Основные научно-технические проблемы применения гибридных высокопроизводительных вычислительных комплексов в материаловедении

В статье рассматриваются вопросы применения гибридных высокопроизводительных комплексов для исполнения программных систем, предназначенных для расчета электронной структуры и моделирования материалов на атомном уровне. Современные программные системы, предназначенные для решения задач материаловедения используют для увеличения производительности возможности различных аппаратных ускорителей вычислений. Использование таких вычислительных технологий требуют адаптации программного кода приложений к гибридным вычислительным архитектурам, включающим в себя классические центральные процессоры (CPU) и специализированные графические ускорители (GPU).
Применение крупных вычислительных гибридных комплексов требует разработки методов обеспечения загрузки таких вычислительных комплексов, которые позволят эффективно использовать вычислительные ресурсы и избегать простоя оборудования. В первую очередь данные методы должны позволять обеспечивать параллельное выполнение пользовательских приложений, использующих ускорители вычислений. Однако, на практике программные среды, предназначенные для решения прикладных задач не могут быть развернуты в одной вычислительной среде из-за несовместимости программного обеспечения. С целью преодоления этого ограничения и обеспечения параллельного выполнения разнотипных задач материаловедения создание индивидуальных сред исполнения заданий на основе технологий виртуализации и облачных технологий.
Развитием технологий виртуализации и предоставления облачных сервисов является построение цифровых платформ. В статье предлагается использование цифровой платформы для размещения научных сервисов материаловедения, которые обеспечивают расчеты с использованием различных прикладных программных систем. Цифровые платформы позволяют предоставить единый интерфейс пользователей к научным сервисам материаловедения. Платформа предоставляет возможности по поиску необходимых научных сервисов, передаче исходных данных и результатов между пользователями, платформой и гибридными высокопроизводительными комплексами.

высокопроизводительный вычислительный комплекс, гибридная архитектура, графический ускоритель

1. Абрамов С. М., Лилитко Е. П. Состояние и перспективы развития вычислительных систем сверхвысокой производительности // Информационные технологии и вычислительные системы. 2013. № 2. С. 6—22.

2. Журавлев А. А, Ревизников Д. Л., Абгарян К. К. Метод дискретных элементов с атомарной структурой. Материалы XXI международной конференции по вычислительной механике и современным прикладным программным системам (ВМСППС’2019). Москва, 2019. С. 59—61.

3. Микурова А. В., Скворцов В. С. Создание обобщённой модели предсказания ингибирования нейраминидазы вируса гриппа различных штаммов // Биомедицинская химия. 2018. Т. 64, Вып. 3. С. 247—252. DOI: 10.18097/PBMC20186403247

4. Микурова А. В., Скворцов В. С., Раевский О. А. Компьютерная оценка селективности ингибирования мускариновых рецепторов M1-M4 // Biomedical Chemistry: Research and Methods. 2018. Т. 1, № 3. С. e00072. DOI: 10.18097/BMCRM00072

5. Vouzis P. D., Sahinidis N. V. GPU-BLAST: using graphics processors to accelerate protein sequence alignment // Bioinformatics. 2011. V. 27, Iss. 2. P. 182—188. DOI: 10.1093/bioinformatics/btq644

6. Горчаков А. Ю., Малкова В. У. Сравнение процессоров Intel Сore-i7, Intel Xeon, Intel Xeon Phi и IBM Power 8 на примере задачи восстановления начальных данных // International Journal of Open Information Technologies. 2018. Т. 6, № 4.

7. Volkov S., Sukhoroslov O. V. Simplifying the use of clouds for scientific computing with Everest // Procedia Computer Science. 2017. V. 119. P. 112—120. DOI: 10.1016/j.procs.2017.11.167

8. Волович К. И., Зацаринный А. А., Кондрашев В. А., Шабанов А. П. О некоторых подходах к представлению научных исследований как облачного сервиса // Системы и средства информ. 2017. Т. 27, № 1. С. 73—84. DOI: 10.14357/08696527170105

9. Горчаков А. Ю. Использование OPENMP для реализации многопоточного метода неравномерных покрытий // Перспективные информационные технологии (ПИТ 2018). Тр. Международной научно-технической конференции. Самара: Изд-во Самарского научного центра РАН, 2018. С. 613—616.

10. Волович К. И., Денисов С. А., Мальковский С. И. Формирование индивидуальной среды моделирования в гибридном высокопроизводительном вычислительном комплексе // Материалы I международной конференции «Математическое моделирование в материаловедении электронных компонентов. МММЭК-2019». М.: МАКС-Пресс, 2019. С. 21—24.

11. Afanasyev I., Voevodin V. The comparison of large-scale graph processing algorithms implementation methods for Intel KNL and NVIDIA GPU // ) Supercomputing. RuSCDays 2017. Communications in Computer and Information Science. Springer, Cham, 2017. V. 793. P. 80—94. DOI: 10.1007/978-3-319-71255-0_7

12. Ding F., Mey D., Wienke S., Zhang R., Li L. A Study on today’s cloud environments for HPC applications // Third International Conference, CLOSER 2013. Cloud Computing and Services Science. Berlin (Germany): Springer, 2014. P. 114—127. DOI: 10.1007/978-3-319-11561-0_8

13. Zatsarinny A. A., Gorshenin A. K., Kondrashev V. A., Volovich K. I., Denisov S. A. Toward high performance solutions as services of research digital platform // Procedia Computer Science. 2019. V. 150. P. 622—627. DOI: 10.1016/j.procs.2019.02.078

14. Зацаринный А. А., Горшенин А. К., Волович К. И., Колин К. К., Кондрашев В. А., Степанов П. В. Управление научными сервисами как основа национальной цифровой платформы «Наука и образование» // Стратегические приоритеты. 2017. № 2. С. 103—113.

15. Кондрашев В. А., Волович К. И. Управление сервисами цифровой платформы на примере услуги высокопроизводительных вычислений // Материалы Международной научной конференции. Воронеж, 2018.

16. Карцев А., Мальковский С. И., Волович К. И., Сорокин А. А. Исследование производительности и масштабируемости пакета Quantum ESPRESSO при изучении низкоразмерных систем на гибридных вычислительных системах // Материалы I международной конференции «Математическое моделирование в материаловедении электронных компонентов. МММЭК-2019». М.: МАКС-Пресс, 2019. C. 18—21.

17. Berriman G. B., Deelman E., Juve G., Rynge M., Vöckler J.-S. The application of cloud computing to scientific workflows: a study of cost and performance // Phil. Trans. R. Soc. A. 2013. V. 371, Iss. 1983. DOI: 10.1098/rsta.2012.0066

18. Якобовский М. В., Бондаренко А. А., Выродов А. В., Григорьев С. К., Корнилина М. А., Плотников А. И., Поляков С. В., Попов И. В., Пузырьков Д. В., Суков С. А. Облачный сервис для решения многомасштабных задач нанотехнологии на кластерах и суперкомпьютерах // Известия ЮФУ. Технические науки. 2016. № 12. C. 103—114. DOI: 10.18522/2311-3103-2016-12-103114

19. Горчаков А. Ю., Посыпкин М. А. Cравнение вариантов многопоточной реализации метода ветвей и границ для многоядерных систем // Современные информационные технологии и ИТ-образование. 2018. Т. 14, №. 1. С. 138—148. DOI: 10.25559/SITITO.14.201801.138-148

20. Положение о ЦКП «Информатика». URL: http://www.frccsc.ru/ckp (дата обращения: 22.01.2020).