Cele projektu

• Utworzenie bazy infrastrukturalnej obejmującej budynek nowej serwerowni z zapleczem technicznym oraz laboratorium sprzętowym jako siedziby tworzonego Centrum Kompetencji,
• Zapewnienie zintegrowanej infrastruktury systemów przechowywania wielkoskalowych zasobów danych, ich analizy i przetwarzania związanych z nimi modeli matematycznych,
• Zapewnienie niezbędnej mocy obliczeniowej oraz mozliwości składowania danych wielkich rozmiarów. Serwery zostaną umieszczone w serwerowni spełniającej wysokie wymogi w zakresie bezpieczeństwa,
• Stworzenie i udostępnienie istotnych dla nauki oraz całej sfery publicznej zasobów danych i informacji, o wysokiej dostępności i jakości, cechujących się wysoką skalowalnością oraz zdolnością równoczesnej obsługi w zakresie przechowywania, analizy i przetwarzania komputerowego związanych z takimi danymi modeli matematycznych,
• Rozwój zaawansowanych aplikacji i usług (rozwiązań algorytmicznych) umożliwiających obsługę i analizę takich zasobów danych oraz ich zastosowanie w modelowaniu komputerowym złożonych układów i zachodzących w nich procesów,
• Rozwój zespołów badawczych i badawczo-rozwojowych o wysokiej kompetencji w zakresie wielopoziomowej analizy danych,
• Rozwój nowych algorytmów i metod analizy danych uwzględniających nowe, wielokorowe i wieloprocesorowe heterogeniczme architektury obliczeniowe.  

Rozwój infrastruktury informatycznej nauki

Nie tylko w Polsce, ale też na świecie rozwój infrastruktury informatycznej nauki obejmuje obok  obszaru infrastruktury sieciowej, także infrastrukturę obliczeniową, a wśród niej – co staje się coraz bardziej dominującym zakresem – infrastrukturę danych. Po okresie wprowadzania do szerokiej świadomości roli nauk obliczeniowych jako trzeciego filara całej nauki, obok dyscyplin teoretycznych i eksperymentalnych coraz częściej pojawia się korekta, wyodrębniająca jako czwartą składową tego systemu nauki bazujące na danych.

Rola danych we współczesnym świecie

Cechą charakterystyczną dzisiejszej nauki jest jej uzależnienie od danych. Mogą to być na przykład dane eksperymentalne, obserwacyjne lub wyniki symulacji komputerowych. Poza tym warto wymienić  dane surowe, niepoddane procesom analizy, redukcji i innym formom przetwarzania, bądź dokładnie na odwrót, będące efektem takich procedur. Projekt dotyczy utworzenia Centrum Kompetencji w swojej istocie skoncentrowanego wokół całokształtu problematyki dotyczącej Wielkich Danych (Big Data).