Informatikstudien der Universität Wien

Transkript

1 Orientierungsveranstaltungen 2010 Informatikstudien der Universität Wien Scientific Computing 8. Oktober 2010 Ao.Univ.-Prof. Dipl.-Ing. Dr. Siegfried Benkner Priv.-Doz. Dipl.-Ing. Dr. Wilfried Gansterer Fakultät für Informatik Universität Wien

2 Scientific Computing Orientierung zum Studium Inhalte des Studiums Anwendungsbereiche des Scientific Computing Technologien und Infrastrukturen Berufsbilder Organisatorisches, Fragen

3 Scientific Computing Inhalte Algorithmen Komplexität, effiziente i Implementierung, Datenorganisation, ti etc. Software effizientes Abbilden von Algorithmen auf Hardware Hardware Konzepte und Eigenschaften aktueller und zukünftiger Hardwareplattformen (der Formel 1 unter den Computersystemen) t Infrastrukturen, Technologien für das Computing (Computermodellierung, -simulation, etc.) als dritte Säule des Erkenntnisgewinns (neben Theorie und Experiment) in verschiedensten Wissenschaftsbereichen

4 Aktuelle Herausforderungen Enorme Datenmengen (Stand 2008!) 20 Tera(10 12 )byte Foto upload auf Facebook/Monat 120 Terabyte Datensammlung des Hubble Teleskops 460 Terabyte Wetterdaten im National Climatic Data Center (USA) 530 Terabyte alle Videos auf YouTube 1 Peta(10 15 )byte von Google in 72 Min. verarbeitete Datenmenge Seit 2007 generieren wir pro Jahr mehr neue Daten Seit 2007 generieren wir pro Jahr mehr neue Daten als alle bis dahin existierenden Daten!

5 Aktuelle Herausforderungen Hardwareentwicklungen Massiver Parallelismus auf mehreren Ebenen (in einem Chip, zwischen Chips, zwischen Knoten, etc.) Verstärkte Integration von spezialisierten Chips, teilweise als Beschleuniger (Cell Prozessor, GPUs, FPGAs, etc.) Immer stärkeres Auseinanderklaffen zwischen theoretischer Maximalleistung der Hardware (die ungebrochen rasch anwächst) und praktisch erzielter Leistung

6 Aktuelle Herausforderungen Software Wie können wir Software und Toolkits für die effiziente Verwendung Wie können wir Software und Toolkits für die effiziente Verwendung der immer komplexer werdenden Hardwareinfrastruktur entwickeln?

7 Aktuelle Herausforderungen Multi-/Interdisziplinarität Problemstellungen, die im Scientific Computing auftreten, betreffen üblicherweise mehrere Wissenschaftsdisziplinen (Multidisziplinarität) p Unterschiedliche Kulturen Unterschiedliche Terminologien Unterschiedliche Organisationsstrukturen Kommunikation und Interaktion besonders wichtig!

8 Anwendungsbereiche des Scientific Computing Es gibt viele Bereiche, wo Methoden des Scientific Computing eine (oft sehr wichtige) Rolle spielen Tendenz steigend! Unterstützung und Ergänzung von Theorie und Experiment Grundlegende Arten von Anwendungsbereichen: Modellbasiert datenbasiert Makroskopisch mikroskopisch

9 Anwendungsbeispiele Die folgende Sammlung von Anwendungsbeispielen erhebt keinen Anspruch auf Vollständigkeit Gewählte Reihenfolge: zuerst allgemeine Beispiele gegen das Ende diejenigen Anwendungsbereiche, die (derzeit) im Studium vertreten sind bzw. in denen es Forschungsaktivitäten an der Fakultät für Informatik gibt Im Rahmen des Studiums vertiefen Sie Ihr Wissen in einem Anwendungsfach Ihrer Wahl (z.b. Computational Life Sciences, Molecular Modeling, etc.) Die unterrichtete Methodik ist aber in vielen Bereichen anwendbar!

10 Anwendungen Scientific Computing (Beispiele) Wetter-, Klimaforschung Wettervorhersage, Tornadovorhersage, Klimaveränderungen, Experiment nicht möglich oder zu kostspielig Beispiele: movie Earth Simulator, Simulation Supertwister Geowissenschaften Erdbebenmonitoring und vorhersage, Strömungsmechanik Luftwiderstand (Ergänzung/Ersatz Windkanal), Turbulenzen, Schockwellen, Schadstoffausbreitung, Simulation von Verbrennungsmotoren, Physik Materialwissenschaften i (z.b. Entwicklung von supraleitenden Materialien), Struktureigenschaften, magnetische Eigenschaften, etc. von Materialien,

11 Anwendungen Scientific Computing (Beispiele) Struktur- und Designberechnungen Belastungen, Deformationen, Bruchstellen, Experiment zu kostspielig oder sehr aufwändig Beispiele: Flugzeugbau (BOEING 777 als erstes Flugzeug 100%ig am Computer entwickelt), Simulationen von Crashtests Ingenieurwissenschaften Verkehrsinfrastrukturplanung, Verkehrsmodellierung, erneuerbare Energien, Simulationen zur Lokalisierung von Ölreserven, Wirtschaft, Unternehmungen Vorhersage Wirtschaftsentwicklung, Management komplexer Informationsflüsse, Materialien, Finanzen, Logistik, supply chains, Finanzwirtschaft Makro- und mikroskopische k i Analyse und Vorhersage für Finanzmärkte,

12 Anwendungen Scientific Computing (Beispiele) Astronomie Entwicklung von Galaxien, Sternen, nicht experimentell reproduzierbar, schwer meßbar Biologie, Medizin Entschlüsselung des menschlichen Genoms, Seuchenausbreitung, Suche nach Impfstoffen, Modellierung von Atemwegserkrankungen durch Umwelteinflüsse, Experiment nicht möglich, zu gefährlich oder zu kostspielig [Anknüpfungspunkte zur Medizininformatik, Bioinformatik] Pharmakoinformatik Informationstechnologie für Medikamentendesign und entwicklung, Proteindynamik, Experiment zu gefährlich oder zu kostspielig

13 Pharmakoinformatik Verwendung von Informationstechnologien für pharmazeutische Probleme Target Identification and Validation For human ABC-transporter, the dataset of Gottesman is the main source for substrate patterns. For infectious deseases targets are identified via screening of bacterial and fungal genomes for ABCpumps. Considerations on drugability includes analysis of the regulatory networks Hit Identification Hit identification comprises use of artificial neural networks, autocorrelation vectors and VolSurf descriptors Protein-Protein Interactions Selectivity profiling is performed on a on a systemic level and includes modeling of protein-protein interactions. Virtual Screening Virtual screening of large compound libraries is performed on basis of our recently developed SIBARtechnology, which utilises similarity based algorithms. Structure based Design Up to now no high resolution structure of a human ABC- transportert is available. Photoaffinity it labeling li and protein homology modeling pave the way for structure-based design and molecular basis of function. Lead Optimisation For lead optimisation, we use conventional 2D- and 3D-QSAR methods as well as pharmacophore modeling and molecular holograms

14 Pharmakoinformatik Verwendung von Informationstechnologien für pharmazeutische Probleme Target Identification and Validation For human ABC-transporter, the dataset of Gottesman is the main source for substrate patterns. For infectious deseases targets are identified via screening of bacterial and fungal genomes for ABCpumps. Considerations on drugability includes analysis of the regulatory networks Hit Identification Hit identification comprises use of artificial neural networks, autocorrelation vectors and VolSurf descriptors Protein-Protein Interactions Selectivity profiling is performed on a on a systemic level and includes modeling of protein-protein interactions. Virtual Screening Virtual screening of large compound libraries is performed on basis of our recently developed SIBARtechnology, which utilises similarity based algorithms. Structure based Design Up to now no high resolution structure of a human ABC- transportert is available. Photoaffinity it labeling li and protein homology modeling pave the way for structure-based design and molecular basis of function. Lead Optimisation For lead optimisation, we use conventional 2D- and 3D-QSAR methods as well as pharmacophore modeling and molecular holograms

15 Anwendungen Scientific Computing (Beispiele) Information Retrieval Informationsgewinn aus grossen Datenmengen, Internet- Suchmaschinen (z.b. Google),... Chemie Berechnung und Simulation von Teilchenstruktur und dynamik, Modellierung von Molekülen, Phänomene, die nicht oder nur sehr schlecht messbar sind Beispiele: Quantenchemie, Molekulardynamik und Biomolekulare Simulation

16 Molekulardynamik

17 Molekulardynamik

18 Molekulardynamik

19 Molekulardynamik

20 Weitere Anwendungsbeispiele LVA-Hinweis: VU Einführung in Scientific Computing Anwendungen und Algorithmen VU, DO 12:00-14:00, HS 24 HG (empfohlen im 3. Semester)

21 Forschungsaktivitäten in der Fakultät Institut für Scientific Computing Ao. Univ.-Prof. Benkner Research Lab Computational Technologies and Applications Priv.-Doz. Gansterer Forschungsplattform Computational Science Center an der Universität Wien Gemeinsam mit der Fakultät für Mathematik Inverse Probleme, Bildverarbeitung, Modellierung Univ.-Prof. Scherzer

22 Forschungsaktivitäten in der Fakultät Research Lab Computational Technologies and Applications CPAMMS: Computing Paradigms and Algorithms for Molecular Modeling and Simulation: Applications in Chemistry, Molecular Biology, and Pharmacy Computational Drug Design, in-silico drug screening DICIP: Distributed Computing and Information Processing Verteilte Algorithmen, Signalverarbeitung, Sensornetzwerke, Mobilnetzwerke MixSVM: Mixed-Precision i i Support Vector Machine Classification i on FPGAs Bildklassifikation in Echtzeit für automatische Materialsortierung, Mülltrennung, etc. Computational Biology, Bioinformatik

23 Forschungsaktivitäten in der Fakultät Institut für Scientific Computing Ao. Univ.-Prof. Benkner Research Lab Computational Technologies and Applications Priv.-Doz. Gansterer Forschungsplattform Computational Science Center an der Universität Wien Gemeinsam mit der Fakultät für Mathematik Inverse Probleme, Bildverarbeitung, Modellierung Prof. Scherzer

24 Scientific Computing Infrastrukturen Komplexe wissenschaftliche/technische Simulationen erfordern den Einsatz von Hochleistungsrechnern ( Prozessoren) Supercomputer spezielle Hardware; eng gekoppelt Cluster handelsübliche Hardware; lose gekoppelt Grids globale Vernetzung von IT-Resourcen; virtueller it Supercomputer Clouds Virtualisierung von IT Reserourcen; on-demand, Software-as-a-Service (SaaS),

25 Top 500 Supercomputer Juni

26 Cray Jaguar ORNL Prozessorcores 300 TB Memory 13PFlop/s 1.3 (1.3 Billiarden Gleitkommaberechnungen / sec) Peak Performance: 2,3 Petaflops (2.3 Billiarden Berechnungen/sec) System Memory: 300 Terabytes Disk Space: 10 Petabytes Processor Cores:

27 JUGENE - IBM Blue Gene/P Jülich Supercomputing Center Prozessor Cores GB Memory 1002 TFlop/s (1002 Billionen Gleitkommaberechnungen / sec)

28 IBM Roadrunner Erster Petaflops-Rechner Los Alamos National Lab Hybrider Supercomputer Cores Dual-Core Opterons Cell edp Prozessoren 104 TB Memory 13PFlop/s 1.3 (1.3 Billiarden Gleitkommaberechnungen / sec)

29 Cell Broadband Engine Cell edp: GF/s double precision

30 Entwicklung der Rechenleistung Quelle: Jack Dongarra

31 Performance Requirements Global Climate Simulation Refining global climate models below 100 km resolution requires TF/s. Japanese Earth Simulator Protein Folding Simulating 100 microseconds of protein folding requires ~10 23 operations. ~ 10 years on fastest supercomputer Orders of magnitude more performance required than available.

32 Software für Hochleistungsrechner Um die Rechenleistung von parallelen Computern nützen zu können, müssen Anwendungsprogramme parallelisiert werden. Parallelisierung Aufteilung der Daten Aufteilung der Arbeit Kommunikation/Synchronisierung Parallele Programmiermodelle/Sprachen MPI, OpenMP, HPF, UPC, Parallele Programmbibliotheken LAPACK, ScaLAPACK, Programmentwicklung/adaptierung für Parallelrechner ist komplex, zeitaufwendig und kostenintensiv! ( no free lunch for software )

33 Prozessoren Zukünftige Entwicklung Steigerung der Taktfrequenz stößt an Grenzen Multi-core Technologie: mehrere Prozessorkerne/Chip Konvergenz von CPU und GPU Technologien Parallel computing on everyone s desktop Große Herausforderung an Anwendungssoftware! ngssoft Intel processor architecture evolution.

34 Prozessoren Zukünftige Entwicklung Intel SCC (2010) Tilera Tile-Gx (2010) Intel MIC (2011) NVIDIA Fermi (2010)

35 Grid Computing globale Infrastruktur zur sicheren, flexiblen, koordinierten Nutzung verteilter Ressourcen (Rechner, Netzwerke, DBs, Instrumente, ) nächste Generation von Internet-basierten Anwendungen EGEE Grid Infrastructure 250 Sites 48 Countries 50,000 CPUs 13 PetaBytes >5000 Users >200 VOs >140, Jobs/Day

36 Global Distributed Computing CPUs, 1500 CPU hours/day 3,3 Mio. Total CPUs, ~ active CPUs 4,1 PFlop/s; (43% Playstation3, 37% NVIDIA GPUs) Google > Linux systems > 2000 queries/sec > queries/day

37 Cloud Computing New model for service provisiong based upon: Grid Computing, On-Demand Computing, Virtualization, Web Services Technologies Clouds provide the illusion of unlimited compute power available on demand within a pay-per-use p model Different facets of Cloud computing: *aas Saas Software as a Service IaaS Platform as a Service IaaS Infrastructure as a Service Commercial Cloud offers: Amazon EC2, Microsoft Azure, Google AppEngine,

38 Uni Wien Aurora (Inst. f. Scientific Computing u. TU Wien) 144 processors, Pentium, Infiniband Luna (Inst. f. Scientific Computing) 288 processor cores, Opteron, Infiniband Cora (Inst. f. Scientific Computing) 72 CPU cores, ~6000 GPU cores, Infiniband Vienna Scientific Cluster (TU, Uni, Boku) 3488 processor cores, Intel X5550, Infiniband ib

39 Related Research Uni Wien Austrian Grid Projct EU Project GEMSS Grid-enabled Medical Simulation Services, EU Project Aneurist Interated Biomedical Informatics, EU Project ADMIRE Advanced Data Mining and Integration Research for Europe, admire1.epcc.ed.ac.uk EU Project PEPPHER Performance Portability and Programmability for Heterogeneous Many-core Architectures, EU Project VPH-Share Virtual Physiological Human: Sharing for Healthcare See:

40 Berufsbild Computergestützte Forschung und Entwicklung Einsatz neuester Technologien Entwicklung neuer Methoden und Technologien Tätigkeiten in Wissenschaft oder Industrie Methodenorientiert, offen für verschiedenste Anwendungsfächer Über diejenigen i hinaus, die im Curriculum vertreten t sind