SLinCA@Home

SLinCA@Home (Scaling Laws in Cluster Aggregation - scale-invariant patterns in cluster aggregation) es un proyecto de investigación que utiliza ordenadores conectados a Internet para la investigación en el campo de la ciencia de los materiales .

SLinCA@Home fue fundada por un grupo de investigadores del Instituto de Física de Metales. G. V. Kurdyumov (IMP) de la Academia Nacional de Ciencias de Ucrania . El proyecto utiliza el software BOINC, la plataforma SZTAKI Desktop Grid y la API de Computación Distribuida (DC-API) de SZTAKI. SLinCA@Home incluye varias aplicaciones científicas dedicadas a encontrar patrones de escala invariable en datos experimentales y resultados de simulación por computadora.

Historia

El proyecto SLinCA@Home se lanzó anteriormente en enero de 2009 como parte del Séptimo Programa Marco (FP7) de la Unión Europea para financiar la investigación científica y el desarrollo tecnológico en Europa. En 2009-2010, utilizó las instalaciones del FMI "Desk Grid" local; desde diciembre de 2010, utiliza una infraestructura informática distribuida proporcionada por voluntarios para resolver problemas informáticos complejos. Actualmente, el proyecto está gestionado por un grupo de científicos de IMP NASU en estrecha colaboración con socios de IDGF. Archivado el 24 de febrero de 2011 en Wayback Machine y el equipo de computación distribuida 'Ucrania ' . Desde junio de 2010, SLinCA@Home ha estado trabajando como parte del proyecto DEGISCO FP7 . Archivado el 26 de febrero de 2011 en EU Wayback Machine .

SLinCA@Home está en versión alfa.

Según estadísticas no oficiales de BOINCstats (en marzo de 2011), más de 2000 voluntarios de 39 países participaron en el proyecto, lo que lo convierte en el segundo proyecto BOINC más popular en Ucrania (después del proyecto Magnetism@Home). [1] Cerca de 700 usuarios activos proporcionan 0.5-1.5 TFLOPS de poder de cómputo [2] de poder de cómputo.

Se lanzó una aplicación SLinCA en una infraestructura informática distribuida global abierta (SLinCA@Home); otros tres (MultiScaleIVideoP, CPDynSG y LAMMPS sobre DCI) se están probando en el IMF Desktop Grid local cerrado.

Aplicaciones

El proyecto SLinCA@Home se creó para buscar patrones de escala invariante previamente desconocidos en función de los resultados de experimentos y simulaciones en las siguientes aplicaciones científicas.

Leyes de escala en la agregación de clústeres (SLinCA)

SLinCA (Scaling Laws in Cluster Aggregation) es la primera aplicación adaptada a la infraestructura de GD por el Laboratorio de Física de la Deformación de IMF. Su objetivo es encontrar las leyes de invariancia de escala en el escenario cinético de agregación de monómeros en grupos de varios tipos y en varios campos científicos.

Los procesos de agregación de clústeres se estudian en muchas ramas de la ciencia: agregación de defectos en ciencia de materiales, dinámica de población en biología, crecimiento y desarrollo urbano en sociología, etc. Los datos experimentales existentes indican la presencia de una estructura jerárquica en muchos niveles de escala. Las teorías disponibles ofrecen muchos escenarios para la agregación de conglomerados, la formación de estructuras jerárquicas y explicaciones de sus propiedades de escala invariable. Para verificarlos, es necesario utilizar potentes recursos informáticos para procesar enormes bases de datos de resultados experimentales. Una simulación típica de un proceso de agregación de grupos con 10 6 monómeros toma aproximadamente de 1 a 7 días en un procesador moderno, según la cantidad de pasos en el método de Monte Carlo .

La ejecución de SLinCA en una cuadrícula en el IRS permite que cientos de máquinas con suficiente potencia de procesamiento simulen muchos escenarios en un marco de tiempo mucho más corto.

Parámetros técnicos típicos para lanzar la versión SLinCA del IRS en el IRS global abierto:

• Condiciones actuales para 1 tarea por 1 núcleo de CPU (2,4 GHz): tiempo de ejecución ~2-4 horas; RAM <60 MB; Disco duro <40 MB.
• Puntos de control: n/a (en pruebas).
• Temporización de tareas: no lineal.

Se obtuvieron resultados preliminares de la aplicación SLinCA sobre los recursos de cómputo EGEE de las infraestructuras de prueba CETA-CIEMAT y XtremWeb-HEP LAL ; Póster publicado en 2009 en el 4º evento de capacitación EDGeS y el 3er Taller AlmereGrid , Almere , Países Bajos (29 y 30 de marzo de 2009). [3]

• Actualización para la estabilidad del punto de control y soporte para cálculos en GPU NVIDIA (aumento de rendimiento estimado del 50-200 %).
• Migración a la plataforma OurGrid para probar y demostrar posibles mecanismos de interacción entre comunidades globales con diferentes paradigmas de computación distribuida. Está previsto que SLinCA se transfiera a la plataforma OurGrid, que se centra en admitir grids de escritorio peer-to-peer, que son diferentes de la computación distribuida voluntaria basada en IMF Desktop Grid.

Procesamiento de imagen y video multiescala (MultiScaleIVideoP)

La microscopía óptica se usa comúnmente para analizar las características estructurales de los materiales en rangos de aumento estrechos, una pequeña área de interés y en modo estático. Sin embargo, muchos procesos críticos asociados con el inicio y la propagación dinámica de la fractura se observan en un amplio rango de tiempo de 10 −3 s a 10 3 s y en muchos niveles de escala de 10 −6 m (defectos únicos) a 10 −2 m ( redes enlazadas de defectos). La aplicación Procesamiento de imágenes y videos a escala múltiple (MultiscaleIVideoP) está diseñada para procesar la evolución registrada de los materiales durante la deformación mecánica en una máquina de prueba. Los cálculos incluyen muchos parámetros de procesos físicos (velocidad, fuerza, ampliación, condiciones de iluminación, filtros de hardware, etc.) y parámetros de procesamiento de imágenes (distribución de tamaño, anisotropía, localizaciones, parámetros de escala, etc.). Por lo tanto, los cálculos son muy laboriosos y se realizan muy lentamente. Es por ello que existe una necesidad urgente de utilizar recursos informáticos más potentes. La ejecución de esta aplicación en RDI permite que cientos de máquinas con suficiente potencia de procesamiento procesen imágenes y videos en una gama más amplia de escalas y en marcos de tiempo mucho más cortos.

Parámetros técnicos típicos para lanzar la versión IRS de la aplicación MultiScaleIVideoP en un IMF Desktop Grid local cerrado:

• Condiciones actuales para 1 tarea por 1 núcleo de CPU (2,4 GHz): tiempo de ejecución ~20-30 min; RAM <200 MB; Disco duro <500 MB.
• Puntos de control: n/a (en pruebas).
• Temporización de tareas: lineal.

Se obtuvieron resultados preliminares de la aplicación MultiScaleIVideoP sobre los recursos de cómputo EGEE de las infraestructuras de prueba CETA-CIEMAT y XtremWeb-HEP LAL; publicado en 2009 como póster en el 4º evento de capacitación EDGeS y el 3er Taller AlmereGrid en Almere , Países Bajos (29 y 30 de marzo de 2009). [cuatro]

En enero de 2011, se obtuvieron y publicaron más resultados del procesamiento de datos de videovigilancia de experimentos con carga de restricción cíclica de papel de aluminio. [5]

• Actualización para la estabilidad del punto de control y soporte para cálculos en GPU NVIDIA (300-600% de mejora de rendimiento estimada).

Dinámica de población urbana y crecimiento sostenible (CPDynSG)

Se sabe que el crecimiento de las ciudades (municipios, distritos, etc.) se explica por migraciones, fusiones, crecimiento poblacional, etc. Así, se ha advertido que la distribución de las ciudades según su tamaño en muchos países obedece a una ley de potencias. . Esta dependencia está confirmada por datos de población en varias ciudades durante su historia temprana. La población en todas las ciudades principales está creciendo mucho más rápido que el país en su conjunto durante un período de tiempo considerable. Sin embargo, como en las ciudades que han alcanzado la madurez, su crecimiento puede ralentizarse o incluso la población puede disminuir por razones ajenas a la migración a ciudades aún más grandes. Varias teorías dan tasas de crecimiento, asintóticas y distribuciones de tales poblaciones. Una característica importante de la aplicación es la comparación de teorías existentes con datos de observación y escenarios de pronóstico para la dinámica del crecimiento demográfico sostenible para varias regiones nacionales e internacionales. La aplicación City Population Dynamics and Sustainable Growth (CPDynSG) le permite explorar la relación entre una gran cantidad de datos experimentales y encontrar una coincidencia cualitativa entre las predicciones de diferentes modelos y los datos históricos disponibles.

Parámetros técnicos típicos para ejecutar la versión IRS de la aplicación CPDynSG en una "red de escritorio" local cerrada de la infraestructura del FMI:

• Condiciones actuales para 1 tarea por 1 núcleo de CPU (2,4 GHz): tiempo de ejecución ~20-30 min; memoria RAM <20 MB; Disco duro <50 MB.
• Puntos de control: n/a (en pruebas).
• Temporización de tareas: lineal.

En junio-septiembre de 2010 se recibieron los resultados del concepto, los resultados del porting de la versión RDI de la aplicación CPDynSG basada en la plataforma BOINC, la plataforma SZTAKI Desktop Grid y la SZTAKI Distributed Computing API (DC-API), así como como resultados preliminares para la distribución de tamaños de ciudades en varios países de Europa Central y Oriental. Se observa el aislamiento característico de la distribución del tamaño de las ciudades en Hungría, y también se encuentra una evolución muy similar de la distribución del tamaño de las ciudades en Ucrania y Polonia. Estos resultados se presentaron en Cracow Grid Workshop'10 Archivado el 28 de julio de 2011 en Wayback Machine (11-13 de octubre de 2010) en presentaciones orales y en póster [6] . El stand presentado recibió el premio " Por la mejor presentación de póster Cracow Grid Workshop'09 ".

La versión actual de la aplicación CPDynSG se actualizará para la estabilidad del punto de control, la nueva funcionalidad y la compatibilidad con los cálculos de NVIDIA GPU para realizar análisis más rápido (estimado en un 50 % a un 200 % más rápido).

Simulador masivo paralelo atómico/molecular a gran escala (LAMMPS) en el IRS

La búsqueda de nuevos dispositivos funcionales a nanoescala se ha convertido en una tendencia importante en la ciencia de materiales moderna. Pero la producción controlada de dispositivos funcionales a nanoescala requiere una cuidadosa selección y ajuste de parámetros críticos (elementos, potenciales de interacción, modos de acción externa, temperatura, etc.) de autoorganización atómica en los modelos y estructuras desarrollados para dispositivos funcionales a nanoescala. Es por eso que el modelado de dinámica molecular de procesos de nanofabricación con descomposición de parámetros físicos y enumeración de parámetros por el método de "fuerza bruta" es muy prometedor. Para este propósito, el muy popular paquete de fuente abierta no comercial "Large-scale Atomic/Molecular Massively Parallel Simulator" (LAMMPS) fue elegido como candidato para migrar al IRS basado en la plataforma BOINC, SZTAKI Desktop Grid y API para distribución informática (DC-API). ) de SZTAKI. Como regla general, tal modelado de nanoobjetos con muchos parámetros requiere una cantidad extremadamente grande de recursos computacionales. La simulación típica de las nanoestructuras estudiadas para una configuración de parámetros físicos, por ejemplo, para la simulación de procesos físicos dentro de 1-10 picosegundos de monocristales metálicos (Al, Cu, Mo, etc.) con 10 7 átomos, requiere aproximadamente 1-7 días. en una CPU moderna. La implementación de LAMMPS en el Grid en el IRS le permite utilizar cientos de máquinas al mismo tiempo y obtener una gran cantidad de recursos informáticos para realizar simulaciones en una amplia gama de parámetros físicos (configuraciones) y en un tiempo mucho más corto.

Parámetros técnicos típicos para lanzar la versión IRS de la aplicación MultiScaleIVideoP en un IMF Desktop Grid local cerrado:

• Condiciones actuales para 1 tarea por 1 núcleo de CPU (2,4 GHz): tiempo de ejecución ~2-48 horas; RAM <500 MB; Disco duro <1 GB.
• Puntos de control: n/a (en pruebas).
• Temporización de tareas: lineal.

En septiembre-octubre de 2010, los resultados preliminares obtenidos se presentaron en una presentación oral en la Conferencia Internacional "Nanostructural Materials-2010"  (enlace inaccesible) , Kiev , Ucrania [7]

La versión actual de LAMMPS que usa la aplicación IRP se actualizará para la estabilidad del punto de control, la nueva funcionalidad y la compatibilidad con los cálculos de GPU NVIDIA para realizar análisis más rápido (estimado en 300 a 500 % más rápido).

Socios

• Proyectos EU FP7 (DEGISCO y EDGeS).
• Comunidades de voluntarios (equipo de computación distribuida "Ucrania").
• Comunidades profesionales de expertos en el campo de la computación distribuida (International Desktop Grid Federation).

Premios

• 2009 - "Para la mejor presentación de póster Cracow Grid Workshop'09", Cracovia , Polonia (12-14 de octubre de 2009) - informe sobre la idea y los resultados de la migración de la aplicación MultiScaleIVideoP con bibliotecas MATLAB para IRS basado en BOINC y SZTAKI Desktop Grid , así como la plataforma XtremWeb-HEP, donde se demuestra la aplicabilidad de la integración de objetos y códigos MATLAB para la computación distribuida utilizando el ejemplo del procesamiento de imágenes y videos en el campo de la ciencia de materiales y la microscopía. [ocho]
• 2010 - "Para la mejor presentación de carteles Cracow Grid Workshop'10", Cracovia , Polonia (11-13 de octubre de 2010) - informe sobre el concepto y los resultados de la migración de aplicaciones CPDynSG para el IRS basadas en BOINC- y SZTAKI Desktop Grid-plataformas con un análisis comparativo de las teorías disponibles con observaciones experimentales, así como escenarios típicos de la dinámica del crecimiento de la población para varios países de Europa Central y Oriental. [6]

Notas

1. ↑ Estadísticas del proyecto BOINCstats , < http://boincstats.com/stats/project_graph.php?pr=SLinCA > . Consultado el 16 de marzo de 2011. Archivado el 8 de julio de 2011 en Wayback Machine . 
2. ↑ Estado del servidor SLinCA@Home Archivado el 21 de febrero de 2011.
3. ↑ O. Gatsenko; O. Baskova e Y. Gordienko. Cinética de la agregación de defectos en la ciencia de los materiales simulada en un entorno de computación en cuadrícula de escritorio instalado en un laboratorio de ciencia de los materiales ordinario (enlace no disponible) . Actas del 3er Taller Grid de Almere (marzo de 2009). Consultado el 16 de marzo de 2011. Archivado desde el original el 23 de febrero de 2011. (indefinido) 
4. ↑ O. Baskova; O. Gatsenko y Y. Gordienko. Migración de la aplicación MATLAB multiparamétrica para el procesamiento de imágenes y videos a Desktop Grid para computación distribuida de alto rendimiento (enlace muerto) . Actas del 3er Taller Grid de Almere (marzo de 2009). Consultado el 16 de marzo de 2011. Archivado desde el original el 23 de febrero de 2011. (indefinido) 
5. ↑ O. Baskova; O. Gatsenko, O. Lodygensky, G. Fedak e Y. Gordienko. Propiedades estadísticas de la superficie monocristalina deformada bajo monitoreo y procesamiento de video en tiempo real en el entorno de computación distribuida de cuadrícula de escritorio (enlace muerto) 306-309. Materiales clave de ingeniería (enero de 2011). Fecha de acceso: 16 de marzo de 2011. Archivado desde el original el 26 de julio de 2012. (indefinido) 
6. ↑ 1 2 O. Gatsenko; O. Baskova e Y. Gordienko. Simulación de la dinámica de la población de la ciudad y el crecimiento sostenible en la infraestructura de computación distribuida de red de escritorio . Actas del Cracow Grid Workshop'10 (febrero de 2011). Recuperado: 16 de marzo de 2011. (indefinido)
7. ↑ O. Baskova; O. Gatsenko, O. Gontareva, E. Zasimchuk e Y. Gordienko. Cinética de agregación invariable en escala de defectos a nanoescala de estructura cristalina ( enlace inaccesible ) . Actas en línea de "Materiales nanoestructurados-2010" (19-22 de octubre de 2011). Fecha de acceso: 16 de marzo de 2011. Archivado desde el original el 26 de julio de 2012. (indefinido) 
8. ↑ O. Baskova; O. Gatsenko y Y. Gordienko. Ampliación de la aplicación MATLAB en Desktop Grid para computación distribuida de alto rendimiento: ejemplo de procesamiento de imágenes y videos (enlace descendente) . Actas del Cracow Grid Workshop'09 255-263 (febrero de 2010). Fecha de acceso: 16 de marzo de 2011. Archivado desde el original el 26 de julio de 2012. (indefinido) 

Enlaces

• Plataforma XtremWeb-HEP
• Plataforma SZTAKI Archivado el 1 de marzo de 2011 en Wayback Machine .
• Plataforma OurGrid Archivado el 13 de junio de 2021 en Wayback Machine .
• Proyecto SLinCA@Home
• SLinCA@Home Estadísticas