Hochleistungsrechner
Zusammenfassung der Projektergebnisse
Die Goethe-Universität (GU) verfügt über drei Exzellenzcluster der Exzellenzinitiative und 10 Sonderforschungsbereiche (SFB). Mit ihrer Forschungsinfrastruktur unterstützt die GU überregional Forschungsvorhaben in den Naturwissenschaften, der Medizin, den Lebenswissenschaften und den Wirtschaftswissenschaften sowie die methodenorientierte Forschung im Bereich der Informatik in Hessen. Dazu betreibt das Center for Scientific Computing (CSC) der GU einen Hochleistungsrechner (HLR) für die überregionale HLR-Versorgung in Hessen. Neben dem Zugang zu HLR-Ressourcen unterstützt das CSC in Zusammenarbeit mit dem Hessischen Kompetenzzentrum für Hochleistungsrechnen (HKHLR), das die GU mitgegründet hat, wissenschaftliche Forschungsgruppen durch begleitende, interdisziplinäre Projekte der methodenorientierten Forschung. Hierzu gehören die Entwicklung effizienter, hochparalleler Algorithmen sowie Verfahren zur Verarbeitung großer Datenmengen. Zur Erweiterung der Rechenkapazität wurden im Rahmen dieses Antrags 198 CPU Rechenknoten mit 3960 Rechenkernen sowie 50 GPGPU Server für besondere Anwendungen beschafft. Ferner wurde ein neues persistentes Dateisystem mit zwei mal 500TB aufgebaut, um größere Datenmengen sicher (durch Spiegelung) zu speichern. Durch diese Erweiterung verfügt der HLR nun über eine Rechenleistung von 823 TFIop/s verteilt auf 848 Rechenknoten mit ca 19.000 CPU-Kernen und 70TB Hauptspeicher sowie insgesamt 700 GPGPU’s. Am HLR arbeiteten während des Berichtszeitraums 52 Forschergruppen aus allen Bereichen der MINT-Wissenschaften sowie Medizin und Wirtschaftswissenschaften. Während dieser Laufzeit wurden im Zusammenhang mit dem HLR im Bereich der Computer gestützten Wissenschaften mehr als 50 M€ an Drittmitteln eingeworben. Einige Neuberufungen von international führenden Wissenschaftlern waren nur möglich, weil die GU ausreichend Rechenkapazität anbieten konnte. In der gegenwärtigen Ausbaustufe können den Nutzern des Rechners maximal 169 Mio CPU-Kern Stunden pro Jahr (169 Mh/a) zur Verfügung gestellt werden. Nach einer kurzen Anlaufzeit war der HLR im Mittel mit 85% ausgelastet bei einer Verfügbarkeit von 95%. Über den hessischen HLR-Verbund steht der Rechner auf Antrag auch Wissenschaftlern anderer Universitäten des Landes zur Verfügung. Dabei stehen Forschergruppen in Frankfurt im Mittel 70% und externen Wissenschaftlern 30% der Rechenzeit zur Verfügung.
Projektbezogene Publikationen (Auswahl)
-
(2015) Direct observation of ultrafast collective motions in CO myoglobin upon ligand dissociation. Science 350, 445
Barends TRM, et al.
-
(2015) Dynamics of the Glycophorin A Dimer in Membranes of Native-Like Composition Uncovered by Coarse-Grained Molecular Dynamics Simulations. PLoS One. (2015) 10(7)
Flinner N, Schleiff E
-
(2015) General-relativistic resistive-magnetohydrodynamic simulations of binary neutron stars. Phys. Rev. D, 92 084064
K. Dionysopoulou, D. Alic, and L. Rezzolla
-
(2015) Lattice-CSC: Optimizing and building an efficient supercomputer for Lattice-QCD and to achieve first place in Green500. International Conference on High Performance Computing 2015, 179-196 Springer
D. Rohr, M. Bach, G. Nešković, V. Lindenstruth, C. Pinke, O. Philipsen
-
(2015). The interaction between Gravity Waves and Solar Tides: Results from 4D Ray Tracing coupled to a Linear Tidal Model. J. Geophys. Res., 120
Ribstein, B., Achatz, U., and F. Senf
-
(2016) Evidence for eight-node mixedsymmetrx superconductivity in a correlated organic metal. Phys. Rev. Lett. 116, 237001
D. Guterding, et al.
-
(2016) Generating Massive Scale-Free Networks under Resource Constraints. Proc. 18th Workshop on Algorithm Engineering and Experiments (ALENEX), pages 39-52, SIAM, 2016
U. Meyer and M. Penschuck
-
(2016) Structure of RNA polymerase I transcribing ribosomal DNA genes. Nature Nov 14
Neyer S, Kunz M, Geiss C, Hantsche M, Hodirnau VV, Seybert A, Engel C, Scheffer MP, Cramer P, Frangakis AS
-
(2016) The Nf=2 QCD chiral phase transition with Wilson fermions at zero and imaginary chemical potential. Phys.Rev.D.
O. Philipsen, C. Pinke
-
(2016). How well can a convection-permitting climate model reproduce decadal statistics of precipitation, temperature and cloud characteristics? Clim. Dynamics
Brisson, E., K. Van Weverberg, M. Demuzere, A. Devis, S. Saeed, M. Stengel, N. P. M. van Lipzig
