Además de la necesidad de ejecutar grandes simulaciones numéricas, el crecimiento exponencial de la cantidad de datos disponibles aporta al método científico un nuevo
paradigma basado en su análisis masivo; "Big Data" se refiere al conjunto de retos tecnológicos asociados con la obtención, gestión, análisis y visualización de grandes
volúmenes de datos. Estas nuevas cargas de trabajo representan un cambio importante que está transformando todo el panorama de la investigación en High-Performance Computing (HPC), en una era de cambios rápidos e innovación en el diseño de tecnologías de procesador, memoria, interconexión y almacenamiento. Esta convergencia HPC/BigData requiere un enfoque basado en una estrategia de co-diseño hardware/software para el diseño de las tecnologías de hardware y software, siendo la eficiencia energética y la tolerancia a fallos retos claros.
El primer objetivo del equipo de investigación es influir como los sistemas HPC se construyen, programan y utilizan. Para ello, este proyecto pretende lo siguiente:

1) explorar nuevas tecnologías y arquitecturas que puedan reducir el consumo de energía, haciendo uso de diseños heterogéneos y organizaciones de memoria híbridas que den soporte a la integración de analítica Big Data en flujos de trabajo científico;

2) explorar la combinación de redes de alta velocidad y memorias de alto rendimiento y capacidad para acelerar el procesamiento de grandes cantidades de datos;

3) desarrollar modelos de programación con el objetivo de mejorar la programabilidad, portabilidad y fácil acceso a los datos, teniendo en cuenta la disponibilidad de cientos de miles de nodos con cientos de núcleos;

4) evolucionar las herramientas de análisis de rendimiento para extraer conocimiento del comportamiento de las aplicaciones a partir de grandes volúmenes de datos generados por la ejecución instumentada de programas y entornos de ejecución, lo que requerirá el uso de infraestructuras de Big Data para almacenar los datos de rendimiento y realizar su analítica;

5) entornos de ejecución en infraestructuras virtualizadas capaces de explotar el paralelismo que ofrece la concurrencia expresada por el programador, proporcionar acceso eficiente a los datos en tecnologías de almacenamiento distribuidos, y optimizar la utilización de la energía; y

6) explorar nuevos aspectos algorítmicos para realizar análisis de datos de manera eficiente y simulaciones in-situ dirigidas por la disponibilidad de datos a gran escala.
El segundo objetivo de este equipo es la publicación de los resultados de investigación en los mejores congresos y revistas, el desarrollo de prototipos "open source" para materializar estas ideas y su uso en benchmarks y aplicaciones reales. La cooperación con fabricantes a través de acuerdos de investigación y la participación en proyectos europeos son los principales mecanismos que se utilizarán para explotar las ideas en productos y escenarios reales.

La trayectoria del equipo de investigación, con una masa crítica de investigadores, una visión holística y voluntad de explorar nuevas tecnologías y retos, posicionan al equipo investigador como un líder internacional clave en la convergencia HPC/BigData y su aplicación a dominios no estándar (computación cognitiva o Internet of Things), atendiendo a los requerimientos de eficiencia energética de las nuevas cargas de trabajo intensivas en cálculo y datos, en una era de grandes cambios en las tecnologías HPC y embedded disponibles.