Osiągnięcia
Sano korzysta z najszybszych polskich superkomputerów zlokalizowanych w krakowskim Akademickim Centrum Komputerowym Cyfronet AGH. Obecnie zainstalowana tam Athena to potężny klaster dedykowany do obliczeń GPGPU. Z mocą obliczeniową wynoszącą 7,71 PFlops, Athena zajmuje 105 miejsce na liście TOP500, co czyni ją najpotężniejszym klastrem obliczeniowym w Polsce. Łącznie trzy główne systemy HPC w Cyfronecie zapewniają ponad 10 PFlops mocy obliczeniowej.
Przykładowe publikacje
https://sano.science/research-type/publications/
Prediction of misfolded proteins spreading in Alzheimer’s disease using machine learning and spreading models
uca Gherardini, Aleksandra Zajdel, Lorenzo Pini and Alessandro Crimi
Cerebral Cortex Journal, October 2020,
Deep learning for estimation of fetal weight throughout the pregnancy from fetal abdominal ultrasound
Szymon Płotka, Michal Grzeszczyk, Paula Szenejko, Kinga Żebrowska, Natalia Szymecka-Samaha, Tomasz Łęgowik, Michał Lipa, Katarzyna Kosińska-Kaczyńska, Robert Brawura-Biskupski-Samaha, Ivana Igum, Clara Sánchez, Arkadiusz Sitek
American Journal of Obstetrics & Gynecology MFM, October 2023
Toward the Observability of Cloud-Native Applications: The Overview of the State-of-the-Art
Joanna Kosińska, Bartosz Baliś; Marek Konieczny; Maciej Malawski; Sławomir Zieliński
IEEE Access, June 2023
Wkrótce więcej informacji
Sano będzie korzystać z najszybszych polskich superkomputerów zlokalizowanych w krakowskim Akademickim Centrum Komputerowym Cyfronet AGH. Obecnie zainstalowany tam Prometheus ma moc obliczeniową ponad 50 000 najwyższej klasy komputerów PC, składa się z 15 szaf, z których każda zawiera 144 serwery i waży ponad 30 ton. W latach 2021-2022 planowana jest istotna rozbudowa infrastruktury obliczeniowej Cyfronetu, z której również będzie korzystać Sano.
Przykładowe publikacje
The EurValve model execution environment
Bubak, K. Czechowicz, T. Gubała, D. R. Hose, M. Kasztelnik, M. Malawski, J. Meizner, P. Nowakowski, and S. Wood
Royal Society, 11 December 2020,
PRIMAGE project: predictive in silico multiscale analytics to support childhood cancer personalised evaluation empowered by imaging biomarkers
Martí-Bonmatí, Á. Alberich-Bayarri, R. Ladenstein, I. Blanquer, J. Damian Segrelles, L. Cerdá-Alberich, P. Gkontra, B. Hero, J.M. García-Aznar, D. Keim, W. Jentner, K. Seymour, A. Jiménez-Pastor, I. González-Valverde, B. Martínez de las Heras, S. Essiaf, D. Walker, M. Rochette, M. Bubak, J. Mestres, M. Viceconti, G. Martí-Besa, A. Cañete, P. Richmond, K.Y. Wertheim, T. Gubala, M. Kasztelnik, J. Meizner, P. Nowakowski, S. Gilpérez, A. Suárez, M. Aznar, G. Restante and E. Neri
European Radiology Experimental, 2020, 4: 22