Barcelona, Noviembre, 2006

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Barcelona, Noviembre, 2006"

Alfredo García Macías
hace 8 años
Vistas:

1 MATHEMATICA COMPUTING Y NODO CESGA

3 #&" #&'#!"#$%

4 !! #( # #! #!!"#( ) ( # )!*!# ) #!! )!! # & " +,!! # # #

5 CESGA Ser v i ces!" #$ % & &'

6 .2!! %(! ) *+, (*+ *- -. *+ /$(!. *+ /, 01 %%2- + (! 3+ NUESTRA POLÍTICA "+$- 0-45, 66! $ 78! $.+/+"&

7 : % % % 9"45 $7++: 3(5'67$ 04(0'67$ 03'67$ 1(;'67$ 50+=?+$ 30 $2 33 9"%3 =+7> <6' 3% $<+7/+ 34 $2 1(1'67$ ;4'67$ 0;'67$ ;8'67$ 503'67$

8 #&6455 ;!6557 3(5'67$(5= A 0 $ A 045!> 3%-$<+7/+ ;8'67$%84= A 0 $ A 33!>

9 * 655< )$9"3 0.:=*> :?' 0 0 Joint Venture of

10 * :4=;0 ; A..# %;*%;%' ;AB :@ :6C D:564' :@ :6C D7C4' D:6C' $7+@ 4 D4'2 66 A ?5' B :')!) MORE TECHNICAL INFORMATION ON REQUEST

D7C4' :46 @:= D:6C' $7+@ 6 @ 4 D4'2 66 A.

11 >E 1 Reto científico computacional en Matemáticas a ejecutar en FinisTerrae. Fecha de ejecución: tercer-cuarto trimestre de 2007 Condiciones: Científicamente o Tecnológicamente interesante. Validado por CD. Necesitado de la arquitectura del FinisTerrae Un investigador del equipo en CESGA durante la preparación/ejecución. Basado en software libre y gratuito o, preferiblemente, propio. Soporte del CESGA para la migración/programación

12 ALGUNOS RETOS COMPUTACIÓN Latencia memoria Consumo excesivo Absorber nuevos paradigmas: MultiThreading, MultiCore Compiladores más eficientes (fundamentales en Itanium II) Algoritmos más eficientes Paralelización más sencilla: Time-to-Solution

Compiladores más eficientes (fundamentales en Itanium II)

13 RETOS COMPUTACIÓN: La te ncia acces o memo ria '( )! * Ciclos perdidos aumentan!"#$ %!!& Fuente:Paco Tirado

14 Cache L2: >80% PICO Cache L3: < 30% PICO Memoria: < 10% PICO Objetivo: Reducir fallos caché. Mejorar rendimiento.

15 Mayor PageSize, Menos Fallos TLBs

16 ' Speed-up > 2 Ejemplo cálculo en Gaussian Incore 256 bases Objetivo: Reducir fallos TLB. Ver GotoBlas:

17 -#%>D%$;)!).D D.D655= F) +F&$! )!! D!2 )( :&&2 0(! 0$ + ;#F! (G!+2 +F&$! Calidad de los resultados proporcional al nº de moléculas y al nº de configuraciones 3000 moléculas y 109 configuraciones Código desarrollado y compilado por el usuario Tiempo estimado 1CPU en el HPC320 > 3 años. Código no paralelizable y algoritmo adecuado

3000 moléculas y 109 configuraciones Código desarrollado y compilado por el usuario

18 @ Profile del código para identificar partes más costosas Extracción de subexpresiones comunes Reordenamiento de matrices Opciones del compilador Búsqueda arquitectura más óptima A Tiempo! Procesador: Opteron Compilador: Pathscale Opciones: -Ofast -cpp -m64 -static-data Tiempo necesario 2 meses

compilador Búsqueda arquitectura más óptima A Tiempo!

19 Ejecución de aplicaciones y almacenamiento utilizando recursos sobrantes de cada Grupo. Heterogeneidad, problemas portabilidad ejecución. Ver: crlibm "+$ < 0

20 >E ),!($. -!!!1655< : Matemática Computacional: compilación, ejecución y optimización de programas. (15h, 25 alumnos) Programación de códigos paralelos utilizando MPI. (15h, 25 alumnos) Arquitecturas cluster para computación matemática. (20h, 10 alumnos) Programación paralela utilizando directivas OpenMP. (15h, 25 alumnos) 8. $

programas. (15h, 25 alumnos) Programación de códigos paralelos utilizando MPI.

21 >E 2A Objetivos: Localizar las herramientas existentes de software libre para la matemática computacional necesarias para los grupos del proyecto, incluyendo una evaluación de la misma. Incrementar la visibilidad internacional del software de matemática computacional, generalista o especializado, desarrollado por los grupos de investigación del proyecto.

22 >E E0 % Objetivos: Crear una infraestructura estable que interconecte los recursos de los grupos involucrados en Mathematica. Ejecución de aplicaciones utilizando recursos sobrantes de otros grupos En el CESGA instalación de un cluster con 10 CPUs interconectados con Gigabit Ethernet como nodo dedicado y estable con dedicación total al Grid-MATHEMATICA.

23 >E Objetivos: CESGA puede prestar servicios de soporte de alto nivel a técnicos e investigadores para mantener operativos correctamente los recursos computacionales existentes en cada centro. Optimización aplicaciones desarrolladas por los grupos.

24 The project: a web-based tool for Monte Carlo optimization and verification of treatment plans J. Pena 1, F. Gómez 1, D. González-Castaño 1, A. Gómez 2, C. Fernández 2, J. C. Mouriño 2, F. J. González-Castaño 3, D. A. Rodríguez-Silva 3, M. Pombar 4 1 Departamento de Física de Partículas, University of Santiago de Compostela, Spain 2 Fundación Centro Tecnolóxico de Supercomputación de Galicia (CESGA), Santiago de Compostela, Spain 3 Departamento de Ingeniería Telemática, University of Vigo, Spain 4 Hospital Clínico Universitario de Santiago, Santiago de Compostela, Spain Financed through Xunta de Galicia project PGIDT05SIN00101CT and partially by the European Social Fund

25 PROPUESTA 5: Sopor t e téc nico What is the project? It is a project to develop a remote computational platform for treatment VERIFICATION and OPTIMIZATION Hospital Internet What is NOT?? Commercial // TPS substitute

26 Three major components (services): Treatment VERIFICATION (Monte Carlo) Treatment OPTIMIZATION (CRT & IMRT) Treatment RESERVOIR: case studies and interesting treatments General requirements Simple, user friendly and algorithmindependent Lowest possible human intervention Run on low-end hardware & software (client side) Anonimization of patient DICOM files Under development!

27 Unconstrained optimization model derived from Wu & Mohan Med. Phys Quasi-Newton minimization. Alternating Quasi-Newton stages with heuristics to vary the weights of the constraints Getting multiple solutions. New optimization models welcome! Under development!

28 !!# Problema: Tráfico P2P es perjudicial para las redes de investigación. Es necesario detectarlo y, en su caso, eliminarlo. No es posible capturar y procesar todo el tráfico a 2.5Gbp/s Objetivos: Solución independiente de la tecnología Transparente al usuario (no agresivo) Evitar falsos positivos F.J. González-Castaño et.al., CIMSA 2006, pag. 103

29 !!# %% Inocente Culpable F.J. González-Castaño et.al., CIMSA 2006, pag. 103

30 FIN

Documentos relacionados

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS CNCA Abril 2013 6. COMPUTACIÓN DE ALTO RENDIMIENTO Ricardo Román DEFINICIÓN High Performance Computing - Computación de Alto Rendimiento Técnicas, investigación