Forskningsinfrastruktur Computational Forestry Lab (CFL) är en specialiserad superdatoranläggning för digital skogsforskning. Den möjliggör högpresterande beräkningar med stora datamängder från flygbaserad laserskanning, skogsmaskiner och avancerade simuleringar. Infrastrukturen stöder både akademiska användare och användare inom näringslivet.
Besök vår externa hemsida för mer information.
Computational Forestry Lab (CFL) är en forskningsinfrastruktur vid Umeå universitet som har till syfte att påskynda den digitala omställningen inom skogsbruket genom högpresterande databehandling och tillämpning av artificiell intelligens. Med hjälp av en kompakt men kraftfull superdator möjliggör CFL avancerad analys och modellering av stora datamängder från källor som flygbaserad laserskanning, skogsmaskiner utrustade med sensorer och datorsimuleringar.
Denna infrastruktur är särskilt anpassad för skogsforskning och tillgodoser behovet av datorkapacitet för ett hållbart precisionsskogsbruk genom digitalisering och automatisering. Den underlättar samarbete över ämnes-, företags- och akademigränser med hjälp av delade och delvis konfidentiella data, modeller och verktyg. Detta gör den till en lämplig plattform för att testa nya algoritmer och modeller direkt i systemet, vilket eliminerar behovet av omimplementering eller dataöverföring.
CFL är kostnadsfritt och tillgängligt för forskare och externa samarbetspartner som arbetar med skogsbruksrelaterade frågor och som behöver lagringsutrymme, beräkningskapacitet för förbearbetning eller resurser för AI-träning. Mer detaljerad information om systemet och hur du kontaktar oss finns på
CFL har ett system med två gränssnitt: ett med vägledda arbetsflöden för nybörjare inom högpresterande databehandling, och ett för erfarna användare som har full kontroll över beräkningsuppgifterna. Resursen finansieras av Kempe-stiftelsen och Mistra Digital Forest, och är fysiskt beläget vid HPC2N, Umeå universitets superdatorcentrum. De främsta användarna är forskare vid Mistra Digital Forest vid Sveriges lantbruksuniversitet, Skogforsk och Umeå universitet. Resursen kommer dock att vara allmänt tillgänglig i den mån kapaciteten tillåter.
