119555 - ARCHITETTURE PER HPC

insegnamento

ID:

119555

Tipo Insegnamento:

Opzionale

Durata (ore):

48

CFU:

SSD:

INFORMATICA

Url:

Dettaglio Insegnamento:

INTELLIGENZA ARTIFICIALE, DATA SCIENCE E BIG DATA/DATA SCIENCE 1 Anno: 2

Anno:

2024

Periodo di attività

Secondo Semestre (24/02/2025 - 30/05/2025)

Obiettivi Formativi

L'obiettivo del corso e’ di fornire agli studenti conoscenze avanzate sulle architetture dei calcolatori comunemente utilizzati per il calcolo scientifico ad alte prestazioni (parallelo e distribuito). Alla fine del corso lo studente avra’ acquisito le principali conoscenze di architettura dei sistemi di calcolo piu’ recenti, sia CPU che GPU, le principali tecniche di progettazione e di programmazione, nonché la capacita’ di analizzare le principali problematiche nella programmazione efficiente di questi sistemi.

Prerequisiti

I prerequisiti sono le conoscenze fornite dai corsi di Programmazione e Laboratorio, e di Architettura degli elaboratori. E’ richiesta la familiarità di base con il linguaggio di programmazione C (definizione di variabili e funzioni, strutture di controllo di flusso, allocazione dinamica della memoria, aritmetica dei puntatori).

Metodi didattici

I temi del corso verranno introdotti in aula mediante l'uso di presentazioni, ed esempi pratici.

Verifica Apprendimento

Il livello di raggiungimento degli obiettivi formativi sarà verificato attraverso la realizzazione di un progetto seguito da una prova orale sugli argomenti del corso. Durante la prova di esame, lo studente presentera’ ed analizzera’ le scelte progettuali adottate e i risultati ottenuti. Il voto finale terrà conto sia delle capacità dimostrate nella fase di implementazione del progetto, sia della proprietà di linguaggio e dell'esposizione degli argomenti oggetto di eventuali successive domande sugli argomenti del corso.

Testi

Dispense del docente.
J.L Hennessy A. Patterson, "Computer Architecture: A Quantitative Approach" 2017.
V. Eijkhout, "Introduction to High-Performance Scientific Computing" 3rd edition 2022.

Contenuti

Classificazione di Flynn, misura di prestazioni, speedup, efficienza, pipelining, data hazards, esecuzione out-of-order, branch predictors, instruction level parallelism, VLIW, SIMD, architetture multi-core, core e thread level parallelism, multi-node parallelism, architetture many-core e GPU, modello di calcolo GPU, introduzione a CUDA e OpenACC, principali tecniche di programmazione per GPU, codici di esempio per GPU, misura delle prestazioni.