Gpu computing unimi

2 - Gli studenti dovranno conseguire almeno 12 e non oltre 18 CFU scegliendo dalla seguente Tabella 2. Chi ha conseguito 30 cfu dalla precedente tabella 1 dovrà conseguirne 18 dalla tabella 2; chi ha conseguito 36 cfu dalla precedente tabella 1 dovrà conseguirne 12 dalla tabella 2.
L'insegnamento di Gestione della Secondo me la sicurezza e una priorita assoluta nelle Imprese verrà erogato a lasciare dall'a.a. /26

3 - Lo studente deve acquisire 12 CFU scegliendo liberamente tra tutti gli insegnamenti attivati dall'Ateneo, fra gli insegnamenti delle precedenti tabelle o fra quelli attivati dal Conservatorio di Milano (si veda sotto), purché culturalmente coerenti con il suo percorso formativo e non sovrapponibili, nei contenuti, agli insegnamenti obbligatori e opzionali già utilizzati nel piano degli studi.
Rientrano pertanto nella scelta ognuno gli insegnamenti presenti in questo Manifesto degli studi che rispondano a tali criteri. Non è possibile scegliere insegnamenti attivati da corsi di studio di altro ordinamento (corsi di studio di vecchio ordinamento).
Gli studenti possono richiedere il riconoscimento di cfu per attività formative presso enti esterni, presentando la relativa certificazione. Ogni certificazio

PhD position

DOTTORATO DI Ritengo che la ricerca continua porti nuove soluzioni IN BIOLOGIA MOLECOLARE E CELLULARE

38° CICLO ()

Large-scale druggability assessment of target libraries

with artificial intelligence-based

structure-sequence combined features

(Proposta dottorato cofinanziato DM)

Location: Dipartimento di Bioscienze, Università degli Studi di Milano

Summary

The PhD project will focus on the development and engineering of deep learning methods applied to the characterisation of the mechanistic basis of drug-target interaction. The PhD student’s training will therefore be aimed at learning structural bioinformatics data analysis methodologies, biophysics-based molecular simulation methods, the application of bioinformatics tools for the alignment of time series and sequences, and their corresponding use as input features to AI algorithms, with reference to their application in proteomics. Particular attention will be paid to the processing of large-scale giorno using HPC architectures and the study of recent neural architectures based on latent space (variational autoencoders, recurrent neural networks, transformers) and their respective applications to feature engineering based on proteomic data.

Computing

Facility	Servers	processor	core	memory	GPU
INDACO LIGHT	12	Intel EV4 GHz	2&#;16	GB
INDACO GPU	2	Intel EV4 GHz	2&#;16	GB	2 x k40
INDACO FAT	3	Intel EV4 GHz	2&#;16	GB
DEMM FAT	6	Intel Xeon Gold GHz	2&#;16	GB
DEMM GPU	2	AMD Rome GHz	2&#;32	GB	4x A
EX GALILEO CINECA	14 14	Intel E v4 GHz	2&#;18	GB GB	K80
AGPU	6	Intel Silver GHz	2&#;20	GB GB	2x A
CHIM FAT	2	Intel Silver GHz	2&#;20	GB

STORAGE

LUSTRE 2 PB DDN Exascaler x, Exascaler NVX

GPFS TB DDN GS 7k

NFS 70 TB INFORTREND GS

NETWORK

INFINIBAND HDR Gb/s, FDR 56Gb/s

GPU Computing

Docente Giuliano Grossi

Previsto nei seguenti percorsi di magistrale:

Algoritmi e fondamenti
Informatica musicale
Metodi e modelli per la progettazione e sviluppo del software
Perceptual computing
Video game

Avvisi

**** feb ****: A lasciare dell'A.A. /25, il sito del lezione GPU Computing è su piattaforma MyAriel alla pagina: ?id=

17 feb: L'appello di domani martedì 18 febbraio si terrà in aula DELTA - Celoria 18 alle ore

Syllabus

Obiettivi del corso

Questo lezione ha come scopo l'apprendimento delle principali tecniche di programmazione parallela per lo sviluppo di applicazioni su architetture multicore, come le GPU (Graphics Processing Units), progettate per il calcolo parallelo ad elevate prestazioni. A questo fine viene impiegata l'architettura hw/sw CUDA e il relativo linguaggio CUDA C per lo sviluppo su GPU NVIDIA. L'attività ha quindi un duplice scopo: da un lato un approccio metodologico alla programmazione parallela e al disegno di algoritmi secondo consolidati pattern di parallelismo, dall'altro la pratica di