
Exascale-Computing bezeichnet Hochleistungsrechnersysteme, die in der Lage sind, mindestens ein Exaflop – 10¹⁸ Gleitkommaoperationen pro Sekunde – auszuführen. Diese Schwelle wurde mit der Inbetriebnahme von Frontier im Oak Ridge National Laboratory im Jahr 2022 formell überschritten, gefolgt von Aurora in Argonne und El Capitan in Lawrence Livermore.
Die wissenschaftlichen Anwendungen, die diese Infrastruktur rechtfertigen – Klimamodellierung in voller Auflösung, Simulation von Nuklearwaffenarsenalen, Kartierung neuronaler Schaltkreise des gesamten Gehirns, Präzisionskosmologie und epidemiologische Modellierung im Pandemiemaßstab – haben ein gemeinsames Profil: Probleme, deren räumliche oder zeitliche Auflösung nachweislich durch den arithmetischen Durchsatz im Petascale-Bereich begrenzt war.
Die unten aufgeführten Veröffentlichungen und Patente dokumentieren die Hardwarearchitekturen, Systemsoftware, Programmiermodelle und domänenspezifischen Anwendungen, die die aktuelle Exascale-Forschungsgrenze definieren.
Dies ist unsere neueste Auswahl weltweiter Veröffentlichungen und Patente in englischer Sprache zum Thema Exascale Computing, zwischen vielen wissenschaftlichen Online-Zeitschriften, klassifiziert und fokussiert auf exascale comput, exaflop, Frontier supercomputer, Aurora supercomputer, El Capitan supercomputer, exascale HPC, exascale workload, high-performance computing node, exascale interconnect, Slingshot interconnect, exascale storage hierarchy, parallel file system, liquid cooling HPC, exascale memory bandwidth, high-bandwidth memory HPC, exascale MPI, exascale OpenMP, exascale fault tolerance, checkpoint restart HPC, exascale, exascale accelerator und GPU cluster HPC.
Veröffentlichung: keine aktuellen Nachrichten zu diesem speziellen Thema. Bitte versuchen Sie es mit der umfangreichen manuellen Suche in der oben verlinkten Publikationsdatenbank.
Selective inline compression using data processing unit on a parallel file system
Patent published on the 2026-07-16 in US under Ref US20260202962 by DELL PRODUCTS L P [US] (Doddaiah Ramesh [us], Chen Xiangping [us], Krasner Jonathan Ichael [us])
Abstract: Embodiments disclosed herein relate to selective inline compression of data using data processing units (DPUs) of hosts running on the file system prior to storing the data on a remote storage system. To be compressed by the DPUs of the hosts, data should be not already compressed, the data should not subject to frequent read/write cycles off the remote storage system, and the DPU should have sufficient computing resources to compress the data. A file system is connected to the hosts and the rem[...]
Our summary: Selective inline compression is performed using data processing units (DPUs) on hosts before storing data in a remote storage system. The process relies on a file heatmap generated by machine learning to assess data access frequency. Only uncompressed data that meets specific criteria is eligible for compression by the DPUs.
inline compression, data processing unit, file system, machine learning
Patent

















