Aceleración de la microfísica de lluvia para “modelo avanzado de predicción del estado del tiempo wrf” utilizando computación heterogénea paralela
Cargando...
Fecha
Fecha
2017-04-04
Director
Colaboradores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Descripción
El pronóstico del estado del tiempo, actualmente es guiado principalmente por modelos numéricos que simulan la dinámica atmosférica, permitiendo establecer las condiciones futuras basadas en las condiciones iniciales de las variables atmosféricas. Dado el número de variables meteorológicas, los complejos sistemas de ecuaciones no lineales y los métodos numéricos utilizados, es necesario dividir el área de análisis en celdas de un tamaño determinado según el cual se establece la resolución del modelo. Debido a que existen fenómenos cuya dinámica es determinada a escalas globales y otros a escalas regionales o locales, cada modelo ajusta su dinámica para una determinada escala, entendiendo que algunos fenómenos requieren una mayor resolución (un tamaño de celda más pequeño) para tener una mejor probabilidad de acierto. Aumentar la resolución significa disminuir el espaciado temporal de los puntos de malla y por tanto aumentar el poder computacional requerido por la dinámica del modelo; al aumentar el poder computacional se involucran aspectos como la comunicación entre nodos, la velocidad de acceso a memoria local y remota, las operaciones de lecto-escritura para acceder a los datos de entrada y la distribución de las cargas de trabajo para que la solución se pueda ejecutar en un marco de tiempo factible (que el tiempo de simulación sea mucho menor que el horizonte de pronóstico). Varios estudios han establecido que aumentar la resolución del modelo en 2 veces requiere el aumento del poder computacional en 10 veces (lo cual aumenta no solo la complejidad de la infraestructura computacional sino también los costos económicos asociados). En la última década el uso de aceleradores gráficos y vectoriales, al igual que el uso de FPGAs, han permitido que se logre aumentar el poder de cómputo en configuraciones mucho más simples, eficientes, económicas y con modelos de programación consistentes; Este tipo de arquitecturas que mezclan procesadores y aceleradores ha sido denominada computación heterogénea. En la presente investigación se exponen diferentes técnicas utilizadas para acelerar el modelo de pronóstico del estado del tiempo WRF en plataformas de cómputo heterogéneas, analizando temas de infraestructura, modelo de programación y estructura interna del mismo modelo.
Resumen
The current weather forecast use mainly numerical models to resolve the atmospheric dynamics, allow to establish future conditions based on initial conditions of atmospheric variables. Given the number of meteorological variables, complex systems of nonlinear equations and numerical methods used, it is necessary to divide the analysis region in grids of a fixed size, the size of grid determines the resolution of the model and depending on the resolution, the results the prognosis may have chance of success.
Increasing the resolution means decreasing the temporal spacing of the grid points and thus increase the computing power required by the model dynamics; by increasing computational power aspects such as intercom nodes, access to local and remote memory access to data and distributing them throughout the involved solution and message passing it is involved to coordinate the work of distributed processing involved: for these reasons is that several studies have established that increasing the resolution 2 times requires increased computing power by 10 times, with the associated economic costs. In the last decade, the use of graphics and vector accelerators, like the use of FPGAs have allowed large computing power is achieved with much simpler configurations and models consistent programming, such architectures that combine processors and accelerators has been called heterogeneous computing. In the research presented different techniques used to accelerate the forecast model WRF in heterogeneous computing platforms are exposed.
Palabras clave
Computación heterogénea, Computación paralela, Cómputo de alto desempeño, HPC, Pronóstico numérico