Subscríbeche

  • Suscribete a Novas CESGA

HPC User Portal

  • HPC User Portal

Estado dos sistemas

  • Solo visible desde Firefox o Chrome.

Compromiso coa Igualdade

  • Igualdad CESGA

6º Foro Transfiere 2017

Síguenos ...

  • Twitter FacebbokFlickrYouTube CESGA

Servizos PYME's

  • Servicios para Empresas

Annual Report 2016

  • Annual Report 2016

  • CESGA ICTS
Filtrar por ano:
CESGA

Venres 13/10/2017 10:04

Nova: O superordenador FINISTERRAE achegou 1,2 millóns de horas de cálculo ao proxecto galardoado co Premio Nobel de Física 2017

O proxecto LiGO, galardoado por ter detectado ondas gravitacionais tal como predicira Albert Einstein, empregou o superordenador FinisTerrae instalado en Santiago de Compostela a través do doutor Sascha Husa.

O supercomputador FinisTerrae, no Centro de Supercomputación de Galicia (CESGA), achegou 1,2 millóns de horas de procesamento de altas prestacións para a realización dos cálculos para o proxecto recoñecido na derradeira edición dos premios Nobel. A investigación realizada no marco do proxecto LiGO, ven empregando recursos do CESGA a través dun grupo de investigación adicado a Física Teórica da Universitat das Illes Balears. Entre os principais usuarios deste grupo encontrase o doutor Sascha Husa.

O Dr. Husa explica que no seu traballo cotiá emprega os superordenadores para estudar os sinais de ondas gravitacionais creadas cando dous buratos negros colisionan; os eventos máis violentos no universo. O seu traballo en concreto é resolver ecuacións e calcular, utilizando cálculos moi extensos, que aspecto teñen esas colisións, e como son exactamente os sinais que emiten.

Os experimentalistas que traballan na colaboración LiGO poden despois comparar as predicións baseadas nos cálculos nos superordenadores cos datos experimentais que eles rexistran e atopar que sistemas crearon eses sinais. Para eses cálculos a comunidade de Física Teórica precisa dispoñer de acceso a moi grandes máquinas de computación de altas prestacións xa que sen elas este tipo de avances en ciencia sería impensable e non poderíamos chegar a comprender mellor o universo que habitamos.

O Dr. Husa e o seu equipo de físicos teóricos acceden a potentes máquinas de cómputo como FinisTerrae a través de diferentes convocatorias competitivas da Rede Española de Supercomputación (RES), á cal o CESGA achega o 20% do superordenador galego.A RES, composta por 13 nodos repartidos por todo o estado é a Infraestrutura Científico Tecnolóxica Singular en Computación de España.

Os cálculos en física teórica demandan tantos recursos computacionais que ademáis do millón duascentas mil horas de procesamento empregados no CESGA, o equipo da UIB tamén utilizou os superodenadores Calendula, do Centro de Supercomputación de Castela-León, MareNostrum no Centro Nacional de Supercomputación ou máquinas de PRACE a alianza europea pola computación avanzada.

Nova completa

CESGA

Luns 02/10/2017 12:28

Nova: O Cesga participa na segunda edición de Unha enxeñeira ou científica en cada cole
Dúas investigadoras do CESGA participarán esta semana na acción promovida pola USC no marco do convenio de colaboración co Concello de Santiago de Compostela, en materia de igualdade de xénero e promoción das actividades STEM (Science Technology Engineering Maths) entre escolares composteláns.

 

A actividade proposta polo CESGA será “Falando cos superordenadores”, e estará a cargo de Natalia Costas e Mª José R. Malmierca. Na mesma, de forma lúdica e práctica, levaranse a cabo varias experiencias de uso da programación básica e a súa interacción con microcontroladores e diversos compoñentes externos. 

Nova completa

CESGA

Luns 11/09/2017 13:25

Deep Learning is a powerful tool for industry and other sectors that benefits from large datasets and computing capacity during the design and training steps. CESGA’s FinisTerrae HPC infrastructure can reduce enormously the time to solution thanks to its parallel capabilities and the availability of fast and large storage. As a demonstration of these benefits, CESGA has published a white paper (as a technical report) with a successful industrial case of the benefits of High Performance Computing on Machine and Deep Learning applications. The report is based on an use case from the experiment 707: "Cyber-Physical Laser Metal Deposition (CyPLAM)" developed under the framework of the Fortissimo 2 project (H2020). This experiment has demonstrated the possibilities of this technology for complex high-tech industrial technologies control and monitoring. The Machine Learning model has been developed by AIMEN Technology Centre and tested at EMO manufacturing plant in Slovenia.

In this experiment, a hyper-parametric search the best Convolutional Neural Network model, for a monitoring system of Laser Metal Deposition (LMD) based on Medium Wavelength Infrared (MWIR) images, was conducted on the FinisTerrae II (FT2) infrastructure using the Google’s Machine Learning API Tensorflow. Thanks to the use of HPC this search could be reduce from 40 days of computation to less than 70 hours.

The report can be download from: https://www.cesga.es/es/investigacion/Research_technical_reports

Nova completa

CESGA

Luns 31/07/2017 12:16

Nova: MACHINE LEARNING: NOVO SERVIZO PARA INSTITUCIÓNS E EMPRESAS

CESGA apoia á comunidade de Machine Learning cun novo servizo para institucións e empresas

As tecnoloxías de aprendizaxe máquina (Machine Learning) son un referente actual en todo tipo de sectores, desde TIC á industria manufacturera. Estas tecnoloxías son unha das ferramentas preferidas na actualidade para extraer o máximo provecho dos datos que se están producindo. Entre outras cousas permiten a análise de videos en tempo real para extraer información útil, a identificación de obxectos en imaxes ou o procesado de series temporais para coñecer as posibilidades de que unha máquina falle próximamente. As posibilidades son innumerables.

Con todo, as técnicas máis modernas (como o chamado Deep Learning) necesitan para obter o seu máximo rendemento grandes volumes de datos e unha gran capacidade de computación. Esta pódese obter tanto polo uso simultáneo de moitos procesadores ou utilizando GPUs. Con todo, o uso dun só ordenador limita moito as posibilidades, tanto nos tamaños dos modelos como na procura dos parámetros adecuados destes. Por este motivo, o CESGA quere apoiar a empresas, institucións e investigadores no seu traballo de definición de algoritmos de Machine Learning poñendo á súa disposición as capacidades computacionales do Finis Terrae II.

O novo servizo de Finis Terrae II para Machine Learning inclúe a disponibilidad das contornas de desenvolvemento de Machine Learning máis utilizadas pola comunidade, adaptadas á arquitectura do computador para obter o máximo rendemento. Así, están dispoñibles: Tensorflow, Caffee, Torch, Theano, Caffe2 e CNTK. Ademais do acceso a estas contornas, o persoal de soporte do CESGA pode axudarlle na execución eficiente dos seus procesos de adestramento de novos modelos. A infraestructura se complementa co acceso compartido dunha gran capacidade de almacenamiento (de centenares de TBs) para ter acceso a todos os datos necesarios para o adestramento.

Grazas ás capacidades computacionales do Finis Terrae II, é posible desenvolver modelos de Deep Learning máis complexos e competitivos, acelerar o seu adestramento, realizar procuras dos modelos que mellor se axusten aos seus datos, ou atopar os parámetros que permiten un adestramento máis eficaz. Todo iso nunha contorna rápida e eficaz.

Si quere saber máis sobre as capacidades deste novo servizo, non dubide en poñerse en contacto co departamento de aplicacións a través do correo electrónico aplicacions[AT]cesga.es, onde estaremos encantados de escoitar as súas necesidades e axudarlle a poñer en funcionamento as súas propostas.

Nova completa

CESGA

Luns 17/07/2017 10:33

Nova: Realidade Aumentada(AR) no Futuro da Educación

O CESGA participou no Congreso “O Futuro da Educación”, organizado por IGACIENCIA o día 3 de xullo.

A actividade do congreso centrouse en facilitar a actualización do profesorado de Galicia, difundir as novos vieiros das tecnoloxías e das tecnoloxías da información e comunicación entre otros co fin de alcanzar e contribuir a:

  • desenvolvemento e implementación dunha educación científica innovadora.
  • mellorar a calidade da enseñanza e a aprendizaxe das ciencias.
  • fortalecer a motivación dos estudiantes cara a educación científica.

Persoas do dpto. de e-learning do CESGA, Diego Nieto, Abraham Felpeto, expuxeron o traballo feito no Proxecto "AR-Sci" que utiliza a tecnoloxía de  Realidade Aumentada (AR) como ferramenta innovadora para axudar aos estudantes de primeiro ciclo de secundaria a aprender ciencias. A AR ofrece o potencial de facilitar a aprendizaxe en situacións reais, onde un bo contido aumentado está ligado á realidade e visualízase por exemplo a través de dispositivos móbiles. https://ar-sci.cesga.es/

Nova completa

675 novas