عنوان اصلی لاتین : A high performance scientific cloud computing environment for materials simulations
عنوان اصلی فارسی مقاله: محیط محاسبات ابری علمی کارآمد برای شبیه سازی مواد.
مرتبط با رشته های : فیزیک - کامپیوتر
نوع فایل ترجمه : ورد آفیس(که دارای امکان ویرایش می باشد)
تعداد صفحات فایل ترجمه شده: 23 صفحه
کلمات کلیدی مربوطه با این مقاله: محاسبه ابری، محاسبه علمی، محاسبه کارامد، فیزیک ماده چگال ( فشرده شده)
برای دریافت رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
_______________________________________
جهت دانلود محصول اینجا کلیک نمایید
بخشی از ترجمه:
ما
به شرح پلتفرم (مبنای) پیشرفت محاسبات ابری علمی (SCC) که ظرفیت محاسبه
کارآمد را ارائه میدهند، می پردازیم. این پلتفرم شامل نمونه آزمایشی از
دستگاه مجازی علمی شامل سیستم عامل یونیکی و چندین کد علمی مواد، به همراه
ابزارهای رابط مهم (تولست SCC) می باشد که نقش های قابل مقایسه با خوشه های
محاسبه محلی را ارائه می دهد. مشخصا، تولست SCC (محاسبات ابری علمی) ایجاد
اتوماتیک خوشه های مجازی را برای محاسبات موازی، و همچنین تسهیلات I/O
(صفر و یک) مناسبی را که امکان ارتباطات یکپارچه را در مورد محاسبات ابری
ایجاد می کنند، فراهم می کند. پلفرم SCC (محاسبات ابری علمی) مورد نظر ما
برای محاسبات ابری انعطاف پذیر آمازون مطلوب می باشد (EC2). ما به ارائه
مبنایی برای برنامه های کاربردی علمی پیش الگو پرداخته و به اثبات
عملکردهای قابل مقایسه با خوشه های محاسباتی محلی می پردازیم. برای ساده
سازی اجرای کد و فراهم کردن دسترسی کاربرپسند، همچنین به ادغام قابلیت
محاسبه ابری در رابط گرافیک کاربری (GUI) مبتنی بر زبان برنامه نویسی جاوا
پرداخته ایم. پلتفرم SCC (محاسبات ابری علمی ) مورد نظر ما، به عنوان
جایگزینی برای منابع HPC ( محاسبه با کارایی بالا) برای علم مواد یا
کاربردهای شیمی کوانتوم می باشد.
جهت دانلود محصول اینجا کلیک نمایید
قسمتی از مقاله انگلیسی
In this section we briefly describe the scientific cloud computing
AMI. This virtual machine image serves as a blueprint for a
cloud instance specifically configured for parallel, HPC scientific
computing applications. In a nutshell it is a minimal 64-bit Fedora
13 LINUX distribution that is enhanced with tools typically needed
for scientific computing, such as Fortran 95 and C++ compilers, numerical
libraries (e.g. BLAS, ScaLAPACK), MPI (1.4.3), PBS, PVFS, etc.
Our 2nd generation SCC AMI has several improvements over the
original prototype [24]: This AMI is bundled with several widely
used materials science codes that typically demand HPC capabilities.
These include electronic structure codes (ABINIT [32], Quantum
ESPRESSO [33], Car–Parrinello [34], and WIEN2k [19]; and
the Molecular Dynamics codes LAMMPS [35] and GROMACS [36]),
and excited-state codes (AI2NBSE [37], Exc!ting [38], FEFF9 [17],
OCEAN [39], RT-SIESTA [40], octopus [41]), and quantum chemistry
codes (NWChem [42]), although here we only present benchmarks
for FEFF9 and WIEN2k. The 64-bit LINUX operating system
is better suited for scientific computing than its 32-bit predecessor
in the prototype [16]. This machine image is now stored on
Amazon’s Elastic Block Storage (EBS) [43] system, rather than the
older S3 [28] infrastructure, leading to a reduction in instance boot
times of 20%–50% (see Section 2.4). Depending on needs, the new
SCC AMI can be loaded onto different ‘‘instance types’’. Slower but
cheaper instances can be used for simple tasks, while higher performance
workhorses are available for more demanding calculations.
In particular, in Section 4.2 we discuss the new EC2 ‘‘Cluster
Instances’’ [44], which are very important for HPC.
