Forschungsprojekte

WAVE: Eine portable HPC-Toolbox zur Simulation und Inversion von Wellenfeldern

Förderer: BMBF
Förderzeitraum: 3 Jahre ab Frühjahr 2016
Konsortium: Prof. Dr. Thomas Bohlen (KIT, Koordinator), Dr. Jürgen Prüßmann (TEEC GmbH), Dr. Gerald Eisenberg-Klein (TEECware GmbH), Juniorprof. Dr. Henning Meyerhenke (KIT), Dr. Thomas Soddemann (Fraunhofer SCAI)

Schnelle inexakte kombinatorische und algebraische Löser für große Netzwerke (FINCA)

Förderer: DFG, innerhalb des SPP 1736 Algorithms for Big Data
Förderzeitraum: 3+3 Jahre ab Mitte 2014
Antragsteller: Henning Meyerhenke

Die englische Zusammenfassung auf der Seite des SPP liefert einen kurzen Projektüberblick.

TEAM: Ein algorithmisches Framework zur Lastbalancierung künftiger Exascale-Anwendungen auf massiv parallelen NUMA-Architekturen

Förderer: DFG
Förderzeitraum: 3 Jahre ab Anfang 2014
Antragsteller: Henning Meyerhenke

Die deutsche Projektbeschreibung gibt einen kurzen Überblick über das Projekt. Das Akronym TEAM ergibt sich aus dem englischen Haupttitel Towards Exascale Application Mapping.

Effiziente parallele Graphpartitionierung mit Hilfe von kräftebasiertem Graphenzeichnen

Förderer: Young Investigator Network (YIN) des KIT
Förderzeitraum: Juni-Oktober 2013
Antragsteller: Henning Meyerhenke, Martin Nöllenburg

Parallele Analyse dynamischer Netzwerke — Algorithmentechnik effizienter kombinatorischer und numerischer Methoden

Förderer: Ministerium für Wissenschaft, Forschung und Kunst des Landes Baden-Württemberg
Förderzeitraum: Oktober 2012 bis März 2015
Antragsteller: Henning Meyerhenke

Technische und soziale Netzwerke bestimmen immer stärker unser tägliches Leben. Eine Analyse dieser Netzwerke liefert wichtige Informationen und Einsichten in ihren Aufbau und ihre zukünftige Struktur. Solche Informationen sind von hohem wirtschaftlichen Interesse, etwa bei der Bereitstellung von Werbung in sozialen Online-Netzwerken. Die ständig wachsende Datenflut überfordert allerdings die meisten Analyse-Werkzeuge aufgrund der Größe, Dynamik und Struktur der Daten.

In diesem Projekt wollen wir daher innerhalb eines Softwarepakets Methoden entwickeln, mit denen man große dynamische Netzwerke mit Hilfe von Parallelverarbeitung in möglichst kurzer Zeit auf gängigen Workstations analysieren kann. Ziel ist, die bearbeitbare Größe bzw. die benötigte Rechenzeit um mindestens eine Größenordnung gegenüber dem Stand der Technik zu verbessern. Unsere Algorithmen und deren Implementierungen decken vier Problemstellungen aus unterschiedlichen Anwendungsbereichen ab. Dazu gehören als Kernelemente der Netzwerkanalyse die Aufteilung der Knoten in disjunkte Teilmengen anhand verschiedener Metriken (Graphclustering) und die Bestimmung eines einzelnen Clusters um eine Startmenge. Die Lösung von linearen Gleichungssystemen mit Laplace-Matrizen stammt aus dem wissenschaftlichen Rechnen, hat aber wichtige Anwendungen für die Verarbeitung von Netzwerken. Eine Querverbindung zwischen den beiden Bereichen stellt die Berechnung algebraischer Distanzen dar.

Das erstellte Softwarepaket wird anhand von anerkannten Benchmarks evaluiert und interessierten Anwendern zugänglich gemacht. Diese können das Paket um eigene Algorithmen erweitern. Unsere Arbeit wird außerdem in konkreten Anwendungen wie der Visualisierung großer Netzwerke erprobt, die von einer beschleunigten Ausführung erheblich profitieren.

Diffusions-basierte Partitionierung mit DibaP

Mehr Informationen finden Sie auf der Projekt-Webseite.

Sequence Assembly mit PASQUAL

Mehr Informationen finden Sie auf der Projekt-Webseite.