Download Präsentation - Universität Wien
Download Präsentation - Universität Wien
Download Präsentation - Universität Wien
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Masterstudium Scientific Computing<br />
Siegfried Benkner
Scientific Computing<br />
• Einsatz leistungsfähiger Computersysteme zur<br />
Simulation und Optimierung komplexer Prozesse<br />
• Dritte „Säule der Wissensfindung neben Theorie und Experiment<br />
è Fragestellungen in der Informatik<br />
– Algorithmen: Komplexität, effiziente Implementierung<br />
– Programmiermodelle, Tools<br />
– Datenorganisation<br />
– Software/Hardware: Supercomputer, Parallelrechner, Verteilte Systeme,<br />
Grids, Clouds
Scientific Computing – Historische Entwicklung<br />
• Von klasssischen Anwendungsgebieten<br />
(Physik, Chemie, Ingenieurwiss.)<br />
à zu Biologie, Medizin, Life Sciences,<br />
Finanzwissenschaften, Wirtschaft,…<br />
• Von rechenintensiven Anwendungen auf einem Supercomputer<br />
à zu global vernetzen, rechen-, daten-, kommunikations-intensiven<br />
Anwendungen und Systemen.
Scientific Computing – Anwendungsgebiete<br />
Weather, Climate & Earth Sciences<br />
Life Sciences and Health<br />
Physics, Chemistry, Material Sciences,<br />
Astrophysics<br />
Industrial & Engineering
Neue Herausforderungen – Hardware<br />
• Steigende Komplexität neuer Prozessorarchitekturen<br />
FPGAs Accelerators GPUs Multicore<br />
• Steigende Komplexität von High-End Systemen<br />
Supercomputer mit >1.000.000 Cores à Global-scale Grids/Clouds<br />
Weitere Steigerung der Rechenleistung à Erhöhung der Parallelität!
Entwicklung der Rechenleistung: 1993-2012<br />
Moore’s Law: #transistors on a chip doubles every 18-24 month<br />
#1: ‘93: 1024 processors, 60 GFlops; ‘12: 1.572.864 cores, 16 PFlops<br />
à 266000X
Sequoia Supercomputer<br />
BlueGene/Q, 1.60 GHz, IBM<br />
DOE/NNSA/LLNL,United States<br />
Protein Folding<br />
Simulating 100 microseconds<br />
~20 Petaflops (peak)<br />
Cores: 1572864<br />
Power: ~8 MWatts<br />
of protein folding requires<br />
~10 23 operations.<br />
à months on Sequoia
Neue Herausforderungen – Daten<br />
• 1 Peta(10 15 )bytes … von Google pro Stunde verarbeitet<br />
• Digitales Datenvolumen steigt um Faktor 10 alle 5 Jahre<br />
• Seit 2007 mehr neue Daten als verfügbarer Speicher<br />
• Digitales Datenvolumen 2011: ~1700 Exa(10 18 )bytes<br />
è Neue Methoden um Information aus Daten zu gewinnen<br />
è Neue Methoden um große Datenmengen zu verwalten
Neue Herausforderungen – Software<br />
• Wie entwickeln wir Software und Toolkits für die effiziente<br />
Verwendung der immer komplexer werdenden Hardware<br />
• Parallele Programmiermodelle.<br />
• Parallele Algorithmen.<br />
• Wie kann bestehende Software auf neue Hardware portiert<br />
werden.<br />
• Anwendungsentwicklung für Grids/Clouds
Neue Herausforderungen – Multi-/Interdisziplinarität<br />
• Üblicherweise mehrere Disziplinen involviert<br />
(Multidisziplinarität)<br />
• Unterschiedliche Kulturen<br />
• Unterschiedliche Terminologien<br />
• Unterschiedliche Organisationsstrukturen<br />
è Kommunikation besonders wichtig!
Master Scientific Computing @ Universität <strong>Wien</strong><br />
• Fundament: Bachelor Informatik<br />
– Ausprägungsfach „Scientific Computing<br />
• Zulassung:<br />
Informatiker, Naturwissenschafter, Mathematiker mit<br />
Universitätsabschluss (z.B. Bachelor) bzw. verwandtem<br />
Fachhochschulabschluss<br />
• Dauer: 2 Jahre (4 Semester)<br />
• Abschluss: akademischer Grad Dipl.-Ing.
Master Scientific Computing @ Universität <strong>Wien</strong><br />
• Ziel: Heranführen an<br />
– State-of-the-art in der Methodik des Scientific Computing<br />
– Aktuelle Technologien und Infrastrukturen<br />
– Aktuelle Forschungsthemen<br />
– Vertiefende Beschäftigung mit exemplarischen<br />
Problemstellungen aus Anwendungsdisziplinen<br />
– Abstraktionsprozess:<br />
Motivation aus Anwendungswissenschaft<br />
è allgemeine Fragestellungen der Informatik
Master Scientific Computing @ Universität <strong>Wien</strong><br />
• Grundlagenfächer & Interdisziplinäre Informatik<br />
• Parallele Architekturen (z.B. Multicore, GPUs, Supercomputer)<br />
• Parallele Programmiermodelle und Programmiersprachen<br />
• Zentrale Algorithmen und deren effiziente Implementierung<br />
• Ein Anwendungsfach aus:<br />
<br />
<br />
<br />
Pharmakoinformatik<br />
Computational Chemistry<br />
Algorithmen und Optimierung<br />
• Kernfachkombination (2 aus 3 Modulen)<br />
<br />
<br />
High-End Computing<br />
Algorithmen und Optimierung<br />
Praktikum Scientific Computing<br />
• Masterarbeit
Berufsbild<br />
• Computergestützte Forschung und Entwicklung<br />
– Verwendung aktueller Technologien<br />
– Entwicklung neuer Methoden und Technologien<br />
• Tätigkeiten in Wissenschaft oder Industrie<br />
• Methodenorientiert, offen für verschiedenste<br />
Anwendungsfächer<br />
– über diejenigen hinaus, die im Curriculum vertreten sind
Wieso an der Universität <strong>Wien</strong><br />
• Forschungsgeleitete Ausbildung,<br />
sehr enge Interaktion mit Forschungsaktivitäten<br />
– Forschungsschwerpunkt an der Uni <strong>Wien</strong> seit den 80er Jahren<br />
• Enge Verbindung Informatik und Naturwissenschaften<br />
innerhalb der Universität <strong>Wien</strong> (Life Sciences, etc.)<br />
– Interdisziplinär, breiter Fächerkanon an der Uni <strong>Wien</strong><br />
• Internationale Ausrichtung und Vernetzung<br />
• Erstklassige Studienbedingungen<br />
– Kleingruppen<br />
– Persönliche Betreuung<br />
– Einblick in internationale Forschungsprojekte
Vielen Dank für die Aufmerksamkeit !
Change language