KIT-Zentrum Information ˑ Systeme ˑ Technologien

„Supercomputing" hat sich im Laufe der Jahre zu einer unverzichtbaren, strategischen Schlüsseltechnologie für theoretische und experimentelle Forschung sowie für industrielles Modellieren, Prototyping und Produktoptimierung entwickelt. Jedoch hat die Parallelität von Hochleistungsrechnern auf allen Ebenen zugenommen und wird bald zig Millionen Threads mit Hunderten von Petabyte Speicher erreichen. Höchstleistungsrechnen oder Supercomputing und Wissenschaftliches Rechnen oder auch Computational Science and Engineering (CSE) genannt, müssen diese Herausforderungen auf Hardware-, Software- und Algorithmenebene aggressiv angehen, um die dramatischen Fortschritte durch fortschrittliche und optimierte Simulationsmodelle, Algorithmuscodes und -tools sowie wettbewerbsfähige Supercomputersysteme fortzusetzen. Insbesondere „Supercomputing“ als Teil der KCIST Themenbereiche konzentriert sich auf die Applikationsskalierung, Codeoptimierung, fortgeschrittene Algorithmen, neeuartige Mehrkernarchitekturen, modellgetriebenes paralleles Design, Dataintegration und wissenschaftliche Visualisierungen.

Die enormen Datenmengen, die durch die Vielzahl komplexer, groß angelegter Experimente, Detektoren, Beobachtungen, Messungen, Vermessungen und Simulationen in nahezu allen Bereichen der Wissenschaft und Technik erzeugt werden, stellen neue Herausforderungen. Ähnliche Herausforderungen verschiedenen Bereichen der Industrie: Großdatenbanken, geschäftskritische und vertrauliche Unternehmensdaten oder Internetwirtschaft. Wissen zu entnehmen aus dem immer weiter anwachsendem Umfang, zunehmender Geschwindigkeit und Vielfalt von Big Data führt zu hohen Anforderungen an die Speicher-, Netzwerk- und Analysekapazitäten. Darüber hinaus müssen die Anforderungen und Funktionen moderner Datamanagement- und Analysetechnologien, -methoden, -algorithmen und -werkzeuge diesen wachsenden Anforderungen gerecht werden. Besonders „Big Data“ als Teil der KCIST-Themen konzentriert sich auf Datenmanagement und Datastrukturen, Datensicherheit, effiziente Algorithmen und Datenstrukturen, Datenanalyse, Klassifizierung und Ausreißererkennung sowie Datenvisualisierung.

 

Wichtige Projekte