Exploring Advanced Strategies in High Performance Computing: A Comprehensive Analysis and Emerging Perspectives
DOI:
https://doi.org/10.35290/ro.v5n2.2024.1174Keywords:
High Performance Computing (HPC), Parallel Programming, Heterogeneous Architectures, Quantum Computing, Machine Learning, Emerging PerspectivesAbstract
The present study focuses on the comprehensive investigation of advanced strategies in the field of High Performance Computing (HPC). The increasing demand for computing power to address complex problems in science, engineering and technology has driven the need for innovative and efficient strategies in this domain.
The article presents a comprehensive review of the existing literature, highlighting recent developments in hardware architectures, optimized algorithms, and parallel programming techniques. Representative case studies examined to illustrate the practical implementation of these strategies in real-world applications.
Comprehensive analysis addresses current and emerging challenges in HPC, including managing large data sets, energy efficiency, and adapting to heterogeneous architectures. Additionally, future perspectives explored, such as quantum computing and machine learning applied to high-performance problems.
This study contributes to the updated understanding of strategies in HPC, providing researchers and practitioners with a holistic view of emerging trends and possible future directions in this crucial field for scientific and technological advancement.
Downloads
References
Barroso, L., Clidaras, J., y Hölzle, U. (2022). The Datacenter as a Computer: An Introduction to the Design of Warehouse-Scale Machines. Synthesis.
Chapman, B., Jost, G., y Van der Pas, R., (2007). Using OpenMP: Portable Shared Memory Parallel Programming. MIT Press.
Dongarra, J., Beckman, P., Moore, T., Aerts, P., Aloisio, G., Andre, J., Barkai, D., Berthou, J., Boku, T., Braunschweig, B., Cappello, F., Chapman, B., Chi, X., Choudhary, A., Dosanjh, S., Dunning, T., Fiore, S., Geist, A., Gropp, B. … Yelick, K. (2011). The International Excale Software Project Roadmap. International Jorunal of High Performance Computing Applications, 25(1). https://doi.org/10.1177/10943420103919 DOI: https://doi.org/10.1177/1094342010391989
García J. (2023). Escalabilidad dinámica en sistemas informáticos. Marcombo.
Grama, A., Gupta, A., Karypis, G. y Kumar, V. (2003). Introduction to Parallel
Computing. Addison-Wesley.
Gropp, W., Lusk, E., y Skjellum, A. (1999). Using MPI: Portable Parallel Programming with the Message-Passing Interface (2ª ed.). MIT Press. DOI: https://doi.org/10.7551/mitpress/7055.001.0001
Jamshed, S. (2015). Using HPC for Computational Fluid Dynamics: A Guide to High Performance Computing for CFD Engineers. Academic Press. DOI: https://doi.org/10.1016/B978-0-12-801567-4.00002-7
McCool, M., Reinders, J., y Robinson, A. (2012). Structured Parallel Programming: Patterns for Efficient Computation (1ª ed.). Morgan Kaufmann. DOI: https://doi.org/10.1016/B978-0-12-415993-8.00001-3
McCool, M. y Reinders, J. (2018). MPI: The Complete Reference. MIT Press.
Mahmood, Z., Puttini, R., y Erl, T. (2013). Cloud computing: Concepts, technology & architecture. Pearson.
Ozsu, M., y Valduriez, P. (2019). Principles of Distributed Database Systems (4th ed.). Springer Cham. https://doi.org/10.1007/978-3-030-26253-2 DOI: https://doi.org/10.1007/978-3-030-26253-2
Pacheco, P. (2011). An Introduction to Parallel Programming. Morgan Kaufmann.
Quinn, M. (1994). Parallel Computing: Theory and Practice. McGraw-Hill Education.
Sanders, J. y Kandrot, E.(2010). CUDA by example: An introduction to general-purpose GPU programming. Addison-Wesley Professional.
Silberschatz, A., Galvin, P., y Gagne, G. (2018). Operating System Concepts (10ª ed.). Wiley.
Sterling, T., Anderson, M., y Brodowicz, M. (2018). High Performance Computing: Modern Systems and Practices. Morgan Kaufmann. DOI: https://doi.org/10.1016/B978-0-12-420158-3.00018-6
Tanenbaum, A. y Van Steen, M. (2018). Distributed Systems: Principles and Paradigms (3rd ed.). Pearson.
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Fabián Lizardo Caicedo Goyes
This work is licensed under a Creative Commons Attribution 4.0 International License.
Los autores que participen de los procesos de evaluación y publicación de sus ediciones conservan sus derechos de autor, cediendo a la revista el derecho a la primera publicación, tal como establecen las condiciones de reconocimiento en la licencia Creative Commons Reconocimiento 4.0 Internacional (CC BY), donde los autores autorizan el libre acceso a sus obras, permitiendo que los lectores copien, distribuyan y transmitan por diversos medios, garantizando una amplia difusión del conocimiento científico publicado.
- Toda derivación, a partir de esta obra, deberá citar la fuente y a la primera publicación en esta revista. Se permiten derechos comerciales no lucrativos sobre sus contenidos.
- Los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista, es decir, podrán incluirlo en un repositorio institucional o publicarlo en un libro, siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores compartir su trabajo en línea, con la finalidad de intercambios productivos para una mayor y más rápida citación del trabajo como lo establece los efectos del movimiento ‘Acceso Abierto’.
- No puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia: https://creativecommons.org/licenses/by/4.0/deed.es
- La Revista ODIGOS es financiada completamente de los aportes realizados por nuestra entidad editora: Universidad Tecnológica Israel; por tal motivo, no establece cargos o cobros de ninguna índole a sus autores y colaboradores, así como tampoco genera pagos o remuneraciones de ningún tipo a ellos.
- Se asignará un Digital Object Identifier (DOI) a cada publicación.
