Esta área constitúe unha ferramenta esencial para o procesamento de grandes cantidades de datos co fin de poder entender e responder a grandes retos científicos, sociais e industriais en diferentes campos como o medicamento personalizado, a predición meteorolóxica, a detección e resposta a ciberataques, o deseño de novos materiais ou a simulación na industria.

As áreas de Intelixencia Artificial e de Ciencias de Datos son impulsoras do HPC debido á súa necesidade de grandes recursos computacionais.

As prioridades que se integran nesta área son:

Software HPC: nesta prioridade dáse solución coa utilización de superordenadores a problemas tecnolóxicos complexos onde están involucrados un gran volume de cálculos.

Liñas de investigación:

• • Arquitecturas de aplicación específica para HPC usando FPGA
  • Optimización do rendemento e enerxía para arquitecturas HPC emerxentes
  • Ferramentas para o autotuning de códigos en sistemas heteroxéneos
  • Tolerancia a fallos para sistemas exascale
  • Aplicacións de gráficos por computador e visualización de datos masivos
  • Aceleración de algoritmos para xenómica en sistemas HPC
  • Aceleración de códigos de aprendizaxe automática en sistemas HPC
  • Explotación de infraestruturas HPC e cloud para problemas de optimización a grande escala en bioloxía de sistemas computacional

Infraestruturas big data: define a infraestrutura necesaria para facilitar a recompilación, o almacenamento e a análise de grandes volumes de datos que require unha plataforma big data.

Liñas de investigación:

• • Caracterización e optimización do procesamento big data en sistemas HPC
  • Aplicacións de gráficos por computador e visualización de datos masivos

Computación na Nube: ofrece servizos de computación a través dunha rede, principalmente internet.

Liñas de investigación:

• • Explotación de infraestruturas HPC e cloud para problemas de optimización a grande escala en bioloxía de sistemas computacional
  • Caracterización e optimización do procesamento big data en sistemas HPC