فلش‌کارت‌های آموزشی چشم‌انداز محاسبات پرقدرت در دهه آینده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره چشم‌انداز محاسبات پرقدرت در دهه آینده

موضوع کلی: محاسبات با عملکرد بالا (HPC)

موضوع میانی: HPC و مدلسازی سیستم‌های جبر HPC و آینده پیشتاز

📋 سرفصل‌های دوره

• 1. مبانی محاسبات با عملکرد بالا (HPC) و تاریخچه آن
• 2. معمارای پردازنده‌های چند هسته‌ای و SIMD
• 3. واحدهای پردازش گرافیکی (GPU) و معماری آن
• 4. پردازنده‌های برداری و AVX‑512
• 5. معماری حافظه هرمی و کش در سیستم‌های HPC
• 6. شبکه‌های InfiniBand، Ethernet و Slingshot
• 7. Topologie‌های شبکه و مسیریاب در HPC
• 8. مدل برنامه‌نویسی موازی: MPI پایه
• 9. MPI پیشرفته: ارتباطات غیرهمزمان و یک-sided
• 10. OpenMP: حافظه مشترک و parallel for
• 11. OpenMP 5: taskloop، simd، target offload
• 12. CUDA fondamentال: kernel launch و سلسله مراتب حافظه
• 13. CUDA پیشرفته: streams، events، unified memory
• 14. ROCm و HIP: برنامه‌نویسی پلتفرم‑منفرض
• 15. SYCL و oneAPI: لایه انتزاعی برای heterogeneous
• 16. OpenACC: دستورالعمل‑محور برای offload GPU
• 17. Chapel و X10: زبان‌های سطح‑بالا برای HPC
• 18. Julia برای محاسبات علمی موازی
• 19. Python در HPC: Numba، CuPy، Dask
• 20. مدل‌های داده توزیع‌شده: Apache Arrow و Plasma
• 21. كتابخوارزمی عددی خطی: BLAS و LAPACK
• 22. جبر خطی سparse: PETSc و Trilinos
• 23. حلال‌های تکراری: CG، GMRES، multigrid
• 24. پیش‌条件‑سازی پیشرفته برای HPC
• 25. تحلیل عددی معادلات مشتق جزئی با Finite Differences
• 26. عنصر محدود (FEM) در HPC
• 27. مدلسازی جریانهای سیال (CFD) موازی
• 28. شبیه‌سازی مولکولی و دینامیک مولکولی موازی
• 29. محاسبه Monte Carlo موازی
• 30. الگوریتم‌های الهام‌ گرفته از کوئنتوم برای HPC
• 31. یادگیری عمیق و هوش مصنوعی در HPC: آموزش مدل‌های بزرگ
• 32. شبکات عصبی مبتنی بر فیزیک (Physics‑Informed Neural Networks)
• 33. یادگیری تقویتی برای بهینه‌سازی پارامترهای شبیه‌سازی
• 34. مدل Roofline برای تحلیل عملکرد
• 35. ابزار پروفایلینگ: VTune، Nsight، Perf
• 36. تحلیل کش و TLB miss
• 37. تحلیل پهنای باند و تأخیر در ارتباطات
• 38. بهینه‌سازی دسترسی به حافظه: coalesced، tiling
• 39. بهینه‌سازی ورودی/خروجی: HDF5 موازی، ADIOS
• 40. سیستم‌های فایل موازی: Lustre، GPFS، BeeGFS
• 41. ذخیره‌سازی ابری برای HPC: S3‑compatible، object store
• 42. فشرده‌سازی داده‌های علمی: ZFP، SZ
• 43. مدیریت داده‌های محاسبه‌ای: metadata و provenance
• 44. قابلیت تولید و reproducibilty: کonteйнерها (Docker، Singularity)
• 45. آرkeستراسیون کار flujo: Nextflow، Snakemake، Cromwell
• 46. برنامه‌ریزی کارها: SLURM، PBS، LSF
• 47. بهینه‌سازی زمان‌بندی کارها: backfilling و priority
• 48. پیش‌بینی خطا و fault tolerance: checkpoint/restart
• 49. الگوریتم‌های تکرار کار و erasure coding
• 50. محاسبات کار‑انرژی‑محور: DVFS، ARM، RISC‑V
• 51. پردازنده‌های مخصوص AI: TPU، IPU، Graphcore
• 52. اتصالات فوتونی و lexico‑optical interconnects
• 53. حافظه جدید: HBM، HBM2E، CXL، حافظه پایدار
• 54. معمارای memory‑centric و پردازش در مکان (PIM)
• 55. محاسبات حاشیه‌ای (edge HPC) و micro‑datacenters
• 56. HPC در ابر: AWS EC2 HPC، Azure HBv2، GCP C2
• 57. burst buffer و ذخیره‌سازی layered
• 58. معیارهای استاندارد بنچمارک: TOP500، HPCG، Graph500، HPL‑AI
• 59. معیارهای انرژی: Green500
• 60. تحلیل هزینه‑عملکرد و TCO
• 61. سیاست‌ها و financement ملی و بین‌المللی در HPC
• 62. همکاری‌های بین‌المللی: EuroHPC، PRACE، XSEDE
• 63. آموزش و تربیت نیروی کار ماهر در HPC
• 64. مسیرهای شغلی و مهارت‌های مورد نیاز در صنعت HPC
• 65. امنیت در HPC: تهدیدها، جداسازی tenants، رمزنگاری
• 66. مقایسه مقیاس‌پذیری: weak scaling vs strong scaling
• 67. تحلیل مقیاس‌پذیری الگوریتمی: leyes Amdahl و Gustafson
• 68. ابزارهای خودکار تنظیم عملکرد (auto‑tuning): PETSc‑TAU، Kokkos‑Kernel
• 69. کامپایلرهای پیشرفته برای HPC: LLVM‑Clang، Flang، NVHPC
• 70. بهینه‌سازی Link‑time و interprocedural
• 71. تولید خودکار کد: code generation، DSLs (ExaStencils، Devito)
• 72. بهینه‌سازی الگوریتم برای معماری‌های heterogeneous
• 73. تركيب محاسبه کلاسیک و کوئنتوم: workflows هیبریدی
• 74. پیش‌بینی آینده: Exascale و پس‑Exascale (ZettaScale)
• 75. چالش‌های اخلاقی و اجتماعی: دسترسی عادلانه، اثرات محیطی