
A computação em exaescala designa sistemas de computação de alto desempenho capazes de executar pelo menos um exaflop — 10¹⁸ operações de ponto flutuante por segundo — um limite formalmente ultrapassado com a implantação do Frontier no Laboratório Nacional de Oak Ridge em 2022, seguido pelo Aurora em Argonne e pelo El Capitan em Lawrence Livermore.
As aplicações científicas que justificam essa infraestrutura — modelagem climática de alta resolução, simulação de estoque nuclear, mapeamento de circuitos neurais de todo o cérebro, cosmologia de precisão e modelagem epidemiológica em escala pandêmica — compartilham um perfil comum: problemas cuja resolução espacial ou temporal foi comprovadamente limitada pela capacidade de processamento aritmético em petaescala.
As publicações e patentes indexadas abaixo documentam as arquiteturas de hardware, o software de sistema, os modelos de programação e as aplicações específicas de domínio que definem a atual fronteira da pesquisa em exaescala.
Esta é a nossa mais recente seleção de publicações e patentes mundiais em inglês sobre Computação Exascale, entre diversos periódicos científicos online, classificadas e focadas em computação exascale, exaflop, supercomputador Frontier, supercomputador Aurora, supercomputador El Capitan, HPC exascale, carga de trabalho exascale, nó de computação de alto desempenho, interconexão exascale, interconexão Slingshot, hierarquia de armazenamento exascale, sistema de arquivos paralelo, HPC com resfriamento líquido, largura de banda de memória exascale, HPC com memória de alta largura de banda, MPI exascale, OpenMP exascale, tolerância a falhas exascale, HPC com reinicialização por checkpoint, exascale, acelerador exascale e cluster de GPUs em HPC.
Publicação: no recent news on this particular topic. Please try the extensive manual search in the Publication Database linked just above.
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

















