8:00 - 8:40
Auditórios - vão
8:40 - 10:00
Auditório Vermelho
10:00 - 10:30
10:30 - 11:00
Auditório Vermelho
A plataforma HPCC Systems de código aberto utiliza arquitetura de dados distribuída e uma metodologia de processamento paralelo para trabalhar com grandes conjuntos de dados. O 'pipeline' de dados na plataforma acompanha os dados desde a origem até a sua ingestão no cluster Thor, onde eles são refinados através de limpeza e padronização dos dados e, em seguida, enriquecidos, para depois, serem disponibilizados para aplicações de consulta em tempo real hospedadas no cluster Roxie. Em conjunto com essas duas arquiteturas de clusters e, compondo o chamado Power Trio, se faz presente a linguagem ECL, sendo a única linguagem necessária para expressar algoritmos de dados em toda a plataforma HPCC Systems. No cluster Thor, a linguagem ECL expressa “workflows” de dados que consistem em carregamento dados, transformação, vinculação, indexação etc. No cluster Roxie, a linguagem ECL define serviços de consultas de dados. A linguagem ECL é implicitamente paralela, portanto, o mesmo código ECL desenvolvido para ser executado em um cluster de nó único pode ser executado com a mesma facilidade em um cluster com centenas de nós. O programador não precisa se preocupar em implementar a paralelização, e a linguagem ECL possui uma função otimizadora que garante o melhor desempenho para uma arquitetura específica. Integrado à linguagem ECL encontram-se disponíveis diversas bibliotecas de Machine Learning aplicáveis às várias categorias de aprendizado de máquina, onde cada algoritmo tem suas próprias peculiaridades, as quais devem ser levadas em consideração para maximizar a precisão preditiva, tendo em conta que todos os 'bundles' operam de maneira muito semelhante, com algumas variações menores. Por esses motivos, é muito importante que não seja utilizada a exploração de Machine Learning para produzir produtos ou reivindicar habilidades sem antes consultar a documentação que acompanha cada 'bundle', a fim de usá-lo de forma efetiva. Finalmente, objetivando demonstrar a aplicação de algoritmos de Aprendizado de Máquina com interface Myriad na plataforma HPCC Systems, será apresentado um estudo de caso durante a realização do “Minicurso” dentro da programação do ERAD-SP 2026.
11:00 - 11:30
Auditório Vermelho
Com a crescente demanda por alto desempenho computacional, escolher entre arquiteturas dedicadas à Inteligência Artificial ou à Computação de Alto Desempenho (HPC) tornou-se um dilema estratégico. Nesta apresentação, Genaro Costa explora os principais desafios de projeto, modelos de desempenho e requisitos de hardware para cada cenário, discutindo quando vale a pena investir em soluções dedicadas versus ambientes híbridos para maximizar eficiência e resultados.
11:30 - 12:00
Auditório Vermelho
12:00 - 14:00
14:00 - 15:00
Auditório Vermelho
Supercomputação no Brasil: máquinas se compram, capacidade se constrói
15:00 - 16:20
Auditório Vermelho
16:20 - 16:50
16:50 - 18:10
Auditório Vermelho
18:10 - 19:00
8:00 - 8:30
8:30 - 10:30
Laboratório
Processamento e análise de Big Data para aplicação de algoritmos de Machine Learning com interface Myriad através da utilização da plataforma HPCC Systems
10:30 - 11:00
11:00 - 11:30
Auditório Vermelho
11:30 - 12:00
Auditório Vermelho
12:00 - 14:00
14:00 - 15:00
Auditório Vermelho
A palestra apresentará como a computação de alto desempenho é utilizada no Laboratório de Astrofísica Teórica da EACH-USP para investigar problemas em astrofísica de plasmas. Inicialmente, será descrita a infraestrutura do cluster Hydra e o fluxo de trabalho adotado desde a formulação dos modelos físicos até a execução, análise e visualização dos resultados. Serão discutidas aplicações envolvendo simulações magnetohidrodinâmicas em três dimensões, estudos de estabilidade de sistemas linearizados, como a instabilidade de tearing, e análise e visualização de grandes volumes de dados científicos. Particular atenção será dada às estratégias de paralelização híbrida com MPI e OpenMP utilizadas nos códigos tridimensionais, incluindo decomposição de domínio, execução em memória compartilhada e comunicação entre nós. Pretendo também apresentar alguns resultados de desempenho e escalabilidade obtidos no cluster Hydra, caso consiga concluir os testes a tempo, comparando diferentes configurações de processos MPI e threads OpenMP. Serão discutidos os principais gargalos observados, especialmente os efeitos da comunicação entre os nós por meio da rede de 10 Gb/s e sua influência na eficiência paralela das simulações. Por fim, serão abordadas perspectivas para a evolução da infraestrutura e dos códigos científicos, incluindo o uso de GPUs e outros aceleradores, os desafios de adaptação dos algoritmos a arquiteturas heterogêneas e as possíveis aplicações de modelos de linguagem no desenvolvimento, documentação, teste e modernização de códigos de pesquisa.
15:00 - 16:20
Auditório Vermelho
16:20 - 16:50
16:50 - 18:10
Auditório Vermelho
18:30 - 20:00
8:00 - 8:20
8:20 - 10:00
Auditório Vermelho
10:00 - 10:30
10:30 - 11:30
Auditório Vermelho
11:30 - 12:00
Auditório Vermelho
