Hermes Senger.

Este projeto é uma parceria entre Universidade e a empresa LUIZALABS para a criação de um ambiente de estudo e capacitação de estudantes e profissionais da área de computação, para atuação na área de infraestrutura de computação em nuvem. Com o apoio a ser provido pela empresa parceira, será estabelecida uma infraestrutura computacional para realização de atividades didáticas, experimentais e de desenvolvimento, a serem realizadas neste projeto. Caberá a uma equipe de estudantes graduandos e pós-graduandos realizar as atividades de capacitação e pesquisa definidas no projeto, contando com apoio financeiro da empresa parceira e a orientação de docentes do DC/UFSCar e de participantes indicados pela empresa parceira.

O objetivo desta atividade é desenvolver implementações de software para problemas de inversão sísmica com otimizações de código para computadores de alto desempenho como clusters e GPUs.

A atividade tem como objetivo desenvolver pesquisa, estudos e projetos sobre o tema de mobilidade urbana utilizando soluções inteligentes em infraestrutura e tecnologia de forma a buscar a sustentabilidade social, econômica e ambiental. Os seguintes aspectos serão abordados: 1. Estudos, Pesquisas e Projetos para a infraestrutura de um BRT 2. Estudos, Pesquisas e Projetos para a Sinalização urbana de forma a garantir a segurança dos usuários e a sustentabilidade 3. Estudo, Pesquisa e Projeto de readequação da infraestrutura urbana 4. Tecnologia de Informação em Transporte Público, através do Sistema de Transporte Inteligente. A metodologia se baseia na avaliação de estudos similares, que permitirá compreender o estado da arte e proposição de soluções adequadas às necessidades de um sistema BRT em São José dos Campos. Majoritariamente, trata-se de um projeto de extensão. Porém, 5% dos recursos são destinados à pesquisa, incluindo recursos em bolsas, equipamentos e mobilidade.

Plataformas paralelas e distribuídas disponíveis hoje estão se tornando cada vez mais heterogêneas. Supercomputadores são construídos para explorar essa heterogeneidade usando CPUs, GPUs, FPGAs e outros aceleradores. O objetivo em um ambiente heterogêneo é utilizar diferentes recursos para realizar uma determinada tarefa no menor tempo possível e reduzir o consumo de energia. O consumo de eletricidade resulta em custos de manutenção interna e é uma fonte de poluição e emissões de gases. Por esse motivo, o consumo de energia e a sustentabilidade dos sistemas de computação se tornaram uma grande preocupação para pesquisadores de computação de alto desempenho. No lado das aplicações, os Scientific Workflows (SW) se tornaram comuns, e sua execução automatizada e eficiente em plataformas de computação em larga escala é o assunto de extensa pesquisa e desenvolvimento. Este projeto explorará vários aspectos dos SWs e outras aplicações em máquinas heterogêneas, com foco na sustentabilidade. Em particular, a parceria entre os pesquisadores vinculados a instituições brasileiras e o pesquisador brasileiro vinculado à University Grenoble Alpes, Danilo Carastan dos Santos, jovem pesquisador de destaque, fortalecerá o avanço nesta área de estudo a partir da intersecção de diferentes perspectivas. -- Chamada CNPq/MCTI/FNDCT N 22/2024 - Programa Conhecimento Brasil - Apoio a Projetos em Rede com Pesquisadores Brasileiros no Exterior.

Este projeto tem por objetivo acelerar aplicações de inversão sísmica empregando estratégias de computação de alto desempenho e de inteligência artificial. As aplicações de inversão sísmica têm por objetivo reconstruir imagens de propriedades dos materiais abaixo do fundo do mar, para a localização de reservatórios de petróleo e gás natural. Neste projeto, desenvolvemos técnicas utilizando supercomputadores, computação em nuvem, clusters heterogêneos com aceleradores (como GPUS, FPGAs, etc) e técnicas de inteligência artificial para melhorar a qualidade e a eficiência das aplicações. O projeto foi aprovado pela FINEP na SELEÇÃO PÚBLICA MCTI/FINEP/FNDCT Desenvolvimento de Tecnologias DE EXPLORAÇÃO E PRODUÇÃO OFFSHORE PARA PETRÓLEO E GÁS E PARA EXPLORAÇÃO E PRODUÇÃO DE NÃO CONVENCIONAIS 2022

Neste projeto, desenvolveremos novas estratégias para execução de operações de IA e AM voltadas ao processamento de fluxos de dados, utilizando dispositivos e recursos que estão disponíveis na borda. As estratégias de escalonamento de tarefas deverão ter como objetivo otimizar aspectos como: (1) reduzir latências de processamento, tornando as aplicações mais escaláveis, (2) otimizar a eficiência energética das operações, e (3) reduzir os custos financeiros das operações. Projeto aprovado na chamada pública: Acordos de Cooperação / MCTIC/CGI - Cooperação Científica e Tecnológica entre FAPESP e MCTIC / MCTIC/CGI

Scientific high-performance computing has supported numerous advances in several areas of human knowledge in the last two decades.During this period, most organizations including government bodies, research institutions and companies have intensified the production and analysis of large data volumes on an unprecedented way. The volume and variety of data have increased much faster than the available capacity of computers in the same period. Such disparity between the demand for information processing and the computational capacity has pushed the advances in scientific computing and high-performance computing. This proposal aims at improving the scientific high performance computing in four main research topics: (i) information retireval and query processing using massive parallel computing; (ii) high performance novelty detecion and malware analytics in data streams for cibersecirity; (iii) cloud computing for the scalable and efficient genome assembly and sequence alignment; (iv) scalability analysis of bag-of-tasks applications in heterogeneous computing platforms.

Melhoria da infraestrutura de rede da universidade.

Bolsa de Produtividade em Pesquisa

Melhoria da infraestrutura e conectividade da rede UFSCarNET coma rede ANSP.

Implantação de uma Nuvem Privada para Computação Científica na UFSCar.

desenvolvimento da infraestrutura de pesquisa e conectividade com a rede ANSP.

The aim of this project is to develop approximate search with result diversification and opportunistic dissemination algorithms for disrupted tolerant networks for supporting communication in disaster scenarios.

A presente proposta tem como principal objetivo desenvolver estratégias para mitigar o consumo desnecessário de energia em ambientes de computação em nuvem que utilizem executem aplicações do tipo MapReduce/Hadoop. MapReduce é um modelo de aplicações dos mais frequentes e utilizados na computação em nuvem atualmente, pois permite que uma única aplicação possa manipular quantidades de dados da ordem de petabytes, utilizando o poder computacional de algumas dezenas até alguns milhares de máquinas com relativa simplicidade e eficiência. O modelo permite que os programadores abstraiam diversos aspectos como escalonamento de tarefas, distribuição dos dados, tolerância a falhas, entre outras.

The objectives of this project include: (i) to evaluate the scalability limits and performance bottlenecks of MapReduce running on large clusters of computers or warehouse-scale machines, (ii) to identify correlations between several (application and platform) parameters and the performance and scalability of applications, (iii) to get insights for the parallelization of highly scalable applications. Our study employed simulation, analytical modeling, and empirical experimentation on the Hadoop MapReduce framework.

In this project we addressed the problem of capacity planning for the provision of cloud data centers. We developed a middleware to assemble the computational infrastructure of a cloud computing provider using resources whose costs have already been payed by the core businesses that use them.

O presente projeto tem como principal objetivo avaliar os principais gargalos que limitam a escalabilidade de aplicações computacionalmente intensivas em clusters, multiclusters e grades computacionais. Inicialmente, serão avaliadas algumas arquiteturas utilizadas na implementação de grades computacionais reais, tais como plataformas master-slave e plataformas hierárquicas. Após o estudo dos limites de escalabilidade e identificação dos gargalos de desempenho, serão propostas e avaliadas medidas para melhoria da escalabilidade sobre tais plataformas.

O presente projeto de pesquisa tem como principal objetivo avaliar os limites da escalabilidade de aplicações computacionalmente intensivas em clusters, multiclusters e grades computacionais. Inicialmente, o foco principal da presente proposta se concentrará sobre a classe de aplicações denominada Bag-of-Tasks, cujas aplicações podem ser implementadas na forma de tarefas independentes que não se comunicam e podem ser executadas em qualquer ordem. A proposta prevê uma avaliação rigorosa dos limites de escalabilidade de tais aplicações em plataformas distribuídas. Após o estudo dos limites de escalabilidade e identificação dos gargalos de desempenho, estratégias de escalonamento de aplicações serão propostas e avaliadas comparativamente a outras apresentadas na literatura. Posteriormente, outros modelos de aplicações e arquiteturas serão analisados em termos da sua escalabilidade, tais como clusters de servidores web, sistemas peer-to-peer e clouds.

EELA-2 aims at building a high capacity, production-quality, scalable Grid Facility, providing round-the-clock, worldwide access to distributed computing, storage and network resources needed by the wide spectrum of Applications from European - Latin American Scientific Collaborations, with special focus on:
- Offering a complete set of versatile services fulfilling Applications requirements;
- Ensuring the long-term sustainability of the e-Infrastructure beyond the term of the project.

O Projeto Aprendizado Eletrônicopossui caráter cooperativo na área de e-Learning que congrega vários grupos de pesquisa de diversas instituições no Estado de São Paulo. O projeto visa o desenvolvimento de um conjunto de ferramentas de suporte e apoio ao ensino e aprendizagem, com interações presenciais e a distância, síncronas e assíncronas, integradas e independentes de plataforma operacional. O ELUS (E-learning Laboratory at UniSantos) participa deste projeto como Laboratório Associado.

A Mineração de Dados (MD) é parte integrante do processo que tem como objetivo a descoberta automatizada de novos fatos e relações presentes nos dados. Diversas técnicas têm sido propostas para melhorar o desempenho de aplicações de MD, tais como o processamento paralelo, as implementações baseadas em clusters de estações de trabalho e de PCs e de grades computacionais. 
Clusters de PCs (commodity clusters) e grades de desktops com considerável capacidade de processamento e armazenamento utilizando recursos pré-existentes. Tais recursos na maior parte do tempo apresentam baixos índices de utilização (processador, memória, armazenamento), e podem ser utilizados para execução de tarefas importantes, e que requeiram grande capacidade de processamento, ou manipulem grandes volumes de dados. O aproveitamento de recursos ociosos existentes nas organizações pode tornar viável a execução e utilização cotidiana das aplicações de mineração de dados para os mais diversos fins. 
Entretanto, é preciso disponibilizar ferramentas capazes de i) monitorar, de maneira não-intrusiva a oferta de recursos, isto é, como estão sendo utilizados os recursos existentes; ii) controlar a alocação dinâmica dos recursos ociosos para a execução de tarefas, em função da demanda de recursos das aplicações; e iii) considerar situações reais nas quais os computadores podem apresentar falhas, plataformas heterogêneas, capacidades heterogêneas, e podem ser compartilhados com outros usuários locais ou aplicações. 
Este projeto prevê a implementação de um ferramental que suporte a execução da ferramenta WEKA, aproveitando recursos ociosos em um cluster de PCs.

ELUS (E-learning Laboratory at UniSantos) foi um dos Laboratórios Associados do Projeto Aprendizado Eletrônico (Ae) que participaram do desenvolvimanto de uma ferramenta de suporte ao ensino e aprendizagem sobre a plataforma da Internet Avançada. O Projeto Ae contou com financiamento do Programa TIDIA (Tecnologia da Informação no Desenvolvimento da Internet Avançada) da FAPESP, com duração de 3 anos.

Executar aplicações em Grids de forma transparente. 
O objetivo principal desse projeto foi permitir a execução de aplicações específicas das áreas de bioinformática, petróleo e mineração de dados em grades computacionais via um portal Web, denominado PortalGIGA

Desenvolvimento e a implementação de uma infra-estrutura de gerenciamento e disponibilização contínua de dados, informações e conhecimentos relativos ao desenvolvimento e a aplicação de soluções dinâmicas para o desenvolvimento sustentável da Região Amazônica.