HSCAP: Hardware y software para computación de altas prestaciones

Con motivo de la reciente puesta en explotación en el Centro de Supercomputación de Galicia (CESGA) del supercomputador Finisterrae, nos enfrentamos a nuevos retos como la mejora de diversos aspectos de la computación de altas prestaciones.

Finisterrae es una arquitectura constellation compuesta por 142 nodos de memoria compartida con 16 núcleos Itanium más otros tres nodos ccNUMA con 64, 64 y 128 núcleos (es decir más de 2500 procesadores y 19.000 GB de memoria). Además, la reciente aparición de nuevas arquitecturas paralelas orientadas a la computación gráfica, como las nuevas GPUs de NVIDIA, posibilita el desarrollo e implementación de nuevos y más complejos algoritmos tanto en el campo de la computación gráfica como en el campo de la computación de propósito general y el desarrollo de arquitecturas multinúcleo híbridas con CPU y GPU.

Finalmente, la mejora de las unidades funcionales de los procesadores es también un aspecto importante para incrementar el rendimiento de los sistemas paralelos.

Objetivos

Mejora de rendimiento en arquitecturas multinúcleo híbridas CPU-GPU: modelado de la jerarquía de memoria; adaptación de las herramientas de análisis de rendimiento; y optimización de problemas de rendimiento en la jerarquía de memoria entre otros.
Computación gráfica y multimedia: mejora y extensión de nuestro algoritmo híbrido para visualización interactiva de terrenos digitalizados hasta obtener un método completo de redering multirresolución de modelos híbridos; desarrollo de técnicas para la implementación de tareas de la condificación de vídeo en arquitecturas altamente paralelas, Massively Parallel Processor Arrays (MPPAs) y FPGAs.
Diseño de unidades funcionales y aritmética del computador: mejora de las estimaciones hardware del error acumulado en las computaciones punto flotante y propuesta de nuevas estimaciones más precisas basadas en una representación optimizada de la aritmética de intervalos entre otros.

Con motivo de la reciente puesta en explotación en el Centro de Supercomputación de Galicia (CESGA) del supercomputador Finisterrae, nos enfrentamos a nuevos retos como la mejora de diversos aspectos de la computación de altas prestaciones.Finisterrae es una arquitectura constellation compuesta por 142 nodos de memoria compartida con 16 núcleos Itanium más otros tres nodos ccNUMA con 64, 64 y 128 núcleos (es decir más de 2500 procesadores y 19.000 GB de memoria). Además, la reciente aparición de nuevas arquitecturas paralelas orientadas a la computación gráfica, como las nuevas GPUs de NVIDIA, posibilita el desarrollo e implementación de nuevos y más complejos algoritmos tanto en el campo de la computación gráfica como en el campo de la computación de propósito general y el desarrollo de arquitecturas multinúcleo híbridas con CPU y GPU.Finalmente, la mejora de las unidades funcionales de los procesadores es también un aspecto importante para incrementar el rendimiento de los sistemas paralelos.<ul><li>Mejora de rendimiento en arquitecturas multinúcleo híbridas CPU-GPU: modelado de la jerarquía de memoria; adaptación de las herramientas de análisis de rendimiento; y optimización de problemas de rendimiento en la jerarquía de memoria entre otros.</li> <li>Computación gráfica y multimedia: mejora y extensión de nuestro algoritmo híbrido para visualización interactiva de terrenos digitalizados hasta obtener un método completo de redering multirresolución de modelos híbridos; desarrollo de técnicas para la implementación de tareas de la condificación de vídeo en arquitecturas altamente paralelas, Massively Parallel Processor Arrays (MPPAs) y FPGAs.</li> <li>Diseño de unidades funcionales y aritmética del computador: mejora de las estimaciones hardware del error acumulado en las computaciones punto flotante y propuesta de nuevas estimaciones más precisas basadas en una representación optimizada de la aritmética de intervalos entre otros. </li> </ul> - Dora Blanco Heras, Francisco Fernández Rivera, José Carlos Cabaleiro Domínguez, Tomás Fernández Pena, Óscar García Lorenzo