DOI: https://doi.org/10.1016/j.future.2025.108365
تاريخ النشر: 2026-01-07
المؤلف: Alessia Antelmi وآخرون
الموضوع الرئيسي: أنظمة الحوسبة الموزعة والمتوازية
نظرة عامة
تتطلب التعقيدات المتزايدة للتحديات العلمية والصناعية، المدفوعة بكميات البيانات الهائلة المتاحة، حلول الحوسبة عالية الأداء (HPC) المتقدمة التي يمكنها معالجة وتحليل البيانات بكفاءة عبر المنصات الموزعة. غالبًا ما لا تلبي أنظمة HPC المركزية التقليدية متطلبات التطبيقات الكبيرة المعاصرة، مثل نماذج اللغة الكبيرة، مما يؤدي إلى تحول نحو بيئات الحوسبة الموزعة الأكثر مرونة وقابلية للتوسع. بالإضافة إلى ذلك، فإن القلق المتزايد بشأن التأثير البيئي للحوسبة على نطاق واسع يبرز أهمية الممارسات المستدامة التي تقلل من استهلاك الطاقة وانبعاثات الكربون. يتناول هذا العدد الخاص هذه التحديات والفرص المتطورة، ويضم مساهمات تركز على خمسة مجالات رئيسية: HPC في استمرارية السحابة، والهندسة المعمارية المتغايرة لـ HPC، والخوارزميات المتوازية والموزعة، وأنظمة إدارة البيانات، وممارسات HPC المستدامة. من بين 29 تقديمًا، تم اختيار 20 ورقة، مما يوفر نظرة عامة تمثيلية على الأبحاث الحالية التي تهدف إلى تطوير حلول HPC مرنة وفعالة ومستدامة.
تعكس المقالات المجمعة التطور المستمر لأبحاث HPC نحو احتضان التغاير والتوزيع والاستدامة. تحدد هذه المقالات بشكل جماعي استراتيجيات لتلبية متطلبات التطبيقات الكبيرة الحديثة، مع معالجة التحديات عبر استمرارية الحوسبة، من تكامل الحافة والسحابة إلى برمجة المسرعات المتقدمة وتحسين سير العمل. يتم وضع تركيز كبير على كفاءة الطاقة، والمرونة، والتنفيذ الآمن، مما يبرز ضرورة أن تكون أنظمة HPC عالية الأداء ومسؤولة بيئيًا. ستركز اتجاهات البحث المستقبلية على توطيد هذه التقدمات مع استكشاف نماذج جديدة مثل التعلم اللامركزي، والتخزين النشط، والحوسبة السرية، مما يضمن أن تظل قابلية التوسع والتكيف مركزية في تصميم HPC. سيكون دمج الحلول المعتمدة على الذكاء الاصطناعي لإدارة الموارد وتحمل الأخطاء أمرًا حاسمًا للحفاظ على الأداء على نطاق واسع.
مقدمة
تسلط المقدمة الضوء على التأثير التحويلي للحوسبة عالية الأداء (HPC) في معالجة التحديات العلمية والصناعية المتزايدة التعقيد، خاصة بسبب الكميات الهائلة من البيانات التي يتم توليدها. تتطلب التطبيقات الحديثة، مثل محاكاة الفيزياء المتعددة وتحليلات البيانات على نطاق واسع، أنظمة HPC لمعالجة وتحليل بيانات ضخمة وموزعة عبر مواقع مختلفة. غالبًا ما تكافح أنظمة HPC المركزية التقليدية لتلبية هذه المتطلبات، مما يستلزم دمج السحابة، والحافة، والبنى الهجينة لتوفير المرونة اللازمة، والقرب من مصادر البيانات، والمرونة.
علاوة على ذلك، تؤكد المقدمة على الأهمية المتزايدة للاستدامة البيئية في HPC، حيث تثير الاستهلاك الكبير للطاقة في البنى التحتية للحوسبة على نطاق واسع مخاوف بشأن بصمتها الكربونية. يجب أن تعطي حلول HPC المستقبلية الأولوية ليس فقط للأداء وقابلية التوسع ولكن أيضًا لكفاءة الطاقة والوعي المناخي. يهدف هذا العدد الخاص، بعنوان “أساليب وتطبيقات HPC على نطاق واسع على منصات موزعة للغاية”، إلى معالجة هذه الاتجاهات المتقاربة من خلال عرض أبحاث مبتكرة في هذا المجال. وقد تلقى 29 تقديمًا، وتم قبول 20 مقالة بعد عملية مراجعة دقيقة من الأقران، مما يبرز جودة وتنوع الأبحاث الحالية عند تقاطع HPC، والأنظمة الموزعة، والحوسبة المستدامة.
نقاش
تسلط قسم النقاش في هذا العدد الخاص الضوء على التقدمات الكبيرة في الحوسبة عالية الأداء (HPC) عبر خمسة مجالات رئيسية: دمج HPC مع بنى السحابة والحافة، والهندسة المعمارية المتغايرة، والخوارزميات المتوازية والموزعة، وإدارة البيانات، وأنظمة HPC المستدامة. تؤكد المساهمات على تنسيق الموارد لتعزيز الأداء والموثوقية وقابلية التوسع في بيئات متنوعة. تشمل الأعمال البارزة نموذج جدولة المهام الذكي لخليل للمدن الذكية، الذي يستخدم التعلم العميق المعزز لتخصيص الموارد بشكل مثالي، وإطار العمل القائم على الإجماع لمورابيتو وآخرين لتنسيق الخدمات الصغيرة في الحوسبة على الحافة، الذي يضمن تحمل الأخطاء والاتساق في البيئات ذات الموارد المحدودة.
تستكشف مساهمات أخرى تعقيدات الهندسة المعمارية المتغايرة لـ HPC، حيث يقدم غايس وآخرون سير عمل شبه تلقائي للتحقق من أداء GPU، ويقيم بريشيا وآخرون كفاءة بيئات التنفيذ الموثوقة لأعباء العمل في المعلومات الحيوية. يتناول القسم أيضًا تصميم الخوارزميات المتوازية، مثل إطار التعلم اللامركزي لدالي لوكا توسي وثيودالد لبيانات البث، الذي يظهر الإمكانية للتعلم الآلي القوي في البيئات الديناميكية. بالإضافة إلى ذلك، يتم التأكيد على أهمية إدارة البيانات الفعالة وتحسين سير العمل من خلال برنامج CAPIO الوسيط الخاص بسانتيماريا وآخرين، الذي يعزز أداء الإدخال/الإخراج في سير العمل العلمية. تعكس هذه المقالات مجتمعة جهدًا منسقًا لتطوير منهجيات HPC التي تعطي الأولوية للاستدامة والمرونة وقابلية التكيف في مواجهة الطلبات الحسابية المتطورة.
DOI: https://doi.org/10.1016/j.future.2025.108365
Publication Date: 2026-01-07
Author(s): Alessia Antelmi et al.
Primary Topic: Distributed and Parallel Computing Systems
Overview
The increasing complexity of scientific and industrial challenges, driven by the vast amounts of available data, necessitates advanced high-performance computing (HPC) solutions that can efficiently process and analyze data across distributed platforms. Traditional centralized HPC systems often do not meet the demands of contemporary large-scale applications, such as large language models, leading to a shift towards more flexible and scalable distributed computing environments. Additionally, the growing concern over the environmental impact of large-scale computing underscores the importance of sustainable practices that reduce energy consumption and carbon emissions. This special issue addresses these evolving challenges and opportunities, featuring contributions that focus on five key areas: HPC in the cloud continuum, heterogeneous HPC architectures, parallel and distributed algorithms, data management systems, and sustainable HPC practices. Out of 29 submissions, 20 papers were selected, providing a representative overview of current research aimed at developing resilient, efficient, and sustainable HPC solutions.
The collected articles reflect the ongoing evolution of HPC research towards embracing heterogeneity, distribution, and sustainability. They collectively outline strategies to meet the demands of modern large-scale applications, addressing challenges across the computing continuum, from edge and cloud integration to advanced accelerator programming and workflow optimization. A significant emphasis is placed on energy efficiency, resilience, and secure execution, highlighting the necessity for HPC systems to be both high-performing and environmentally responsible. Future research directions will focus on consolidating these advancements while exploring emerging paradigms such as decentralized learning, active storage, and confidential computing, ensuring that scalability and adaptability remain central to HPC design. The integration of AI-based solutions for resource management and fault tolerance will be crucial for maintaining performance at scale.
Introduction
The introduction highlights the transformative impact of high-performance computing (HPC) in addressing increasingly complex scientific and industrial challenges, particularly due to the vast amounts of data generated. Modern applications, such as multiphysics simulations and large-scale data analytics, require HPC systems to process and analyze data that is both massive and distributed across various locations. Traditional centralized HPC systems often struggle to meet these demands, necessitating the integration of cloud, edge, and hybrid infrastructures to provide the necessary elasticity, proximity to data sources, and resilience.
Moreover, the introduction emphasizes the growing importance of environmental sustainability in HPC, as the significant energy consumption of large-scale computing infrastructures raises concerns about their carbon footprint. Future HPC solutions must prioritize not only performance and scalability but also energy efficiency and climate consciousness. This special issue, titled “Large-scale HPC Approaches and Applications on Highly Distributed Platforms,” aims to address these converging trends by showcasing innovative research in the field. It received 29 submissions, with 20 articles accepted after a thorough peer-review process, underscoring the quality and diversity of current research at the intersection of HPC, distributed systems, and sustainable computing.
Discussion
The discussion section of this special issue highlights significant advancements in high-performance computing (HPC) across five key areas: integration of HPC with cloud and edge infrastructures, heterogeneous architectures, parallel and distributed algorithms, data management, and sustainable HPC systems. The contributions emphasize the orchestration of resources to enhance performance, reliability, and scalability in diverse environments. Notable works include Khaleel’s intelligent task scheduling model for smart cities, which utilizes deep reinforcement learning for optimal resource allocation, and Morabito et al.’s consensus-based framework for microservice orchestration in edge computing, which ensures fault tolerance and consistency in resource-constrained settings.
Further contributions explore the complexities of heterogeneous HPC architectures, with Geiß et al. presenting a semi-automatic workflow for validating GPU performance, and Brescia et al. evaluating the efficiency of Trusted Execution Environments for bioinformatics workloads. The section also addresses the design of parallel algorithms, such as Dalle Lucca Tosi and Theobald’s decentralized learning framework for streaming data, which demonstrates the potential for robust machine learning in dynamic environments. Additionally, the importance of efficient data management and workflow optimization is underscored by Santimaria et al.’s CAPIO middleware, which enhances I/O performance in scientific workflows. Collectively, these articles reflect a concerted effort to advance HPC methodologies that prioritize sustainability, resilience, and adaptability in the face of evolving computational demands.