Seminar Supercomputer: Forschung und Innovation

In diesem Seminar geht darum, aktuelle Entwicklungen im Bereich des High-Performance Computings zu betrachten.

Beachten Sie auch unsere allgemeinen organisatorischen Hinweise zu Seminaren.

Das Seminar 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.

• Anna Fuchs
• Dr. Jannek Squar

1. Grundlagen von Künstlicher Intelligenz (AI) und Maschinellem Lernen (ML) – Alkan Kaya
2. Neuronale Netzwerke: Aufbau und Funktionsweise – Mohamad Rashid Naimi
3. Supervised vs. Unsupervised Learning – Hauke Hornecker
4. Deep Learning und HPC: Potenziale und Herausforderungen – Farah Saif
5. Hardware-Beschleunigung für ML/AI: GPUs und TPUs – Marius Niveri
6. Parallelisierung von ML/AI-Modellen auf HPC-Systemen – Gregor Stange
7. Speicherarchitektur und I/O für AI-Workloads – Jakob Rinsdorf
8. Verteiltes Training von ML-Modellen in HPC-Umgebungen – Hark Merkau
9. Bibliotheken und Frameworks für ML auf HPC-Systemen – Noah Münstermann
10. Einsatz von AI/ML zur Optimierung von HPC-Systemen – Luis Amend
11. Zukunft der AI und ML im HPC: Exascale Computing und darüber hinaus – Mateen Khalid
12. Use Cases: AI und ML in der wissenschaftlichen Forschung auf HPC-Systemen – Eduard Fejl
13. Erasure Coding, RAID – Leo Grimme
14. Application Tracing – Jan Mägdefrau
    1. Beispiele: scorep, tinyprof, tau, darshan, hpctoolkit, caliper, likwid
    2. Non-invasives Application-tracing
    3. Instrumentiertes Application Tracing
15. … as a Service – Christian Iltner
16. GPUs – Ben Giese
17. GPU Alternativen: FPGA, DPU, IPU, QPU, Vektorkarten – Jarne Münster
18. Rechnen auf distributed Memory – Laurent Reher
19. Quantum Computing (konkrete Anwendungen) – Helena Jäger
20. Green HPC – Luka Dinic
21. Debugging (gdb, DDT, compiler sanitizer, static code analysers [z.B. MPI-Checker]) – Florian Eigendorf

Noch offene Themen

1. Weathergenerator
2. Monitoring
3. Workflow Engines
4. Statische Verhaltensanalyse
5. NeuralGCM

• 15.10.24 Themenvorstellung und Organisatorisches, Kurzvortrag zur Übersicht und HPC-Kontext
• 22.10.24 frei - Themenwahlverkündung hier auf der Webseite
• 29.10.24 frei
• 05.11.24 frei
• 12.11.24 frei
• 19.11.24 10:15
  • Feedback Abgabe: 26.11.24, 13:59
  • 01. … as a Service ¹⁾ – Christian Iltner
  • 02. Green HPC ²⁾ – Luka Dinic
  • 3. Quantum Computing (konkrete Anwendungen) ³⁾ – Helena Jäger
• 26.11.24 10:15 Raum 023
  • Feedback Abgabe: 26.11.24, 13:59
  • 04. Erasure Coding, RAID ⁴⁾ – Leo Grimme
  • 05. Grundlagen von Künstlicher Intelligenz (AI) und Maschinellem Lernen (ML) ⁵⁾ – Alkan Kaya
• 03.12.24 10:15
  • Feedback Abgabe: 03.12.24, 13:59
  • 06. Neuronale Netzwerke: Aufbau und Funktionsweise ⁶⁾ – Mohamad Rashid Naimi
  • 07. Supervised vs. Unsupervised Learning ⁷⁾ – Hauke Hornecker
• 10.12.24 10:15 Raum 023
  • Feedback Abgabe: 10.12.24, 13:59
  • 08. Use Cases: AI und ML in der wissenschaftlichen Forschung auf HPC-Systemen ⁸⁾ – Eduard Fejl
  • 09. Deep Learning und HPC: Potenziale und Herausforderungen ⁹⁾ – Farah Saif
• 17.12.24 10:15
  • Feedback Abgabe: 17.12.24, 13:59
  • 10. Einsatz von AI/ML zur Optimierung von HPC-Systemen ¹⁰⁾ – Luis Amend
  • 11. Zukunft der AI und ML im HPC: Exascale Computing und darüber hinaus ¹¹⁾ – Mateen Khalid
  • 20. Debugging ¹²⁾ -– Florian Eigendorf
• 07.01.25 10:15
  • Feedback Abgabe: 07.01.25, 13:59
  • 12. Speicherarchitektur und I/O für AI-Workloads ¹³⁾ – Jakob Rinsdorf
  • 13. GPUs ¹⁴⁾ – Ben Giese
• 14.01.25 10:15
  • Feedback Abgabe: 14.01.25, 13:59
  • 14. Hardware-Beschleunigung für ML/AI: GPUs und TPUs ¹⁵⁾ – Marius Niveri
  • 15. GPU Alternativen: FPGA, DPU, IPU, QPU, Vektorkarten ¹⁶⁾ – Jarne Münster
• 21.01.25 10:15
  • Feedback Abgabe: 21.01.25, 13:59
  • 16. Rechnen auf distributed Memory ¹⁷⁾ – Laurent Reher
  • 17. Verteiltes Training von ML-Modellen in HPC-Umgebungen ¹⁸⁾ – Hark Merkau
• 28.01.25 10:15
  • Feedback Abgabe: 28.01.25, 13:59
  • 18. Parallelisierung von ML/AI-Modellen auf HPC-Systemen ¹⁹⁾ – Gregor Stange
  • 19. Bibliotheken und Frameworks für ML auf HPC-Systemen ²⁰⁾ – Noah Münstermann