Fisica
Cod 198331
- Laurea magistrale
- 2 anni
- 120 CFU
- LM-17 R
INF/01
IN480 - Calcolo Parallelo e Distribuito
Codice: 20410426
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Scienze Computazionali
- Periodo di erogazione
- Secondo semestre
- CFU
- 9 CFU
- Lingua
- Italiano
- SSD
- INF/01
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027. L’insegnamento è diviso in canali: ogni canale ha il suo programma.
- Docente
- Flavio Lombardi
- Curriculum
- Crittografia e sicurezza informatica
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 72
- CUIN
- 260008586
Programma
Tassonomia di Flynn
Architetture parallele a memoria condivisa, a memoria distribuita e GPGPU
Pattern per la programmazione parallela: problemi embarassingly parallel; work farm; partitioning; reduce; stencil
Valutazione delle prestazioni di programmi paralleli: Speedup, legge di Amdahl, strong e weak scalability.
Caratteristiche ed utilizzo programmazione SIMD
Programmazione di architetture a memoria condivisa con OpenMP
Programmazione di architetture a memoria distribuita con MPI
Programmazione GPGPU tramite linguaggi CUDA, OpenCL e SYCL.
Calcolo distribuito su Cloud e cenni ad approcci innovativi per HPC (K8s, OpenACC, Rust)
Prerequisiti
fondamenti di programmazione C
Testi adottati
Peter Pacheco, Matthew Malensek, An Introduction to Parallel Programming, 2nd ed., Morgan Kaufmann, 2021, ISBN 9780128046050
CUDA C++ programming guide
Appunti del docente - Slide del corso a cura del docente
Modalità di erogazione
Lo svolgimento prevede lezioni (fortemente consigliate), esercitazioni, seminari, simulazioni e laboratori
Modalità di frequenza
La partecipazione attiva alle lezioni ed esercitazioni è fortemente consigliata,
Modalità di valutazione
La valutazione prevede una prova scritta sugli argomenti del corso
(durata 2 ore circa 16 domande aperte)
più la implementazione di un progetto software concordato con il docente e della relativa documentazione
Prove previste
- Prova scritta
- Prove intermedie
- Valutazione di un progetto
- Docente
- Flavio Lombardi
- Curriculum
- Modellistica fisica e simulazioni numeriche
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 72
- CUIN
- 260008641
Programma
Tassonomia di Flynn
Architetture parallele a memoria condivisa, a memoria distribuita e GPGPU
Pattern per la programmazione parallela: problemi embarassingly parallel; work farm; partitioning; reduce; stencil
Valutazione delle prestazioni di programmi paralleli: Speedup, legge di Amdahl, strong e weak scalability.
Caratteristiche ed utilizzo programmazione SIMD
Programmazione di architetture a memoria condivisa con OpenMP
Programmazione di architetture a memoria distribuita con MPI
Programmazione GPGPU tramite linguaggi CUDA, OpenCL e SYCL.
Calcolo distribuito su Cloud e cenni ad approcci innovativi per HPC (K8s, OpenACC, Rust)
Prerequisiti
fondamenti di programmazione C
Testi adottati
Peter Pacheco, Matthew Malensek, An Introduction to Parallel Programming, 2nd ed., Morgan Kaufmann, 2021, ISBN 9780128046050
CUDA C++ programming guide
Appunti del docente - Slide del corso a cura del docente
Modalità di erogazione
Lo svolgimento prevede lezioni (fortemente consigliate), esercitazioni, seminari, simulazioni e laboratori
Modalità di frequenza
La partecipazione attiva alle lezioni ed esercitazioni è fortemente consigliata,
Modalità di valutazione
La valutazione prevede una prova scritta sugli argomenti del corso
(durata 2 ore circa 16 domande aperte)
più la implementazione di un progetto software concordato con il docente e della relativa documentazione
Prove previste
- Prova scritta
- Prove intermedie
- Valutazione di un progetto
- Docente
- Flavio Lombardi
- Curriculum
- Analisi dei dati e statistica
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 72
- CUIN
- 260008696
Programma
Tassonomia di Flynn
Architetture parallele a memoria condivisa, a memoria distribuita e GPGPU
Pattern per la programmazione parallela: problemi embarassingly parallel; work farm; partitioning; reduce; stencil
Valutazione delle prestazioni di programmi paralleli: Speedup, legge di Amdahl, strong e weak scalability.
Caratteristiche ed utilizzo programmazione SIMD
Programmazione di architetture a memoria condivisa con OpenMP
Programmazione di architetture a memoria distribuita con MPI
Programmazione GPGPU tramite linguaggi CUDA, OpenCL e SYCL.
Calcolo distribuito su Cloud e cenni ad approcci innovativi per HPC (K8s, OpenACC, Rust)
Prerequisiti
fondamenti di programmazione C
Testi adottati
Peter Pacheco, Matthew Malensek, An Introduction to Parallel Programming, 2nd ed., Morgan Kaufmann, 2021, ISBN 9780128046050
CUDA C++ programming guide
Appunti del docente - Slide del corso a cura del docente
Modalità di erogazione
Lo svolgimento prevede lezioni (fortemente consigliate), esercitazioni, seminari, simulazioni e laboratori
Modalità di frequenza
La partecipazione attiva alle lezioni ed esercitazioni è fortemente consigliata,
Modalità di valutazione
La valutazione prevede una prova scritta sugli argomenti del corso
(durata 2 ore circa 16 domande aperte)
più la implementazione di un progetto software concordato con il docente e della relativa documentazione
Prove previste
- Prova scritta
- Prove intermedie
- Valutazione di un progetto
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Attività formative affini o integrative
Risultati di apprendimento attesi — Flavio Lombardi
Acquisire le tecniche di programmazione parallela e distribuita
Risultati di apprendimento attesi — Flavio Lombardi
Acquisire le tecniche di programmazione parallela e distribuita
Risultati di apprendimento attesi — Flavio Lombardi
Acquisire le tecniche di programmazione parallela e distribuita
Esempi di domande d’esame
Flavio Lombardi
Discutere vantaggi e svantaggi degli approcci a memoria condivisa e a memoria distribuita
Discutere dei problemi di Race Condition e Deadlock
Flavio Lombardi
Discutere vantaggi e svantaggi degli approcci a memoria condivisa e a memoria distribuita
Discutere dei problemi di Race Condition e Deadlock
Flavio Lombardi
Discutere vantaggi e svantaggi degli approcci a memoria condivisa e a memoria distribuita
Discutere dei problemi di Race Condition e Deadlock