Przenośne programowanie równoległe architektur masywnie wielordzeniowych oraz samoadoptujące się aplikacje.
Numer projektu: 2017/26/D/ST6/00687
Finansowanie: Narodowe Centrum Nauki, SONATA 13
Dofinansowanie: 279 000 PLN
Okres realizacji: 2018-2022
Opis projektu:
Celem projektu jest zbadanie, zdecydowane ulepszenie oraz uproszczenie procesu dostosowania istniejących, równoległych aplikacji naukowych z zachowaniem gwarancji osiągnięcia wysokiej wydajności dla szerokiej gamy nowoczesnych systemów komputerowych. Nowatorski charakter projektu obejmuje opracowanie oryginalnych metod i algorytmów umożliwiających automatyczne dostosowanie aplikacji naukowych do różnorodnych platform obliczeniowych, z zachowanie wysokiej wydajności obliczeń. W szczególności, innowacyjny charakter rezultatów projektu będzie dotyczył: - oryginalnych metod dekompozycji i równoważenia obciążenia obliczeń równoległych dla systemów masywnie wielordzeniowych i architektur hybrydowych wykorzystujących procesory oraz akceleratory; - zaawansowanych modeli oceny i przewidywania wydajności obliczeń równoległych wykonywanych na homogenicznych oraz heterogenicznych architekturach równoległych; - innowacyjnych metod i algorytmów poszukiwania kompromisu oraz synergii pomiędzy obliczeniami i komunikacją; - samoadaptującego się dyspozytora zadań zapewniającego elastyczną dystrybucję obciążenia dla równoległych aplikacji naukowych na różnorodnych platformach komputerowych; - nowatorskich metod i algorytmów parametryzacji kodów równoległych z wykorzystaniem technik autotuningu, które dzięki zastosowaniu metod uczenia maszynowego zapewnią wysoki poziom automatycznej adaptacji algorytmów w szerokim zakresie platform obliczeniowych. Proponowane metody i algorytmy stanowią również istotny krok w kierunku rozwoju podstawowej wiedzy na temat automatyzacji procesu dostosowania istniejących aplikacji naukowych do szerokiej gamy nowoczesnych systemów obliczeniowych. W rezultacie powinny one umożliwić twórcom aplikacji naukowych pełniejsze wykorzystania dostępnej mocy obliczeniowej, dając wspaniałą okazją do przeprowadzania bardziej złożonych symulacji niż kiedykolwiek przedtem.