В рамках научного направления «Поддержка и развитие Многофункционального информационно-вычислительного комплекса (МИВК) ОИЯИ» проводятся работы по следующим темам:
-
Системы долговременного хранения и транспортировки данных (Мойбенко А.Н.)
-
Цифровые двойники (д.т.н. Кореньков В.В., к.т.н. Пряхина Д.И., Трофимов В.В.)
Руководители: Мицын В.В., Голунов А.О., Кашунин И.А.
Возможные темы дипломных работ
- Настройка, тестирование и поддержка системы сверхбольшого хранилища данных - EOS.
- Настройка, тестирование и поддержка системы пакетной обработки задач - SLURM.
- Настройка, тестирование и поддержка системы долговременного хранения и доступа к данным на ленточных роботах - CTA.
Тема: Системы долговременного хранения и транспортировки данных
Руководитель: Мойбенко А.Н.
Аннотация
Неотъемлемой частью экспериментов в физике высоких энергий являются системы долговременного хранения и транспортировки данных. Объемы хранимых данных в некоторых экспериментах уже достигают ExaBytes. Системы хранения таких данных должны
обеспечивать:
- Наиболее быстрый доступ к данным.
- Масштабирование.
- Надежность хранения и доступа.
- Защиту.
- Эффективный доступ к данным и организация коллаборативного пользования.
- Географическое распределение систем хранения и их пользователей.
Возможные темы дипломных работ
- Развитие и сопровождение систем хранения и транспортировки данных.
- Тестовая система для тестирования возможностей систем хранения при высоких нагрузках.
- Реализация уровня передачи контрольных сообщений на базе распределенных систем коммуникации.
- Организация распределенной, масштабируемой иерархической системы хранения данных
Общие требования к студентам
- Аналитические способности.
- Знание основных способов проектирования и разработки программного обеспечения.
- Знание OS Linux (RedHat) на уровне системного администратора.
- Практика использования bash, python, C, C++.
- Github, gitlab, CI/CD
- Английский язык на среднем уровне.
Руководители: д.т.н. Кореньков В.В. к.т.н. Пряхина Д.И., Трофимов В.В.
Аннотация
В настоящее время прослеживается тенденция применения цифровых двойников (ЦД) для решения задач управления и развития сложных систем. Например, для хранения и дальнейшего анализа больших объемов данных, с которыми современный человек сталкивается в любой области деятельности (науке, технике, производстве, социальной жизни и т.п.), стали проектировать центры обработки данных (ЦОД). ЦОД является сложной системой, которая помимо оборудования для хранения и обработки данных, включает в себя сетевую и инженерную инфраструктуру, нематериальные активы по управлению потоками данных и задач и многое другое. Для проектирования, создания и обслуживания таких сложных систем нельзя обойтись без ЦД. В частности, ЦД могут применяться с целью улучшения технических характеристик вычислительных систем, принятия решений по выбору конфигураций оборудования в рамках задачи масштабирования и управления ресурсами. В ЛИТ ОИЯИ разработаны модели, методы и алгоритмы построения и использования цифровых двойников ЦОД. Разработки легли в основу программного комплекса для создания ЦД и взаимодействия с ними. Методы, алгоритмы и весь программный комплекс необходимо развивать для применения при решении новых задач, возникающих в процессе управления и совершенствования ЦОД.
Возможные темы дипломных работ
- Применение методов машинного обучения для анализа данных мониторинга ЦОД.
- Интеграция систем мониторинга в работу цифровых двойников ЦОД.
- Модернизация ядра цифровых двойников для параллельного запуска задач моделирования ЦОД c различными конфигурациями оборудования.
- Модернизация веб-приложения программного комплекса для создания цифровых двойников и взаимодействия с ними.
- Метод многокритериальной оптимизации в задачах выбора конфигураций оборудования для развития ЦОД.
- Реализация алгоритма оптимального распределения задач и данных по ресурсам с учетом эффективности их использования в распределенном ЦОД.
Общие требования к студентам
- Целеустремленность, ответственность, желание изучать новое.
- Опыт программирования на языке Python.
- Знание стандартных языков веб-программирования.
- Знание основ баз данных.
- Базовые знания методов машинного обучения.
- Опыт создания веб-приложений (желательно).
- Опыт работ с библиотеками ML/DL (желательно).
- Знание методов решения задач оптимизации (желательно).
