Algoritmos y Computación de Alto Rendimiento

 

Volver a Cursos

Algoritmos y Computación de Alto Rendimiento - Código 29451

Carlos Jaime Barrios Hernandez, PhD. - (c b a r r i o s (@) u i s . e d u . c o )

Asistencia Técnica-Teórica:. Equipo SC3UIS

PRESENTACION DEL CURSO

El desarrollo de algoritmos computacionales para soportar tanto análisis de datos como simulaciones de fenómenos físicos (diseñados, reproducidos en laboratorio, observados o propuestos) es importante para garantizar precisamente la calidad, realismo, confianza y reproductibilidad del conocimiento generado. Dichos algoritmos, que surgen de modelos previamente concebidos se convertirán en códigos que componen programas de computación que serán ejecutados en máquinas computacionales. El rendimiento obtenido y las capacidades, dependen igualmente del algoritmo pero no hay que olvidar que de las características arquitecturales de la máquina computacional utilizada.

Precisamente, este curso (teórico-práctico) busca fundamentar el desarrollo de algortimos y su implementación en lenguajes de programación que permitan el desarrollo de códigos para atacar un problema físico, ejecutar ese código y obtener el máximo desempeño y confianza. Teniendo en cuenta la diversidad de arquitecturas computacionales que permiten seleccionar que tipo de plataforma se necesita para atacar un problema, igualmente es necesario conocer diferentes aspectos arquitecturales tecnológicos y espacios de desarrollo que permiten la colaboración y la reproductibilidad.

Contenido ( No en un orden estricto, Después de Encuesta con los Estudiantes)

1. Introducción a la Computación Científica
2. Fundamentos para el Análisis y Diseño de Algoritmos
   • Principios Básicos de Representación
   • Análisis de Complejidad
3. Programación de Algoritmos Científicos cn C/C++ : Una Introducción
   • Principios Básicos
   • Buenas Prácticas de Desarrollo
   • Compilación Ejecución Eficiente y Optimización
   • Debugging, Profiling and Tracing.
4. Sistemas, Plataformas y Ambientes de Desarrollo y Ejecución
   • Aquitecturas computacionales para investigación (y desarrollo científico)
     • Infrastructuras
     • Repositorios (GitHub/GitLab) y Ambientes Colaborativos
     • Sistemas Operativos (Linux)
   • Interacción y Plataformas de Gran Escala
5. Cómputo Científico Paralelo
   • Concurrencia y Paralelismo
   • Paradigmas de Programación Paralela
     • Memoria Compartida con OpenMP
     • Memoria Distribuida con MPI
     • Memoria Hibrida con OpenACC (Y un poco de CUDA)
     • Otras Posibilidades
   • Paralelismo Cuántico : Una introducción
   • Librerias, Solucionadores y Más

Evaluación

Evaluaciones programadas para el 2do Semestre de 2021

La evaluación planteada, busca promover el trabajo colaborativo, por equipos que se conforman de acuerdo a la afinidad e interés en una temática específica de la física. Y en ese trabajo se tendrán en cuenta los siguientes aspectos

1. 20% Diseño y Análisis de Algoritmo a Realizar (Diciembre 7 2021)
2. 20%: Implementación y Solución
3. 20%: Análisis y Evaluación de Rendimiento
4. 20%: Presentación de la propuesta como un póster digital (Marzo 8 2022)*
5. 20%: Trabajos Prácticos en Clase

Bonus: Participación en seminarios y eventos libres propuestos por el profesor en el transcurso del curso

*Los puntos 2 y 3 deben estar contenidos en la presentación del poster digital y en un repositorio github/gitlab (código de la solución y visualizaciones posibles)

Bibliografía y Fuentes de Información

• Elements of Parallel Computing, Eric Aubanel (Chapman & Hall/CRC)
• Essentials of Computer Architecture, D. Comer (CRC Press)
• High Performance Embedded Computing: Applications in Cyber-Physical systems and Mobile Computing, M. Wolf (Morgan Kaufmann)
• The Fourth Paradigm: Data-Intensive Scientific Discovery
• Designing and Building Parallel Programs, by Ian Foster
• Patterns for Parallel Programming, by Timothy G. Mattson, Beverly A. Sanders and Berna L. Massingill. Software Patterns Series, Addison Wesley Ed., USA. 2009
• Patterns for Parallel Software Design, Jorge Luis Ortega-Arjona (Wiley)
• Structured Parallel Programming: Patterns for Efficient Computation, M. McCool, A. D. Robison and J. Reinders (Morgan Kaufmann)
• The Art of Concurrency “A thread Monkey’s Guide to Writing Parallel Applications”, by Clay Breshears (Ed. O Reilly, 2009)
• Parallel Scientific Computing in C++ and MPI « A Seamless Approach to Parallel Algorithms and Their Implementation », Karniadakis and Kirby II (Cambridge Press)
• Parallel And Distributed Computation Numerical Methods, D. P. Bertsekas and J. N. Tsitsiklis (Prentice Hall)
• An Introduction to High Performance Scientific Computing, Scientific and Engineering Computation Series, Ll. D. Fosdick, E. R. Jessup, C. J. C. Schauble and G. Dmik (MIT Press)
• The Algorithms Design Manual, S. S. Skiena ( Springer)
• Algorithms Sequential and Parallel « A Unified Approach » Miller and Boxer (Computing Engineering Series)
• Parallel Algorithms, Cassanova, Legrand and Robert (Chapman and Hall/CRC)
• Fundamentals of Multicore Software Development, Ed. Victor Pankratius, Ali-Reza Adl-Tabatabai and Walter Tichy (CRC Press)
• Introduction to HPC with MPI for Data Science, Frank Nielsen (Springer)
• Programming Massively Parallel Processors « A Hands-on Approach » , Kirk and Hwu (Nvidia/Morgan Kaufmann)
• CUDA Application Design and Development, Rob Farber (Nvidia/Morgan Kaufmann)
• Introduction to High Performance Computing for Scientists and Engineers, Hager and Wellein (Chapman and Hall/CRC)
• Sourcebook of Parallel Computing , Dongarra, Foster, Fox, Groop, Kennedy, Torczon and White (Morgan Kaufmann)
• CUDA Programming: A Developer's Guide to Parallel Computing with GPUs, S. Cook (Morgan Kaufmann)
• The CUDA Handbook: A Comprehensive Guide to GPU Programming, N. Wilt (Addison-Wesley)
• CUDA by Example « An Introduction to General-Purpose GPU Programming » Sanders and Kandrot (Nvidia/Addison Wesley)
• CUDA Fortran for Scientists and Engineers: Best Practices for Efficient CUDA Fortran Programming, G. Ruetsch and M. Fatica (Morgan Kaufmann/PGI/Nvidia)
• HPC@Green IT: Green High Performance Computing Methods, R. Gruber and V. Keller (Springer)
• OpenACC for Programmers: Concepts and Strategies, S. Chandraserkaran and G. Juckeland (Addison-Wesley)
• OpenACC: Parallel Programming with OpenACC, Edited by Rob Farber (Morgan Kaufmann)
• High Performance Parallelism Pearls: Multicore and Many-core Programming Approaches, J. Reinders and J. Jeffers (Morgan Kaufmann)
• OpenMP
• OpenACC
• NVIDIA
• SC3
• RICAP
• Computing.llnl.gov
• SC-Camp