Um Mehrkernprozessoren und Multiprozessoren effizient zu nutzen, genügt es nicht, ein serielles Programm zu schreiben. Vierkernsysteme sind auch schon bei Arbeitsplatzrechnern weit verbreitet. Standards wie MPI und OpenMP, erlauben es, in den Programmiersprachen C(++) und Fortran Code zu schreiben, welcher auch auf Hochleistungsrechnern lauffähig ist.
Im Praktikum werden wir das parallele Programmieren mit MPI und OpenMP erlernen und auch eigenständige Anwendungen (z.B. Spielelöser) in Gruppen entwickeln. Im Vergleich zu der Vorlesung Hochleistungsrechnen wird der Fokus auf der Praxis liegen.
Die Veranstaltung wird zum Teil auf Englisch gehalten.
Beachten Sie auch unsere allgemeinen organisatorischen Hinweise zu Praktika.
Ziel des Praktikums ist es, die wichtigsten Parallelisierungskonzepte kennen zu lernen und Problemstellungen selbstständig im Team zu bearbeiten. Die Studierenden gewinnen eine Übersicht über hilfreiche Werkzeuge zur Entwicklung und Bewertung von Anwendungen.
Das Projekt eignet sich für Studierende der Informatik in den Diplom- und Bachelorstudiengängen. Studierende anderer Studiengänge müssen die Anrechnung mit dem jeweiligen Prüfungsausschuss klären.
Interessierte Zuhörer sind auch herzlich willkommen.
Die Veranstaltung wird auf Englisch stattfinden.
Zunächst werden die Grundlagen theoretisch vermittelt und mit kleinen Beispielen geübt. Im zweiten Teil werden in kleinen Gruppen jeweils unterschiedliche Problemstellungen bearbeitet. Hierbei wird ein (kleiner) Projektplan erstellt und im Team eine Anwendung zur Problemlösung implementiert. Status und aufgetretene Probleme werden regelmäßig gemeinsam besprochen.
Für weitere Vorschläge sind wir offen. Wichtig ist vor allem die korrekte Parallelisierung (evtl. mit Alternativen) und Auswertung. Detaillierte Kenntnisse der Numerik sind nicht erforderlich.
Vorgeschlagene Themen:
Bei der Durchführung der Projektes sollten einige Inhalte bearbeitet werden und entsprechend in Präsentation und Ausarbeitung einfließen.
Autoren: Nicholas Hickson-Brown, Michael Eidus
Diese Arbeit beschäftigt sich mit der effektiven Parallelisierung eines N-body Codes zur Simulierung der Evolution von Kugelsternhaufen unter Einfluss von Gravitation, sogenannten ”Direct Gravitational N-body Simulations”. Im Kern dieser Arbeit steht die Frage, ob Algorithmen zur numerischen Integration mit Komplexitäten von O(n2) mit entsprechender Parallelisierung effektiver gestaltet werden können, ohne dabei an Genauigkeit zu verlieren. Dazu implementieren wir das dreidimensionale Plummer Dichteprofil zur Generierung initialer Konditionen eines Kugelsternhaufens und das Hermite Schema vierter Ordnung zur Lösung der numerischen Integralrechnung. An- schließend stellen wir ein Parallelisierungschema dar, mit dem die Arbeit auf mehrere Prozesse aufgeteilt werden kann, und implementieren dieses mittels des Message Passing Interface. Zum Abschluss analysieren wir Laufzeiten, Leistung und Skalierbarkeit unserer Anwendung.
Autoren: Rami Aly, Christoph Hüter
In dieser Arbeit wird die parallelisierte intelligente Wegfindung und Bewegung von Objek- ten durch einen Graphen für den Anwendungsbereich des Hochleistungsrechnen simuliert. Hierfür wurde das Programm in zwei Teile unterteilt. Im ersten Abschnitt wird eine Routingtable erzeugt, eine Tabelle in der für selektierte Knoten der optimale Pfad und dazugehörige Eigenschaften zu allen Anderen ausgewählten Knoten gespeichert wird. Zwei implementierte Parallelisierungsstrategien werden miteinander verglichen und Verwen- dungszwecke erörtert. Abschließend wird die parallelisierte Bewegung der Objekte im Graphen simuliert. Der Pfad des Objektes wird in Abhängigkeit der Pfade aller weiteren Autos gewählt. Ziel hierbei ist es, alternative Pfade zu erkennen, auf denen ein Auto sein Ziel trotz längerer Strecke schneller erreichen kann.
Autoren: Nikolai Elich, Merlin Sewina
Spiele Vier Gewinnt gegen eine AI die jeden Zug kennt und mit dem MinMax Algorithmus die beste Strategie ausrechnet um dich zu schlagen!
Autoren: Timo Hahn
Das Ziel des Projektes war es das Spiel “Vier Gewinnt” selbstspielend mithilfe des Minimax-Algorithmus in C umzusetzen und anschließend mit OpenMP zu parallelisieren.