Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo. La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro. Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.
Gemelos digitales de HPC para evaluar políticas de programación, estructuras de incentivos y su impacto en la energía y la refrigeración
Created by
Haebom
Autor
Matthias Maiterth, Wesley H. Brewer, Jaya S. Kuruvella, Arunavo Dey, Tanzima Z. Islam, Kevin Menear, Dmitry Duplyakin, Rashadul Kabir, Tapasya Patki, Terry Jones, Feiyi Wang
Describir
Este documento presenta el primer marco que integra programación y gemelos digitales para evaluar programadores y optimizar el uso de recursos en computación de alto rendimiento (HPC). Este marco supera las limitaciones de los análisis posteriores a la implementación o de los simuladores existentes que no modelan la infraestructura. Este marco permite el análisis de escenarios hipotéticos para comprender el impacto de las configuraciones de parámetros y las decisiones de programación en los activos físicos antes de la implementación, y también permite la reevaluación de cambios que no son fáciles de implementar en entornos operativos reales. Específicamente, este marco proporciona un marco de gemelos digitales que amplía las capacidades de programación, integra diversos sistemas HPC de primer nivel basados en conjuntos de datos públicos, implementa una integración ampliada con simuladores de programación externos, implementa y evalúa estructuras de incentivos y realiza evaluaciones de programación basadas en aprendizaje automático. Esto permite que los escenarios hipotéticos evalúen la sostenibilidad de los sistemas HPC y su impacto en los sistemas de simulación.
Takeaways, Limitations
•
Takeaways:
◦
Un nuevo paradigma para la evaluación de programadores HPC: preevaluación basada en gemelos digitales
◦
Proporcionar un entorno de evaluación integrado para varios sistemas HPC y técnicas de programación.
◦
Evaluación y creación de prototipos efectivos de estructuras de incentivos y programación basada en aprendizaje automático.
◦
Permite el análisis hipotético de la sostenibilidad y los impactos del sistema.
•
Limitations:
◦
La necesidad de verificar la precisión y el realismo de los gemelos digitales
◦
Limitaciones de aplicabilidad del sistema debido a los conjuntos de datos públicos limitados disponibles.
◦
Dificultades para modelar con precisión sistemas HPC complejos
◦
Se necesita más investigación sobre la escalabilidad y mantenibilidad del marco propuesto.
