Implementazione e messa in produzione dell’ambiente di calcolo

Risultati ottenuti

• Assistenza agli utenti durante le sperimentazioni sulla piattaforma IEMAP.
• Aggiornamento e manutenzione dei codici di calcolo.
• Allocazione delle risorse, in maniera esclusiva, alle attività IEMAP mentre l’infrastruttura di supercalcolo CRESCO è in funzione e a disposizione di tutti gli utenti.
• Aggiornamento dei codici basati su tecniche di deep learning.

Si è fornito supporto agli utenti per garantire un uso efficiente dell’infrastruttura ENEAGRID tenendo anche conto del fatto che le risorse computazionali sono state potenziate con l’introduzione dei nuovi cluster XCRESCO e CRESCO7 che hanno affiancato CRESCO6. Questo ha comportato l’adozione di nuove architetture (x86\_64, PoverPC), l’introduzione di GPU, sistemi operativi più recenti (AlmaLinux 9.2) ed è stato arricchito l’ambiente di lavoro di ENEAGRID (Filesystem LUSTRE, gestore risorse SLURM e la suite di compilatori). Conseguentemente, i codici di interesse per IEMAP (Quantum ESPRESSO, CP2K, VASP e LAMMPS) sono stati aggiornati in modo da poter essere utilizzati in modo efficiente anche sui nuovi cluster HPC. Inoltre, è stata definita un’area progettuale dedicata a questi codici che mediante le ACL di AFS è accessibile in modo esclusivo ai soli utenti relativi al progetto iemap. In più, mediante una funzionalità di Environment Modules è stato definito un profile iemap che rende disponibili in automatico i moduli associati ai codici dedicati al progetto IEMAP sul cluster che si vuole utilizzare. Infine, si sono descritte le attività di implementazione e utilizzo delle librerie di machine learning. Queste librerie sono state ulteriormente sviluppate e aggiornate descrivendo anche in modo dettagliato come poterle utilizzare al meglio. Con questa finalità si sono valutate le performance di varie risorse di calcolo disponibili in ENEAGRID.

Benefici e prospettive di applicazione per il sistema energetico nazionale

I risultati della presente attività portano vantaggi significativi in termini di: sostenibilità, in quanto l’uso efficiente delle risorse computazionali, ottenuto mediante la formazione avanzata degli utenti, l’aggiornamento e ottimizzazione dei codici di calcolo, permette il raggiungimento degli obiettivi delle altre linea di attività in tempi ridotti con anche la riduzione dei consumi elettrici dell’infrastruttura di calcolo.