Elsevier / Physica A
Referentgranskad artikel, ensam författare
En Monte Carlo-studie om att minska bias och varians i Detrended Fluctuation Analysis (DFA).
GRUENCY / Vetenskapliga beräkningar
Arbetsstationer för vetenskapliga beräkningar
Simulering och numerisk forskning innebär långa obevakade körningar, hög minnesbelastning och resultat som måste vara korrekta. GRUENCY bygger arbetsstationer för det arbetet. Grundaren, Sebastian Michalski, genomför egna Monte Carlo-studier.
Anpassad efter lösaren
- Balans mellan CPU och GPU vald efter de koder du kör
- ECC-minne och en plattform lämpad för resultat som måste vara korrekta
- Minnesbandbredd och antal kärnor avvägda för varje lösare
- Lagringsupplägg för dataset, checkpoints och resultat
- Stabilitet vid långa obevakade körningar
- Ljudnivåmål anpassade för kontor eller laboratorium
Testning för långa körningar
Varje maskin genomgår ett långvarigt burn-in-test under full last, termisk profilering och en ljudnivåkontroll. Driftsättning på distans i din miljö ingår, var du än finns i världen.
Forskningsbakgrund
NBP, Polens nationalbank
Pris av första graden
Optimering av kontantcirkulationen och ekonomisk modellering för Polens centralbank.
Prototyp, 2017
11 vattenkylda GPU:er i ett chassi
En serverplattform med dubbla CPU:er i ett enda CAD-konstruerat chassi, byggd 2017.
Frågor om vetenskapliga beräkningar
CPU-tungt eller GPU-tungt för simulering?
Det beror på lösaren. Minnesbandbredd, antal kärnor och GPU-acceleration bedöms utifrån dina koder redan i det första samtalet.
Är ECC-minne värt det?
För långa körningar och forskning där resultaten måste vara korrekta: oftast ja. Det är ett plattformsbeslut, och specifikationen förklarar det.
Förstår ni hur forskningsarbete går till?
Sebastian genomför själv Monte Carlo-studier och har publicerat en metodartikel som ensam författare i Physica A. Han använder maskiner av det här slaget i sitt eget arbete.
Boka en konsultation
Beskriv koderna, dataseten och var maskinen ska användas.
Eller mejla info@gruency.com