Distributed Computing Library (dislib)

dislib encapsula algoritmos clásicos de aprendizaje automático y aprendizaje profundo en una abstracción de matriz distribuida; en tiempo de ejecución, PyCOMPSs particiona los datos y distribuye las tareas entre recursos heterogéneos de computación de alto rendimiento (HPC) o en la nube, gestionando de forma transparente conjuntos de datos que superan los límites de memoria por nodo. Esto proporciona la portabilidad de "escribir una vez, ejecutar en cualquier lugar", característica de la tendencia del modelo de programación en HPC.

Análisis astrofísico, flujos de trabajo de dinámica molecular, computación de emergencia para desastres naturales, fabricación de gemelos digitales, ingeniería de características a gran escala, entrenamiento distribuido de redes neuronales.

Centros de supercomputación nacionales y regionales que necesitan plataformas de aprendizaje automático fáciles de usar; Proveedores de computación de alto rendimiento en la nube que ofrecen servicios gestionados de ciencia de datos; I+D industrial (automoción, farmacéutica, energía) que desarrollan sistemas de IA y simulación; Proveedores de software independientes que añaden aprendizaje automático distribuido a sus productos existentes.