Jesús Labarta ha rebut aquest premi al SC17, l’esdeveniment més important en supercomputació
La Association for Computing Machinery (ACM) y la IEEE Computer Society (IEEE CS) han premiat a l’investigador Jesús Labarta, director del departament de Ciències de la Computació del Barcelona Supercomputing Center – Centro Nacional de Supercomputación (BSC-CNS) amb el guardó ACM-IEE CS Ken Kennedy. La cerimònia ha tingut lloc avui, 14 de novembre al SC17 a Denver, EUA. EL dimecres 15 de novembre, el Jesús Labarta farà la conferència de presentació del Ken Kennedy Award amb el títol “The Real Revolution … from the Latency to the Throughput Age” i tindrà lloc a la sala Mile High Ballroom a les 9:15 hores.
Labarta és el primer investigador no americà que rep aquesta distinció. Amb ella, es reconeixen les importants contribucions de Jesús Labarta en les àrees de models de programació i eines d’anàlisi de rendiment en la supercomputació.
Al llarg de la seva carrera, Labarta ha desenvolupat eines per a científics i enginyers que utilitzen codis de programació en paral·lel. En l’àrea de models de programació, les seves aportacions més notables estan vinculades als models basats en tasques asíncrones i amb els sistemes inte·ligents de temps d’execució. Grpacies a les investigacions de Labarta, els programadors tenen un mecanisme unificat que permet que els sistemes intel·ligents de temps d’execució detectin i explotin la concurrència i gestionin la localitat. L’equip d’investigació de Jesús labarta, també catedràtic de la UPC, ha plasmat aquestes idees en el model de programació OmpSs i en Nanos. A banda, aquest grup ha millorat la interoperabilitat entre OmpSs i la interfície de missatges MPI.
En el camp de les eines de rendiment, l’equip liderat per Jesús Labarta desenvolupa eines per analitzar el comportament d’una aplicació i identificar problemes que puguin afectar el seu rendiment. Paraver, l’eina més coneguda, és un analitzador de rendiment basat en traces que en processa i n’extreu informació. Altres eines, com ara Dimemas o els mòduls d’anàlisi de rendiment, ajuden a extreure informació relevant i a fer anàlisis predictives de rendiment de les dades recollides pels paquets d’instrumentació.