Rechencluster

• Förderung: Förderung in 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 492175459

Beantragt wird die Finanzierung eines experimentellen Rechenclusters. Am Institut für Computerphysik stellen Hoch- und Höchstleistungsrechner bei einer großen Mehrheit der Projekte das Hauptwerkzeug dar. Wir arbeiten in den Bereichen weiche Materie, Flüssigkeiten in beschränkten Geometrien, sowie an materialwissenschaftlichen Fragestellungen auf Quantenebene. Die zentralen Methoden sind vor allem Molekulardynamiksimulationen, sowie hybride Simulationen, die mehrere Skalen koppeln, ferner auch quantenmechanische Methoden. Neben physikalischen Fragestellungen liegt ein wichtiger Schwerpunkt bei der Methodenentwicklung. Diese Kombination führt zu einem hohen Bedarf an Rechenzeit, der sich jedoch schlecht über gemeinschaftlich genutzte Cluster und Supercomputer an Rechenzentren decken lässt. Am Institut wird etwa das Softwarepaket ESPResSo für partikelbasierte Simulationen entwickelt. Weitere Methodenentwicklung findet im Zusammenhang mit dem Einsatz maschinellen Lernens in partikelbasierten Simulationen statt. Für die Performancemessung in HPC-Umgebung müssen häufig wechselnde Instrumentierungen zur Leistungsmessung eingesetzt werden, ebenfalls sind häufige Software- und Treiber-Updates für die GPUs nötig, um den Nutzen neuer Funktionalität bei GPUs zu evaluieren. Weiterhin planen wir, automatisiert die Geschwindigkeit von Simulationen in HPC Umgebungen zu messen, um Performance-Regressionen im Laufe der Software Entwicklung frühzeitig zu erkennen. Diese Simulationen und Tests brauchen dynamische Veränderungen und sind vom Ressourcenbedarf doch relativ klein. Auf größeren Systemen würden sie einen unverhältnismäßigen Aufwand und damit die Störung des Betriebs verursachen. Das beantragte System direkt am Institut bietet uns die nötige Flexibilität.Mit der Bearbeitung komplexerer und mehrskaliger Fragestellungen gewinnt die Kopplung von Methoden an Bedeutung. Hier sind etwa gitterbasierte Methoden wie Lattice-Boltzmann für Hydrodynamik sowie Techniken des maschinellen Lernens zur Näherung quantenmechanischer Einflüsse zu nennen. Diese Verfahren setzen wir kombiniert mit partikelbasierten Simulationen ein. Ihre numerische Lösung lässt sich mit Grafikkarten stark beschleunigen. Daher sollen die Rechenknoten mit je vier GPUs ausgestattet werden.

• DFG-Verfahren: Forschungsgroßgeräte
• Großgeräte: Rechencluster
• Gerätegruppe: 7040 Vektorrechner
• Antragstellende Institution: Universität Stuttgart
• Leiter: Professor Dr. Christian Holm