Высокопроизводительные вычисления

2026/2027

ID 1143438

Статус: Маго-лего

Кто читает: Департамент информатики

Где читается: Школа информатики, физики и технологий

Охват аудитории: для своего кампуса

Преподаватели: Ахтямов Павел Ибрагимович

Язык: русский

Кредиты: 6

Контактные часы: 68

Дополнительные материалы в LMS Задать вопрос

Аннотация

Количество ядер в современных процессорах уже измеряется десятками, в графических ускорителях – тысячами, а в суперкомпьютерах – миллионами. Многоядерные вычислительные системы широко применяются в машинном обучении, науках о материалах, биоинформатике, автоматизации проектирования, вычислительной химии и физике. Эффективно использовать эту значительную вычислительную мощность – непростая задача, требующая применения современных подходов, составляющих основное содержание предлагаемого спецкурса. Курс состоит из шести разделов. Первая вводная часть курса посвящена таким базовым концепциям параллельных вычислений, а также обзору современного устройства процессоров, ускорителей, способов организации оперативной памяти и высокопроизводительных сетей передачи данных. В небольшой второй части курса изучаются векторные устройства микропроцессоров и способам разработки программ для них. Основное внимание уделено архитектуре и программной поддержке технологии AVX. В третьей части рассматриваются средства разработки многопоточных программ. На примере различных алгоритмов изучаются такие инструменты, как POSIX Threads, современные расширения C++ (стандарты 11,14,17,20) для параллельных вычислений. Четвертая часть посвящена архитектуре и средствам разработки программ для графических ускорителей (GPU). Основное внимание уделяется программному стеку CUDA. Современные высокоуровневые средства разработки многопоточных программ для центральных процессоров и ускорителей рассматриваются в пятом разделе. Изучаются инструменты OpenMP, OpenACC и OpenCL. В пятой, заключительной части, рассматриваются технологии разработки программ для наиболее мощных высокопроизводительных систем – вычислительных кластеров. Основное внимание уделено самому распространенному средству разработки программ для таких систем – библиотеке MPI, интеграции MPI и CUDA. Является дисциплиной по выбору.

Цель освоения дисциплины

Получение студентами знаний в области параллельных и распределенных вычислений, выработка у студентов навыков разработки, отладки и исследования производительности параллельных программ.

Планируемые результаты обучения

Владеть базовыми средствами многопоточного программирования
Владеть высокоуровневыми инструментами многопоточного программирования
Владеть средствами разработки программ для систем с распределенной памятью
Знать архитектуру, принципы разработки программ и инструменты для программирования графических ускорителей
Знать определения и уметь вычислять базовые характеристики производительности параллельных алгоритмов
Знать основные типы высокопроизводительных архитектур