Тип |
Грид, распределенные вычисления, волонтёрские вычисления |
---|---|
Разработчик |
ИМФ НАНУ |
Операционная система | |
Первый выпуск | |
Аппаратная платформа |
XtremWeb-HEP, OurGrid |
Состояние |
Альфа |
Сайт |
dg.imp.kiev.ua |
SLinCA@Home (Scaling Laws in Cluster Aggregation — Масштабно-инвариантные закономерности в агрегации кластеров) — это научно-исследовательский проект, который использует компьютеры, соединенные глобальной сетью Интернет, для исследований в области материаловедения.
Содержание
|
SLinCA@Home основан группой научных сотрудников из Института металлофизики им. Г. В. Курдюмова (ИМФ) Национальной академии наук Украины (НАНУ), Киев, Украина. Этот проект использует программное обеспечение Berkeley Open Infrastructure for Network Computing (BOINC), платформу SZTAKI Desktop Grid, и API для распределенных вычислений (DC-API) от SZTAKI. SLinCA@Home включает несколько научных приложений посвященных поиску масштабно-инвариантных закономерностей в экспериментальных данных и результатах компьютерного моделирования.
Проект SLinCA@Home ранее был запущен в январе 2009 г. как часть проекта EDGeS Седьмой Рамочной Программы (Seventh Framework Programme — FP7) «Настольного Грида» (НГ) ИМФ, но с декабря 2010 года использует инфраструктуру ИМФ IDGF и Distributed Computing team 'Ukraine'. С июня 2010 SLinCA@Home работает в рамках проекта DEGISCO FP7 ЕС.
Сейчас SLinCA@Home имеет статус альфа-версии, что связано с постепенной модернизацией серверной и клиентской частей.
По неофициальной статистике BOINCstats (по состоянию на 16 марта 2011) более 2000 волонтёров из 39 стран приняли участие в проекте, сделав его вторым по популярности BOINC проектом в Magnetism@Home, который сейчас не активен).[1] Около 700 активных пользователей обеспечивают приблизительно 0.5-1.5 TFLOPS[2] вычислительной мощности, которая позволила бы SLinCA@Home попасть в лучшую 20-ку списка TOP500 суперкомпьютеров … по состоянию на июнь 2005 года.[3]
Сейчас, одно приложение SLinCA@Home), а три других (Настольном Гриде (НГ) ИМФ.
Проект SLinCA@Home был создан для поиска неизвестных ранее масштабно-инвариантных закономерностей по результатам экспериментов и моделирования в следующих научных приложениях
Тип |
Грид, распределенные вычисления, волонтёрские вычисления |
---|---|
Разработчик |
ИМФ НАНУ |
Написана на | |
Операционная система | |
Первый выпуск | |
Аппаратная платформа |
XtremWeb-HEP, OurGrid |
Состояние |
Активный |
SLinCA (Scaling Laws in Cluster Aggregation) является первым приложеним портированным на DG инфраструктуру лабораторией физики деформационных процессов ИМФ НАНУ. Ее целью является найти законы масштабной инвариантности в кинетическом сценарии агрегации мономера в кластерах различных видов и в различных научных областях.
Процессы агрегации кластеров исследуются во многих отраслях науки: агрегации дефектов в материаловедении, динамике популяций в биологии, росте и развитии городов в социологии, и т. д. Существующие экспериментальные данные свидетельствуют о наличии иерархической структуры на многих масштабных уровнях. Имеющиеся теории предлагают множество сценариев агрегации кластеров, формирования иерархических структур, и объяснения их масштабно-инвариантных свойств. Для их проверки необходимо использовать мощные вычислительные ресурсы для обработки огромных баз данных экспериментальных результатов. Обычное моделирование одного процесса агрегации кластеров с 106 мономерами занимает приблизительно 1-7 дней на одном современном процессоре, в зависимости от числа шагов в методе Монте-Карло. Выполнение SLinCA в Грид в инфраструктуре распределенных вычислений (ИРВ), позволяет использовать сотни машин с достаточной вычислительной мощностью для моделирования множества сценариев за гораздо более короткие сроки.
Типичные технические параметры для запуска SLinCA@Home):
Предварительные результаты приложения SLinCA были получены на XtremWeb-HEP LAL; опубликованы в 2009 в стендовом докладе 4th EDGeS training event and 3rd AlmereGrid Workshop, Алмере, Нидерланды (29-30 Марта, 2009).[4]
Текущая версия приложения SLinCA будет обновлена для стабильности чекпоинтов, новой функциональности и поддержки OurGrid для тестирования и демонстрации потенциальных механизмов взаимодействия между мировими сообществами с различными парадигмами OurGrid, ориентированную на поддержку «Настольного Грида» (НГ), как SZTAKI Desktop Grid.
Тип |
Грид, распределенные вычисления, волонтёрские вычисления |
---|---|
Разработчик |
ИМФ НАНУ (оболочка для среды РВ), Mathworks (библиотеки MATLAB) |
Написана на | |
Операционная система | |
Первый выпуск | |
Аппаратная платформа |
XtremWeb-HEP |
Состояние |
Альфа |
Оптическая микроскопия обычно используется для анализа структурных характеристик материалов в узких диапазонах увеличения, небольшой исследуемой области, и в статическом режиме. Однако множество критических процессов, связанных с началом и динамическим распространением разрушения наблюдаются в широком временном диапазоне от 10−3 с до 103 с и на многих масштабних уровнях от 10−6 м (одиночные дефекты) до 10−2 м (связанные сети дефектов). Приложение Multiscale Image and Video Processing (MultiscaleIVideoP) предназначено для обработки записанной эволюции материалов во время механической деформации на испытательной машине. Расчеты включают в себя множество параметров физического процесса (скорость, усилие, увеличение, условия освещения, аппаратные фильтры, и т. д.) и параметров обработки изображения (распределение по размерам, анизотропия, локализации, параметры масштабирования и т. д.). А потому расчеты очень трудоемки и выполняются очень медленно. Вот почему появилась крайняя необходимость использования более мощных вычислительных ресурсов. Выполнение этого приложения в инфраструктуре распределенных вычислений (ИРВ), позволяет использовать сотни машин с достаточной вычислительной мощностью для обработки изображений и видео в более широком диапазоне масштабов и за гораздо более короткие сроки.
Типичные технические параметры для запуска Настольном Гриде (НГ) ИМФ:
Предварительные результаты приложения MultiScaleIVideoP были получены на XtremWeb-HEP LAL; опубликованы в 2009 в стендовом докладе 4th EDGeS training event and 3rd AlmereGrid Workshop, Алмере, Нидерланды (29-30 Марта, 2009).[5]
В январе, 2011 были получены и опубликованы дальнейшие результаты обработки данных видеонаблюдения в ходе экспериментов с циклическим стесненным нагружением алюминиевой фольги.[6]
Текущая версия приложения MultiScaleIVideoP будет обновлена для стабильности чекпоинтов, новой функциональности и поддержки NVIDIA GPU-расчетов для выполнения анализа быстрее (по оценкам от 300 до 600 % быстрее).
Тип |
Грид, распределенные вычисления, волонтёрские вычисления |
---|---|
Разработчик |
ИМФ НАНУ |
Написана на | |
Операционная система | |
Первый выпуск | |
Аппаратная платформа | |
Состояние |
Альфа |
Известно, что рост городов (муниципалитетов, округов и т. д.) объясняется миграцией, слиянием, ростом населения и т. д. Так замечено, что распределение городов по их размерам во многих странах подчиняется степенному закону. Эта зависимость подтверждается данными для популяций в различных городах в период их начальной истории. Население во всех крупных городах растет гораздо быстрее, чем страна в целом за значительный диапазон времени. Однако, как и в городах достигших зрелости, их рост может замедлиться или количество населения может даже снизиться по причинам, не связанным с миграцией в еще большие города. Различные теории дают темпы роста, асимптотики, и распределения таких групп населения. Важной особенностью приложения является сравнение имеющихся теорий с данными наблюдений и прогнозирования сценариев динамики устойчивого роста населения для различных национальных и международных регионов. Приложение City Population Dynamics and Sustainable Growth (CPDynSG) позволяет исследовать связь между огромным объемом экспериментальных данных и найти качественное соответствие между предсказаниями разных моделей и имеющимися историческими данными.
Типичные технические параметры для запуска Настольном Гриде (НГ) ИМФ инфраструктуры:
В июне-сентябре 2010 года были получены результаты в отношении концепции, результатов портирования Cracow Grid Workshop’10 (11-13 октября, 2010) в устном и стендовом [7] докладах. Представленный стенд был отмечен наградой «За лучший стендовый доклад Cracow Grid Workshop’09».
Текущая версия приложения CPDynSG будет обновлена для стабильности чекпоинтов, новой функциональности и поддержки NVIDIA GPU-расчетов для выполнения анализа быстрее (по оценкам от 50 до 200 % быстрее).
Тип |
Грид, распределенные вычисления, волонтёрские вычисления |
---|---|
Разработчик |
ИМФ Sandia National Laboratories (LAMMPS itself) |
Написана на | |
Операционная система | |
Первый выпуск | |
Аппаратная платформа | |
Состояние |
Альфа |
Поиск новых LAMMPS «Large-scale Atomic/Molecular Massively Parallel Simulator» (LAMMPS) от Sandia National Laboratories как кандидат для портирования в инфраструктуру распределенных вычислений (ИРВ) на основе платформы Berkeley Open Infrastructure for Network Computing (BOINC), SZTAKI Desktop Grid, и API для распределенных вычислений (DC-API) от SZTAKI. Как правило, для такого моделирования нанообъектов со многими параметрами требуется чрезвычайно много вычислительных ресурсов. Типичное моделирование исследуемых наноструктур для одной конфигурации физических параметров — например, для моделирования физических процессов в течение 1-10 пикосекунд металлических монокристаллов (Al, Cu, Mo, итд.) с 107 атомов — требуется приблизительно 1-7 дней на одном современном ЦПУ. Выполнение LAMMPS в Грид в инфраструктуре распределенных вычислений (ИРВ) позволяет использовать сотни машин одновременно и получить огромное количество вычислительных ресурсов для проведения моделирования в широком диапазоне физических параметров (конфигураций) и в гораздо более короткие сроки.
Типичные технические параметры для запуска Настольном Гриде (НГ) ИМФ:
В сентябре-октябре 2010 полученные предварительные результаты были представлены в устной презентации на Международной Конференции «Наноструктурные материалы-2010», Киев, Украина [8]
Текущаяя версия LAMMPS с применением ИРП приложения будет обновлена для стабильности чекпоинтов, новой функциональности и поддержки NVIDIA GPU-расчетов для выполнения анализа быстрее (по оценкам от 300 до 500 % быстрее).
SLinCA@Home сотрудничает с
SLinCA@Home.