开发用于强大疫情分析的开放科学平台的分布式高性能计算能力
摘要：COVID-19对科学合作产生了前所未有的影响。这场大流行病及其在科学界的广泛回应，建立起领域专家、数学模型制造者和科学计算专家之间的新关系。然而，从计算角度来看，它也揭示了研究人员利用先进计算系统的能力存在着重大的差距。这些具有挑战性的领域包括获得可扩展计算系统的访问权限，将模型和工作流移植到新系统，共享不同大小的数据，以及生成可供他人复制和验证的结果。根据我们团队在支持COVID-19大流行期间公共卫生决策者的工作经验以及在将高性能计算（HPC）应用于复杂社会系统建模中发现的能力缺口，我们介绍了OSPREY的目标、要求和初步实施情况，这是一个用于稳健流行病分析的开放科学平台。原型实施演示了一个集成、算法驱动的HPC工作流架构，通过协调跨领域的HPC资源来完成任务，并具有强大、安全和自动化访问每个资源的能力。我们展示了可扩展且容错的任务执行、支持快速解决方案算法的异步API、包容性的多语言方法以及高效的广域数据管理。OSPREY示例代码可以在公共代码库上获得。
作者：Nicholson Collier, Justin M. Wozniak, Abby Stevens, Yadu Babuji, Micka"el Binois, Arindam Fadikar, Alexandra W"urth, Kyle Chard, and Jonathan Ozik
论文ID：2304.14244
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-05-11