Informatica

Blog che parlando di informatica

Una parte del supercomputer Fugaku (Foto cortesia RIKEN Center for Computational Science (R-CCS))

Il supercomputer giapponese Fugaku è stato incoronato nuovo re della classifica Top 500 superando Summit, che deteneva il titolo da due anni. Fugaku ha prestazioni quasi triple rispetto al suo predecessore con una potenza di calcolo di 415,5 Petaflops contro 148,6 per un picco teorico di 513,8 Petaflops contro 200,8. Come è da molto tempo comune per i re dei supercomputer, usa il sistema operativo Linux, nel caso specifico la distribuzione Red Hat Enterprise Linux 8. Una novità interessante è che Fugaku è il primo re dei supercomputer basato su architettura ARM essendo costruito attorno a processori A64FX 48C a 2.2GHz. Nella classifica Top 500 solo altri tre supercomputer sono basati su architettura ARM.

GW-BASIC

Microsoft ha annunciato il rilascio dei sorgenti di GW-BASIC, il linguaggio di programmazione che era parte del sistema operativo MS-DOS fino alla versione 4. Essi sono stati resi disponibili sul sito GitHub sotto la licenza libera / open source MIT. Microsoft non accetterà richieste di modifiche inviate tramite il sistema di GitHub ma chiunque potrà liberamente non solo andare a leggersi il codice assembly ma anche sperimentarci, probabilmente ricorrendo a una macchina virtuale. I sorgenti pubblicati risalgono al 10 febbraio 1983 e, come per le versioni 1.25 e 2.0 del sistema operativo MS-DOS rilasciate nel settembre 2018, ciò è stato fatto per motivi storici e didattici.

L'apprendimento automatico usato per creare nuovi polimeri

Un articolo pubblicato sulla rivista “npj Computational Materials” riporta i risultati dell’utilizzo di un algoritmo di apprendimento automatico (machine learning) nella ricerca di nuovi materiali. Un team di ricercatori ha usato un algoritmo specializzato nella progettazione molecolare addestrato per riconoscere candidati con certe proprietà. In questo modo hanno progettato polimeri ad alta conduttività termica, utilissimi da usare ad esempio nelle tecnologie mobili collegate al 5G.

Schermata di una simulazione di IllustrisTNG (Immagine cortesia progetto IllustrisTNG)

Un articolo pubblicato sulla rivista “Computational Astrophysics and Cosmology” presenta il rilascio pubblico completo delle simulazioni codificate come TNG100 e TNG300 del progetto IllustrisTNG, una simulazione dell’universo estremamente sofisticata che è stata migliorata nel corso di anni di lavoro. Un team di ricercatori ha continuato a migliorare dettagli e funzionalità sviluppando anche nuovi strumenti di interazione ed esplorazione in 2D e 3D per simulare due cubi di spazio da 100 e 300 milioni di parsec di lato.

L'apprendimento profondo usato per mappare le tempeste sul pianeta Saturno

Un articolo pubblicato sulla rivista “Nature Astronomy” riporta l’applicazione di un algoritmo di apprendimento profondo (deep learning) per riconoscere tempeste sul pianeta Saturno creando una mappa delle loro componenti e caratteristiche. Ingo Waldmann dello University College London, in Inghilterra, e Caitlin Griffith dell’Università dell’Arizona, negli USA, hanno sviluppato l’algoritmo chiamato PlanetNet basato sul “motore” TensorFlow per analizzare i dati raccolti dalla sonda spaziale Cassini con un’efficienza maggiore delle tecniche tradizionali grazie al riconoscimento di caratteristiche ricorrenti attraverso vari insieme di dati multipli. PlanetNet potrebbe essere adattato per analizzare osservazioni di altri pianeti.