协同可视化
在可视化过程中需要考虑的另一个重要方面就是协同可视化。接受采访的所有专家、学者都认为协同是可视化的一个重要环节。在处理研究问题的过程中科学的流程以及彼此的协作已经成为可视化的首选。在佛罗里达州立大学这样的一些研究机构，在实施设计时协作是必不可少的。佛罗里达州立大学的Wilgenbusch博士强调了协作的必要性：“现在我们的重点之一就是协同可视化。最近我们和佛罗里达大学以及南佛罗里达大学一道因在多个佛罗里达HPC中心之间支持协同而获奖。我们对在全州协同使用可视化资源非常感兴趣，从我们三家大学开始(佛罗里达大学，南佛罗里达大学以及佛罗里达州立大学)，然后增加本州内的其他公立和私立大学。”图6显示了协同可视化的一个例子。在南佛罗里达大学北卡罗来纳州复兴计算研究所(Renaissance Computing Institute ，RENCI)的社会计算实验室，很多人能够协同观看投射到无缝显示墙上的多数据源可视化效果。
▲图6. 复兴计算研究所社会计算实验室
科学研究过程和协同相关。正如 Elmaghraby 博士所说，可视化在涉及协作的很多其他过程中发挥了重要作用：“对很多科学发现来说，可视化具有巨大的潜力，即使在决策，群体决策，可视化趋势，进化甚至政治参与(political involvement)中都可以按区域，按类型进行可视化。”在很多人看来，在一般情况下，模型检测，行动建议以及做出新决策都是数据分析活动的一部分。Wilgenbusch博士进一步进行了强调：“协同将为科学家探索未知领域提供了很好的机遇。”
可视化架构
可视化架构有四个关键组件：(1)计算集群组件，用于模拟或生成可视化数据流;(2)可视化集群组件，用于接收数据流并生成经过渲染的图形流;(3)一个或多个显示设备，用于渲染图形流;(4)互联架构，允许数据及图形在集群之间以及集群与显示设备之间进行传输。
平铺可视化墙
正如上文提及的，有效的显示分辨率及显示大小可以通过使用高分辨率的设备生成显示矩阵增加，而且该显示矩阵可以通过可视化集群提供的专用软件进行控制。可视化墙平铺显示并跨越很大的墙面范围。图7显示的一面可视化墙，位于美国犹他州德克萨斯高级计算中心(UT/TACC)，代号为Stallion， 是世界上所安装的最大可视化墙。该可视化墙面是15x5的高分辨率显示矩阵，提供了出众的3亿零7百万像素的绘图表面。
▲图7 UT/TACC Stallion可视化墙展示的银河系
诸如Stallion这样的平铺显示展示了显示挡板(display bezels)，正如UT/TACC的Gaither博士所说，显示挡板并不是一个明显的干扰。“通常来讲，视觉中心都在显示边缘整合图像。”挡板大小在将来可能减少，使其变得不再重要。在目前，与可视化墙等效的无缝显示成本过高而且在技术上可能并不可行。
无缝与非平铺可视化墙
传统的单个显示器的可视化显示都不是平铺的(non-tiled)。随着显示器大小及分辨率的增加，很快便受到了技术与成本的限制。一个不同的解决方案是使用单个大型投射显示器，通过对齐拼块(tiles)消除接缝，将平铺墙投射到大型屏幕上。大型投射显示器不是主动的单个显示墙，而是大量图像同时投射到显示墙的被动显示。佛罗里达州立大学的情况就是这样。根据 Wilgenbusch 博士所说，“我们的可视化墙是一个背光式屏幕。能够提供2D、3D显示效果。在佛罗里达州立大学，我们有一个大型的被动3D屏幕作为通用的接入资源。某些部门的工作站具有立体显示功能。这些部门可以在将开发迁移至与大型3D屏幕相关的计算机并展示给大量观众前，接入该被动3D屏幕展示原型系统。”除成本外，还需要考虑无缝可视化墙的一些其他问题。平铺墙都相对较浅，因为显示器是平面屏幕，背光式屏幕占用区域更大，在场地价格十分昂贵时是不可能使用背光式屏幕的。
在先进的科学可视化中，非平铺可视化墙正在全沉浸式3D环境中兴起。在全浸式3D环境中，研究人员处于可视化的“内部”。其中一个例子就是威尔康奈尔医学院的3D CAVE可沉浸环境。在CAVE中，用户能够有效地移动到数据结构或数据模型内部，并从多个视角进行查看。3D可沉浸平台作为虚拟现实环境的一个自然扩展，允许使用触摸式设备(例如，手套或套装)控制可沉浸环境中的相关对象。因为研究人员可以同时在相同的虚拟现实空间中，于是新的协作形式便自然而然地出现了。
研究人员正在使用CAVE这一开拓型实验在3D虚拟现实中探索核磁共振(MRIs)协同导航以及其他医学及科学应用。例如核磁共振(MRIs)协同导航允许神经外科医生移动大脑中的损伤或脑肿瘤，这样他们就能够设计最优的外科手术计划。这一技术应用前景广泛。图8表明研究人员在CAVE中摆pose，图9表明研究人员在3D虚拟现实中协作，对复杂的分子可视化进行分析。
▲图8. 研究人员在CAVE中摆pose
▲图9. 研究人员与蛋白质的3D模型交互
推荐阅读：高性能计算专区
