研究兴趣
- 加速分子动力学的并行算法
- 现代高性能计算体系结构上分子动力学的并行化和加速
- 高性能计算、多核和异构架构、GPU计算
研究项目
与实验室实验相比,分子动力学模拟(MD)提供了一个巨大的优势,它可以通过特殊的原子细节对生物分子的动力学过程提供独特的见解。然而,医学博士研究的主要瓶颈之一是抽样。实际上,这意味着计算实验需要花费数周或数月的时间。我的工作旨在通过以下两个方面为该领域贡献方法和算法,以提高生物分子模拟的效率:
- 通过加快模拟速度,在更短的时间内采样相同的数量。我们通过开发现代并行体系结构的算法来解决这个计算问题。在我们最近的工作中,我们开发了针对现代处理器架构的算法,以及针对新兴异构高性能计算平台的高效并行化方案。通过这项工作,我们使用最先进的GROMACS软件包大大提高了MD仿真的绝对性能和可扩展性。我们的工作使全球数千名用户能够实现2-5倍的绝对模拟性能。
- 通过改进集合方法,在相同的时间内进行更多采样。我们致力于使用并行模拟来交换信息,以提高计算自由能差的效率。
目标是将开发的方法和算法与我们小组开发的分布式计算平台哥白尼的优势相结合。
教育背景
2011年-计算生物物理学博士在KTH皇家理工学院:分子动力学模拟的并行算法。
2009-2011计算生物物理学研究员斯德哥尔摩大学。
2008-2009年软件工程师和科学人员在Hagenberg软件能力中心
担任研发软件工程师,处理与GPU加速和机器学习相关的计算智能领域的各种问题。
2008年计算机科学硕士来自奥地利林茨约翰内斯·开普勒大学
硕士论文:“支持向量机分类并行化的GPU计算方法”
2007年计算机科学学士罗马尼亚克鲁伊·纳波卡Babeș-Bolyai大学
文凭工作:“基于文本分类的垃圾邮件过滤”