SparCity - Co-Design-Ansatz zur Optimierung des Rechnens mit dünnbesetzten Matrizen für das zukünftige Supercomputing

Das SparCity Projekt hat zum Ziel alle Aspekte von Berechnungen mit dünnbesetzten (sparse) Matrizen zu untersuchen, zu bewerten und zu optimieren. Solche Berechnungen stehen oft im Mittelpunkt vieler wichtiger Anwendungen, gleichzeitig ist es jedoch äußerst schwierig auf modernen Hochleistungssystemen eine hohe Leistung zu erzielen. Das Projekt umfasst Komponenten zur detaillierten Messung und Modellierung von Anwendungen, um intelligente statische und dynamische Optimierungen zu ermöglichen. Diese Optimierungen finden auf Knoten- und Systemebene statt und umfassen moderne Methoden des maschinellen Lernens und einen "Digital Twin" Ansatz. Die in SparCity entwickelten Technologien werden anhand einer Reihe von Demonstrator-Anwendungen getestet. Diese Anwendungen stammen unter anderem aus den Bereichen Computerkardiologie, der Analyse sozialer Netzwerke, der Bioinformatik und Computer Vision. Das Teilvorhaben des Deutschen Partners LMU München zielt vor allem auf die Beherrschung der Komplexität moderner Hochleistungsrechner in Bezug auf ihre Hardware-Organisation und der Optimierung der Kommunikationsoperationen ab, die bei der Verarbeitung von dünnbesetzten (sparse) Matrizen auftreten.