دانلود ترجمه مقاله شبیه سازی مواد در محیط محاسبات ابری با کارایی بالا – مجله الزویر

• بخشی از ترجمه:

چکیده
ما به شرح پلتفرم (مبنای) پیشرفت محاسبات ابری علمی (SCC) که ظرفیت محاسبه کارآمد را ارائه میدهند، می پردازیم. این پلتفرم شامل نمونه آزمایشی از دستگاه مجازی علمی شامل سیستم عامل یونیکی و چندین کد علمی مواد، به همراه ابزارهای رابط مهم (تولست SCC) می باشد که نقش های قابل مقایسه با خوشه های محاسبه محلی را ارائه می دهد. مشخصا، تولست SCC (محاسبات ابری علمی) ایجاد اتوماتیک خوشه های مجازی را برای محاسبات موازی، و همچنین تسهیلات I/O (صفر و یک) مناسبی را که امکان ارتباطات یکپارچه را در مورد محاسبات ابری ایجاد می کنند، فراهم می کند. پلفرم SCC (محاسبات ابری علمی) مورد نظر ما برای محاسبات ابری انعطاف پذیر آمازون مطلوب می باشد (EC٢). ما به ارائه مبنایی برای برنامه های کاربردی علمی پیش الگو پرداخته و به اثبات عملکردهای قابل مقایسه با خوشه های محاسباتی محلی می پردازیم. برای ساده سازی اجرای کد و فراهم کردن دسترسی کاربرپسند، همچنین به ادغام قابلیت محاسبه ابری در رابط گرافیک کاربری (GUI) مبتنی بر زبان برنامه نویسی جاوا پرداخته ایم. پلتفرم SCC (محاسبات ابری علمی ) مورد نظر ما، به عنوان جایگزینی برای منابع HPC ( محاسبه با کارایی بالا) برای علم مواد یا کاربردهای شیمی کوانتوم می باشد.
کلیدواژه: محاسبه ابری، محاسبه علمی، محاسبه کارامد، فیزیک ماده چگال ( فشرده شده)
مقدمه:
محاسبه ابری (CC) به عنوان الگوی محاسباتی می باشد که منابع مقیاس پذیر پویا، مجازی به عنوان خدماتی بر روی اینترنت می باشند [١–۴]. این الگو شاهد پیشرفت های قابل توجهی در چند سال گذشته، به ویژه با ظهور چندین سرویس محاسبه ابری تجاری که از صرفه جویی های مقیاس مزایای بدست می آورند، بوده است [۵–٩]. درحالیکه بسیاری از کاربردهای تجاری به سرعت پیشرفت CC( محاسبه ابری) را مد نظر قرار داده اند، دانشمندان در بکارگیری ظرفیت های محیط CC کندتر عمل کرده اند. اشتراک منابع محاسباتی همانند خوشه های بیوولف که اغلب برای مواد چگال ( به هم فشرده) امروزی و شبیه سازی علم مواد ،برای دانشمندان چیز جدیدی نیست. همچنین منابع ابرمانند همانند محاسبه گرید و خوشه های کندور برای بعضی از کاربردهای علمی مفید می باشد.

• بخشی از مقاله انگلیسی:

a b s t r a c

 We describe the development of a scientific cloud computing (SCC) platform that offers high performance computation capability. The platform consists of a scientific virtual machine prototype containing a UNIX operating system and several materials science codes, together with essential interface tools (an SCC toolset) that offers functionality comparable to local compute clusters. In particular, our SCC toolset provides automatic creation of virtual clusters for parallel computing, including tools for execution and monitoring performance, as well as efficient I/O utilities that enable seamless connections to and from the cloud. Our SCC platform is optimized for the Amazon Elastic Compute Cloud (EC2). We present benchmarks for prototypical scientific applications and demonstrate performance comparable to local compute clusters. To facilitate code execution and provide user-friendly access, we have also integrated cloud computing capability in a JAVA-based GUI. Our SCC platform may be an alternative to traditional HPC resources for materials science or quantum chemistry applications.

Introduction

Cloud Computing (CC) is a computational paradigm in which dynamically scalable, virtualized resources are provided as a service over the internet [1–۴]. This paradigm has seen remarkable advances over the past few years, especially with the emergence of several commercial cloud services that take advantage of economies of scale [5–۹]. While many commercial applications have quickly embraced CC developments, scientists have been slower to exploit the possibilities of a CC environment. Scientists are not new to shared computing resources, such as Beowulf clusters, which are often needed for modern condensed matter and materials science simulations. Also cloud-like resources such as Grid Computing and CONDOR clusters have been useful for some scientific applications. However, these latter resources are typically loosely coupled, inhomogeneous, and geographically dispersed, and not well suited for the high performance computing (HPC) demands of many scientific codes. Recently, dedicated scientific cloud test beds have begun to be explored by national research facilities such as NERSC [10] and the NEON network [11]. Additionally, a number of studies have explored the concept, feasibility, or cost-effectiveness of cloud computing for research [12–۲۲]. There have been several commercial and community efforts to develop tools that make access to cloud resources easier

دانلود رایگان مقاله انگلیسی      

   خرید ترجمه فارسی مقاله