Χρήση τεχνολογιών πλέγματος για την επίλυση επιστημονικών προβλημάτων Βασιλική Κοτρώνη Εθνικό Αστεροσκοπείο Αθηνών 19 Απριλίου 2005.

Παρουσίαση με θέμα: "Χρήση τεχνολογιών πλέγματος για την επίλυση επιστημονικών προβλημάτων Βασιλική Κοτρώνη Εθνικό Αστεροσκοπείο Αθηνών 19 Απριλίου 2005."— Μεταγράφημα παρουσίασης:

1 Χρήση τεχνολογιών πλέγματος για την επίλυση επιστημονικών προβλημάτων Βασιλική Κοτρώνη Εθνικό Αστεροσκοπείο Αθηνών 19 Απριλίου 2005

2 Προσδοκίες από τις τεχνολογίες πλέγματος1 Τα σύγχρονα επιστημονικά προβλήματα : της φυσικής υψηλών ενεργειών της αστρονομίας της δορυφορικής παρατήρησης της Γής της μετεωρολογίας / κλιματολογίας της μοριακής βιολογίας της υπολογιστικής χημείας Περιλαμβάνουν τεράστιο όγκο δεδομένων προς ανάλυση και τεράστιες απαιτήσεις σε υπολογιστική ισχύ

3 Προσδοκίες από τις τεχνολογίες πλέγματος2 Οι τεχνολογίες πλέγματος προσφέρουν ένα τρόπο συνεργασίας μεταξύ επιστημών και επιστημόνων μέσω της δημιουργίας εικονικών οργανισμών οι οποίοι επιτρέπουν:  την συνεργασία από απόσταση  την από κοινού χρήση δεδομένων, εργαλείων και υποδομής. διασφαλίζοντας συγχρόνως την ασφάλεια της υποδομής και των πληροφοριών

4 Προσδοκίες από τις τεχνολογίες πλέγματος3 Οι τεχνολογίες πλέγματος θα υποστηρίζουν:  την παραγωγή, αποθήκευση και ανάλυση επιστημονικών δεδομένων που προκύπτουν από πειράματα, παρατηρήσεις και προσομοιώσεις  την ανάπτυξη και διερεύνηση μοντέλων και προσομοιώσεων με χρήση υπολογισμών και δεδομένων πολύ μεγάλης κλίμακας για την εξαγωγή αξιόπιστων και επίκαιρων συμπερασμάτων με λογικό οικονομικό κόστος

5 Το υπολογιστικό πλέγμα(1) Βασική Αρχή :  οτιδήποτε μπορεί να κάνει ένας υπολογιστής μπορούν να το κάνουν καλύτερα και ταχύτερα ένα σύνολο υπολογιστών.  οι υπολογιστικές μονάδες δεν χρειάζεται να βρίσκονται στο ίδιο κτίριο, ούτε στην ίδια χώρα ούτε καν στην ίδια ήπειρο  απλά πρέπει να ‘συνδέονται’ μεταξύ τους

6 Το υπολογιστικό πλέγμα(2) O ορισμός υπολογιστικό πλέγμα Grid χρησιμοποιείται κατά αναλογία με το δίκτυο παροχής ηλεκρικής ενέργειας όπου οι χρήστες χρησιμοποιούν μία «παροχή» όπως ο ηλεκτρισμός χωρίς να γνωρίζουν από πού έρχεται ο ηλεκτρισμός ή πως μεταδίδεται αλλά απλά ότι είναι εκεί για να χρησιμοποιηθεί. Στην περίπτωσή μας για το υπολογιστικό πλέγμα το ίδιο ισχύει για την επεξεργαστική ισχύ και τον αποθηκευτικό χώρο.

7

8 Φυσική Υψηλών Ενεργειών1  Επιστήμη με τεράστιες απαιτήσεις σε υπολογιστική ισχύ και σε αποθηκευτικό χώρο. Κάθε ανάλυση απαιτεί μερικά εκατομμύρια πειράματα που το καθένα:  έχει διάρκεια 5 min (~20 έτη συνολικά)  παράγει 1.5 ΜΒ (~μερικά ΤΒ συνολικά)  Μεγάλη συμμετοχή στα πειράματα αυτά επιδεικνύουν επιστήμονες από το Δημόκριτο  Προετοιμασία για την αντιμετώπιση του πολυπλοκότερου υπολογιστικού προβλήματος παγκοσμίως:  αποθήκευση και επεξεργασία των δεδομένων του επιταχυντή σωματιδίων του Large Hadron Collider (LHC) που θα λειτουργήσει στο CERN το 2007

9 Φυσική Υψηλών Ενεργειών2 Large Hadron Collider (LHC)  θα παράγει Petabytes (εκατομμύρια Gigabytes) δεδομένων  γίνονται προσομοιώσεις των υπολογιστικών αναγκών που θα προκύψουν και έχουν επιτευχθεί αποτελέσματα ρεκόρ (σε ταχύτητα μεταφοράς δεδομένων, κατανεμημένη επεξεργασία και ικανότητα αποθήκευσης δεδομένων).  ανακοινώθηκε ότι το LHC Computing Grid (LCG) περιλαμβάνει περισσότερα από 100 σημεία πλέγματος σε 31 χώρες: 10000 CPUs και 10.000.000 GB αποθηκευτική δυνατότητα  δέχεται υποστήριξη από το Ευρωπαικό Πρόγραμμα Enabling Grids for E- sciencE (EGEE)  η σημερινή υποδομή δεν καλύπτει παρά το 5% των μακροχρόνιων αναγκών του πειράματος.

10 Αστροφυσική(1) Η επιστήμη της αστροφυσικής περιλαμβάνει επίσης την ανάλυση μεγάλου όγκου δεδομένων Η χρήση τεχνολογιών πλέγματος στην αστροφυσική έχει ήδη οδηγήσει στην εύρεση 30 νέων μελανών οπών η ανακάλυψη προέκυψε από την μεγάλης κλίμακας αυτόματη σύγκριση εικόνων του ίδιου τμήματος του ουρανού από τα τηλεσκόπια Hubble και Chandra Ενας εικονικός οργανισμός αστροφυσικής θα επιτρέψει να μελετηθεί ο «εικονικός ουρανός» που θα προκύψει από τη συνδυασμένη χρήση δεδομένων που συλλέγονται σε διάφορες χρονικές στιγμές, από διάφορα όργανα σε διάφορα μήκη κύματος

11 Αστροφυσική(2) Αναμένεται εκτεταμένη χρήση τεχνολογιών πλέγματος για την επεξεργασία των δεδομένων που θα προκύψουν:  από το δορυφόρο της ESA Planck (μετρά κοσμική ακτινοβολία  από την αποστολή Gaia (3-D αποτύπωση του γαλαξία μας)  από το τηλεσκόπιο Large Synoptic Survey Telescope (LSST).

12 Δορυφορική παρατήρηση της Γης (1) Η αρχειοθέτηση και επεξεργασία δορυφορικών δεδομένων είναι μία επιστημονική διαδικασία με διαρκώς αυξανόμενες υπολογιστικές απαιτήσεις  μετά 3 χρόνια λειτουργίας του ENVISAT έχουν αποθηκευτεί > 200 ΤΒ δεδομένων  χρησιμοποιούνται τεχνολογίες πλέγματος για: την ταχεία πρόσβαση στις βάσεις δεδομένων την επεξεργασία τους (εφαρμογή αλγορίθμων) προιόντα : μεταβολή συγκέντρωσης χλωροφύλλης, παρακολούθηση παγόβουνων στις πολικές περιοχές, κλπ Επίπεδα συγκέντρωσης χλωροφύλλης

13 Δορυφορική παρατήρηση της Γης (2) Στο ESRIN-ESA (Frascati-Italy) έχει ήδη αναπτυχθεί ένα τοπικό Grid (Earth Science Grid-On-Demand service) που δίνει τη δυνατότητα στους χρήστες :  να έχουν πρόσβαση σε τεράστιο όγκο δορυφορικών δεδομένων  να εφαρμόζουν αλγόριθμους και να επεξεργάζονται τα δεδομένα αυτά Οι τεχνολογίες Grid αναμένεται να χρησιμοποιηθούν άμεσα και για εκπαιδευτικούς σκοπούς προσωπικού των διαφόρων διευθύνσεων της ESA.

14 Κλιματολογία(1) Τα κλιματικά μοντέλα που προσομοιώνουν το παρόν και το μελλοντικό κλίμα παράγουν τεράστιο όγκο δεδομένων για ανάλυση: Το παράδειγμα περιοχικών κλιματικών προσομοιώσεων στο ΕΑΑ  προσομοιώσεις διάρκειας 30 ετών (πχ. 1960-1990, 2070-2100)  διάρκεια προσομοίωσης ~1έτος (σε υπολογιστικό χρόνο)  κάθε σενάριο παράγει 600 GB δεδομένων προς ανάλυση  πραγματοποιήθηκαν 3 σενάρια ήδη

15 Κλιματολογία(2) Στις ΗΠΑ έχει δημιουργηθεί ήδη το Earth System Grid το οποίο σκοπό έχει να κάνει διαθέσιμα στους επιστήμονες που μελετούν τις επιπτώσεις των κλιματικών αλλαγών, τα αποτελέσματα των κλιματικών προσομοιώσεων (όγκου ~Petabytes) :  δημιουργώντας ένα εικονικό συνεργατικό περιβάλλον που συνδέει  κέντρα ερευνών,  χρήστες,  μοντέλα και  δεδομένα.

16 Bιοιατρική(1) Επιστήμη όπου η εφαρμογή των τεχνολογιών πλέγματος θα συμβάλλει:  στη συγκέντρωση και αποθήκευση δεδομένων  στη δημιουργία ιατρικών βάσεων δεδομένων νοσοκομείων Μεγέθους πολλών ΤΒ / νοσοκομείο /χρόνο Πρόσφατη εφαρμογή  ανάλυση μαστογραφιών

17 Bιοιατρική(2) Στο πλαίσιο του EGEE ήδη δοκιμάζονται τεχνολογίες πλέγματος :  μοριακή βιοπληροφορική - Grid Protein Sequence Analysis  ανακάλυψη νέων φαρμάκων (Fraunhofer institute)  σχεδιασμός ακτινοθεραπειών (σκοπός η βελτίωση της ακρίβειας με προσομοιώσεις Monte Carlo)

18 Πέρα από την επιστήμη Όπως το δίκτυο σχεδιάστηκε για επιστημονικές εφαρμογές αλλά υιοθετήθηκε από την κοινωνία έτσι αναμένεται ότι και το Grid θα βρεί χρήση πέρα από την επίλυση επιστημονικών προβλημάτων:  αεροναυπηγική  αυτοκινητοβιομηχανία  οικονομικά  υπηρεσίες υγείας