Aplicando la tecnología de Memory-Driven Computing de HPE a los conjuntos de datos del CGIAR, HPE ayudará a acelerar el proceso de búsqueda de soluciones frente a estos desafíos globales, permitiendo el modelado de sistemas alimentarios que hagan frente a los problemas a los que se enfrenta la cadena de suministro mundial.
El mundo tiene ante sí uno de sus desafíos más importantes, garantizar un suministro sostenible de alimentos en todo el planeta. Casi 800 millones de personas están crónicamente desnutridas y 2.000 millones padecen deficiencias de micronutrientes. Al mismo tiempo, el número de explotaciones agrícolas pequeñas a nivel mundial está disminuyendo, ya que su rentabilidad es muy difícil de lograr. A corto plazo, estos problemas empeorarán considerablemente, ya que desde la Organización de las Naciones Unidas (ONU) se prevé que la población mundial crezca hasta los 8.500 millones de personas en 2030, y el Foro Económico Mundial calcula que habrá una población de 9.800 millones de personas para 2050, lo que supone un 70 % más de alimentos de los que se consumen hoy en día.
Además, el problema no ha hecho más que empeorar debido a la pandemia provocada por la COVID-19. La crisis está afectando a los sistemas alimentarios y a las cadenas de suministro en todo el mundo, pero de forma diferente en cada lugar, lo que significa que los problemas no pueden resolverse mediante una única solución universal.
CGIAR es una asociación mundial formada por 14 institutos de investigación agrícola sin ánimo de lucro que trabajan en más de 100 países en la búsqueda de soluciones de prácticamente todos los aspectos de la seguridad alimentaria. En sus 11 bancos de genes de todo el mundo, el CGIAR conserva y regenera 760.000 variedades de cultivos alimentarios que representan una importante diversidad genética disponible para buscar una futura garantía en el suministro mundial de alimentos.
Para comprender plenamente la situación actual, el CGIAR necesita disponer un conocimiento continuo y preciso de lo que ocurre en los distintos territorios que forman la «cesta de alimentos» mundial, sobre todo en las zonas de producción de alimentos más importantes. Para tener una imagen completa se suelen necesitar datos de múltiples fuentes, como el rendimiento de los cultivos, los registros meteorológicos, la actividad económica, así como estudios y encuestas.
El análisis y comprensión de estos datos ayuda a los investigadores a responder a preguntas como:
- ¿Cómo se desarrolla la actividad económica y el movimiento de alimentos en las cestas semanalmente?
- ¿Cómo pueden estos análisis guiar al sector agrícola y a sus participantes más vulnerables en un período de creciente variabilidad climática y de fenómenos meteorológicos extremos?
- ¿Cómo pueden los agentes públicos, privados y sin ánimo de lucro compartir de manera significativa todos estos datos para permitir mejores resultados para todos?
- ¿Cómo pueden los interesados seguir y medir los progresos realizados en la consecución de los objetivos de desarrollo sostenible de las Naciones Unidas para lograr el objetivo de “Hambre Cero” en 2030?
Las respuestas a preguntas como estas ayudan al CGIAR a detectar y predecir los desafíos de la seguridad alimentaria y a guiar las acciones colectivas que puedan ayudar a resolverlos.
«Ser capaz de crear una imagen en 200 ciudades o asentamientos en un corto período de tiempo es radicalmente diferente de lo que podemos hacer con nuestros recursos de computación actuales», ha declarado Brian King, coordinador de la Plataforma para Big Data en Agricultura del CGIAR. «Dado que el impacto de la COVID-19 es diferente según el país, aumentar nuestra capacidad para observar la situación tanto a nivel agregado como desde un punto de vista local sobre el terreno es increíblemente importante. Esta nueva capacidad nos facilita una forma diferente de operar como organización en investigación, ya que nos permite disponer de múltiples contextos de forma muy rápida. Todo ello se consigue gracias a la nueva potencia de cálculo que nos proporciona HPE, muy superior a la que teníamos. Memory-Driven Computing apareció en el momento justo».
Si bien el CGIAR cuenta con grupos de computación de alto rendimiento en varios de sus centros, está observando una mayor necesidad de desarrollar información y análisis oportunos y localizados a través de una serie de contextos de seguridad alimentaria surgidos a raíz de la pandemia, y esto va más allá de sus recursos de computación existentes. La tecnología Memory-Driven Computing se distingue por dar a cada procesador (hasta 64 sockets) del sistema acceso un gigantesco conjunto común de memoria -hasta 48 terabytes-, lo que supone una gran diferencia con los sistemas actuales. Normalmente, cantidades relativamente pequeñas de memoria – sólo unos pocos terabytes – están vinculadas a cada procesador, por lo que las ineficiencias resultantes limitan su rendimiento. Al tener el mismo conjunto masivo de datos disponible para todos los procesadores, los usuarios pueden eliminar los cuellos de botella computacionales que obstaculizan la investigación y los hallazgos.
Con el acceso a la Memory-Driven Computing Sandbox – llamada así por el entorno controlado que ofrece a los clientes para experimentar con recursos computacionales avanzados – el CGIAR está desarrollando una visión transversal de los sistemas alimentarios que vincula la modelización de los cultivos – incluyendo los registros meteorológicos e históricos rendimiento, por año y ubicación – los datos de las encuestas, y la actividad económica en general (por ejemplo, el movimiento de bienes y personas). El CGIAR está vigilando las emisiones en más de 1.000 puntos en toda la India y el África Oriental utilizando datos de satélites. Los cambios en las emisiones indican cambios en la actividad económica que ofrecen a los investigadores un contexto importante para comprender cómo se desarrollan los desafíos de la seguridad alimentaria en función de su ubicación. Gracias a este panorama dinámico y en constante desarrollo, el CGIAR puede comparar los datos de cultivos y de los estudios realizados en encuestas para vigilar la forma en la que ese cultivo individual repercutirá en un suministro de alimentos más global.
La comprensión de estos datos permitirá al CGIAR ver y predecir de forma más precisa cómo se están desarrollando los desafíos de la seguridad alimentaria a partir de la crisis provocada por la COVID-19 para así informar a los responsables y otras partes interesadas de qué políticas llevar a cabo. Utilizando la tecnología que existían en el CGIAR, el análisis de las emisiones en un punto de la Tierra podría tardar de cuatro a cinco horas en realizarse, pero ahora el CGIAR puede, con los nuevos recursos de HPE, realizar múltiples análisis en múltiples puntos con la suficiente frecuencia para informar sobre las medidas oportunas en materia de seguridad alimentaria.
«En HPE, nuestro propósito es avanzar en la forma en la que la gente vive y trabaja, y estamos comprometidos a aplicar la tecnología para ayudar a abordar algunos de los desafíos más difíciles de la sociedad», ha declarado Janice Zdankus, Vicepresidente de Innovación para el Impacto Social de HPE. «Una de nuestras áreas de interés es el ayudar a encontrar solución al hambre en el mundo, inspirados por los resultados de la granja de investigación de 1.400 acres de la Universidad de Purdue y su aplicación en la agricultura de precisión para aumentar el rendimiento de las cosechas, preservando al mismo tiempo y de forma significativa los recursos. Con el CGIAR, vimos la oportunidad de aplicar tecnologías innovadoras, como la Memory-Driven Computing de HPE para impulsar una mayor comprensión y ayudar a resolver este desafío increíblemente complejo».
Si bien la pandemia ha causado problemas inmediatos a corto plazo que deben ser abordados, el futuro de la seguridad alimentaria debe ser evaluado también en un horizonte más lejano. La cartografía y la predicción del riesgo climático, la vulnerabilidad y las opciones de adaptación son las principales prioridades del CGIAR.
«La creación de nuevas capacidades de vigilancia y modelado es fundamental», ha continuado King. «El mundo entero se ha visto atrapado de lleno durante la pandemia porque descubrimos que había enormes lagunas en la calidad de los datos para vigilar y responder rápidamente a las innumerables -y muy diferentes- perturbaciones del sistema alimentario que se estaban produciendo como resultado de la crisis de la COVID-19. La comunidad mundial de agentes de la seguridad alimentaria ha comenzado a crear capacidades para un diagnóstico y una respuesta más oportunos, focalizándose en los problemas de la seguridad alimentaria. Esto se ha complementado con la cartografía y la predicción de los riesgos y vulnerabilidades de las posibles perturbaciones climáticas para conseguir una seguridad alimentaria en un horizonte temporal más largo. Podremos poner de relieve las mejores opciones para que los agricultores más vulnerables se adapten a las condiciones cambiantes y ayudarles a que se equipen para ello antes de que surja la próxima crisis».
Por ejemplo, el CGIAR aprovecha los modelos para predecir los tipos de peligros climáticos (desastres como ciclones, inundaciones o sequías) que probablemente amenazarán a los pequeños agricultores de las economías en desarrollo. El CGIAR ayuda a los responsables políticos de estas áreas y a los propios agricultores en situación de riesgo a prepararse para este tipo de perturbaciones climáticas de manera que se reduzca al mínimo el impacto en el sistema alimentario.
A medida que se acerca el año 2030, los esfuerzos mundiales para alcanzar el Objetivo de Desarrollo Sostenible de “Hambre Cero” deben ser impulsados digitalmente.
«La comunidad mundial está descubriendo que necesitamos examinar estos tipos de datos conjuntamente y con mayor frecuencia para informar sobre las inversiones específicas que fomentan la capacidad de recuperación de los pequeños agricultores», ha concluido King. «Queda mucho trabajo por hacer para crear los fundamentos analíticos que permitan alcanzar el objetivo de hambre cero«.
