Category: IHR

Infos über das Institut und die Site

Abschlussarbeit im Bereich autonomer Fahrfunktionen

Liebe Studierende,

wir freuen uns, Sie auf eine Abschlussarbeit im Bereich Radar-Sensorsimulation zur Validierung autonomer Fahrfunktionen hinweisen zu können.

Die Stelle richtet sich vor allem an Informatiker und Mechatroniker. Ideal sind gute Kenntnisse in der Entwicklung unter und mit Linux, in C / C++, Python und Bash sowie Interesse an der Entwicklung eines autonom fahrenden Fahrzeugs.

Bei Fragen können Sie sich gerne an Herrn Anthony Ngo wenden.

Weitere Infos und eine Möglichkeit zur Bewerbung finden Sie hier.

Mit freundlichen Grüßen

Das IHR

Studienarbeitsvortrag Explorative Datenanalyse von Logdateien auf HPC Systemen

Für den kommenden Mittwoch, den 19.08.2020, laden wir herzlich zu folgendem Abschlussvortrag ein:

  • Wer?                    Annalena Daniels
  • Was?                    Abschlussvortrag ihrer Studienarbeit
  • Worüber?           “Explorative Datenanalyse von Logdateien auf HPC Systemen“
  • Wann?                 19. August 2020 um 10 Uhr
  • Wo?                      virtuell, WebEx

Falls Sie einen Zugang zur Webex-Konfernz möchten, können Sie sich gerne an uns wenden.

Vortrag Studienarbeit

Am Dienstag, den 28.7.2020, wird Herr Hossein Nikseresht Zidehi den
Abschlussvortrag seiner Studienarbeit über das Thema “Erweiterung einer
automatisierten Metadatenerfassung im HPC-Umfeld” halten.

Der Vortrag findet am 28.7.2020 um 14.00 Uhr virtuell statt.

Meeting-Kennnummer: 121 713 1285
Passwort: FKaZ9C58hhA
https://unistuttgart.webex.com/unistuttgart/j.php?MTID=mbb381a615253d54f62e96ec1951eb6a6

Über Videosystem beitreten
Wählen Sie 1217131285@unistuttgart.webex.com
Sie können auch 62.109.219.4 wählen und Ihre Meeting-Nummer eingeben.

Über Telefon beitreten
+49-619-6781-9736 Germany Toll
Zugriffscode: 121 713 1285


Assessment of different BLAS/LAPACK implementations on AMD EPYC Rome processors

Student Research Project / Master Thesis

Contact: Björn Dick <dick@hlrs.de>

Background:

Doing computer simulations of real-world processes often requires to do a lot of (basic) linear algebra operations. Hence, processor manufacturers typically provide highly optimized libraries that can do those operations in an efficient manner. It’s nevertheless possible to use different implementations on a given processor. The idea of this project is to compare and assess different implementations of those libraries on HLRS’ current supercomputer “Hawk” (5632 compute nodes with 2 x 64 AMD EPYC Rome cores each) with respect to runtime and energy efficiency.

Scope:

  1. Identifying relevant routines and input datasets based on production jobs of HLRS customers.
  2. Compiling, running and profiling compute jobs with different BLAS/LAPACK implementations for the routines and input datasets identified before.
  3. Assessing results and deducing recommendations.

Profile:

  • Basic knowledge of linear algebra and basic understanding of the routines implemented in BLAS/LAPACK.
  • Strong command in Linux-based environments, in particular building codes with GNU Autotools/make and CMake.
  • Ideally initial experience in the usage of Score-P, Cube and maybe Scalasca
  • Ideally initial experience in High-Performance Computing environments

Machine Learning & Artificial Intelligence applied to Short-Term Photovoltaic Power Forecasting

Student Research Project / Master ThesisMachine Learning & Artificial Intelligence applied to Short-Term Photovoltaic Power Forecasting

Contact: Martín Herrerías < herrerias@hlrs.de >

Background:

Accurate short-term and very-short-term renewable energy production forecasts are critical instruments for the energy transition, as they support grid operators, plant owners, and energy traders in coping with the natural variability of the renewable resources.In the framework of the HyForPV project, HLRS is combining hybrid irradiance forecasts (satellite + numerical weather models + sky-imagers) with very detailed Photovoltaic (PV) Plant physical models to improve the accuracy of short-term regional PV production forecasts. A natural benchmark/extension to this approach is to use purely data-driven methods or hybrid statistical-physical methods; combining existing irradiance forecasts, site measurements, and physical model features, to provide fast and accurate estimates of PV power production.

Scope: Review of the extensive literature on ML & AI methods applied to short-term PV forecasting. Identification of adequate performance criteria. Selection, implementation, and cross comparison of the most promising methods.Detailed documentation (code, methods, and results).

Profile: Fluency in the programming language of your choice.Experience with ML & AI methods (ANN’s, SVM’s, autoregressive models,…).Fluent English in speaking and writing.Basic understanding of PV systems (favourable).Experience with MATLAB and Linux environments (favourable).

Prüfungseinsicht MSO I und II

Liebe Studierende,

wir möchten gerne nächsten Montag, den 27. April 2020 am HLRS bzw. im IHR Besprechungsraum die Prüfungseinsicht für MSO I und am Montag, den 04. Mai, jene für MSO II durchführen.

Dieser Raum befindet sich gleich auf der rechten Seite, wenn Sie vor dem Eingang des HLRS stehen.

Wir haben den Tag für beide Termine in verschiedene Slots eingeteilt und diesen Ihre Matrikelnummern zugeordnet. Sie finden am Ende dieser Nachricht die Links zu beiden Listen.

Wir werden folgendermaßen verfahren: Es werden sich nur maximal zwei von Ihnen gleichzeitig im Raum aufhalten und ihre Prüfung einsehen.

Wir bitten die anderen im Foyer des HLRS oder bei diesem guten Wetter draußen zu warten. Bitte halten Sie stets den Abstand von mind. zwei Metern ein. Bitte bringen Sie ihren Studentenausweis mit.

Wenn Sie die Klasur mitgeschrieben haben, aber nicht in der Liste auftauchen oder andere Fragen haben, schreiben Sie bitte mir eine Email an herrmann@hlrs.de.

MSO1_WS2020_PrüfungseinsichtDownload
MSO2_WS2020_PrüfungseinsichtDownload

Abschlussvortrag zur Studienarbeit

Herr Felix Trautwein wird am 18.März 2020 den Abschlussvortrag zur Studienarbeit mit dem Thema “Ermittlung von Leistungsindikatoren zur Hybridisierung mobiler Automatisierungsanlagen in Smart-Grid Anwendungen” halten.

Wir freuen uns Sie um 11:00 Uhr im Raum Württemberg in der Nobelstraße 19 begrüßen zu dürfen.

Felix Trautwein will give a talk about his recent Studienarbeit “Determination of key performance indicators for the hybridization of mobile automation systems in smart grid application.

We are pleased to invite you at 11 am -room Württemberg, Nobelstraße 19.

Abschlussvortrag Masterarbeit

Am Donnerstag, den 19.12.2019 um 13:30 Uhr wird Herr Felix Lippkau seine
Masterarbeit über das Thema

“Analyse, Optimierung & Implementierung einer Parallelisierungsstrategie
eines Mehrgitterlösers für die Berechnung von Mehrphasenströmungen unter Verwendung von direkt numerischer Simulation anhand des Strömungslösers FS3D” präsentieren.

Der Vortrag findet im Raum 1.077 (Kino) statt.