüsida Webviz visualiseerimistööriista abil.