Software for Efficient and Energy-Aware Supercomputers

Informations projet

SEANERGYS

N° de convention de subvention: 101177590

DOI

10.3030/101177590

Date de signature de la CE 18 Juin 2025

Date de début 1 Juin 2025

Date de fin 31 Mai 2029

Financé au titre de

• Digital, Industry and Space

Coût total

€ 32 947 132,50

Contribution de l’UE

€ 16 473 566,30

Coordonné par

FORSCHUNGSZENTRUM JULICH GMBH
Germany

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Livrables

Documents, reports (4)

Setup of common development platform including CI/CD

Report on availability of version control, issue management, basic CI/CD functionality [T5.2]

Analysis of the State-of-the-Art Workload Managers for System-level Scheduling

Feature analysis and testing of current workload management solutions [T4.1]

Design Workshop

Report from design workshop (MS1) to drive requirement gathering and initial phases of development [all of WP1],including final component assessment and ADR setup [T1.3]

Dissemination & Communication Plan

Comprehensive strategy including website, materials, exhibitions, publications, press releases, social media engagement, and collaborations to maximize project visibility and impact. [T7.1]

Publications

Book chapters (3)

Performance Models to Support HPC Co-scheduling

Auteurs: Athanasios Tsoukleidis-Karydakis, Efstratios Karapanagiotis, Nikolaos Triantafyllis, Nectarios Koziris, Georgios Goumas
Publié dans: Lecture Notes in Computer Science, Job Scheduling Strategies for Parallel Processing, 2026
Éditeur: Springer Nature Switzerland
DOI: 10.1007/978-3-032-10507-3_15

ELiSE: A Tool to Support Algorithmic Design for HPC Co-scheduling

Auteurs: Efstratios Karapanagiotis, Nikolaos Triantafyllis, Athanasios Tsoukleidis-Karydakis, Georgios Goumas, Nectarios Koziris
Publié dans: Lecture Notes in Computer Science, Job Scheduling Strategies for Parallel Processing, 2026
Éditeur: Springer Nature Switzerland
DOI: 10.1007/978-3-032-10507-3_16

Duration-Informed Workload Scheduler

Auteurs: Daniela Loreti, Davide Leone, Andrea Borghesi
Publié dans: Lecture Notes in Computer Science, High Performance Computing, 2025
Éditeur: Springer Nature Switzerland
DOI: 10.1007/978-3-032-07612-0_1

Peer reviewed articles (7)

Elevating Datacenter Resilience with ThermADNet: A Thermal Anomaly Detection System

Auteurs: Mohsen Seyedkazemi Ardebili, Andrea Acquaviva, Luca Benini, Andrea Bartolini
Publié dans: Future Generation Computer Systems, Numéro 179, 2026, ISSN 0167-739X
Éditeur: Elsevier BV
DOI: 10.1016/J.FUTURE.2025.108311

Federated LSTM autoencoders for time series anomaly detection in production-scale HPC systems

Auteurs: Emmen Farooq, Michela Milano, Andrea Borghesi
Publié dans: Knowledge-Based Systems, Numéro 334, 2025, ISSN 0950-7051
Éditeur: Elsevier BV
DOI: 10.1016/J.KNOSYS.2025.115043

EXASAGE: The first data center operational data analysis assistant

Auteurs: Junaid Ahmed Khan, Martin Molan, Andrea Bartolini
Publié dans: Future Generation Computer Systems, Numéro 176, 2025, ISSN 0167-739X
Éditeur: Elsevier BV
DOI: 10.1016/J.FUTURE.2025.108185

RoWD: Automated rogue workload detector for HPC security

Auteurs: Francesco Antici, Jens Domke, Andrea Bartolini, Zeynep Kiziltan, Satoshi Matsuoka
Publié dans: Future Generation Computer Systems, Numéro 180, 2026, ISSN 0167-739X
Éditeur: Elsevier BV
DOI: 10.1016/J.FUTURE.2026.108392

F-DATA: A Fugaku Workload Dataset for Job-centric Predictive Modelling in HPC Systems

Auteurs: Francesco Antici, Andrea Bartolini, Jens Domke, Zeynep Kiziltan, Keiji Yamamoto
Publié dans: Scientific Data, Numéro 12, 2025, ISSN 2052-4463
Éditeur: Springer Science and Business Media LLC
DOI: 10.1038/S41597-025-05633-1

Federated transfer learning for anomaly detection in HPC systems: First real-world validation on a tier-0 supercomputer

Auteurs: Emmen Farooq, Michela Milano, Andrea Borghesi
Publié dans: Expert Systems with Applications, Numéro 298, 2025, ISSN 0957-4174
Éditeur: Elsevier BV
DOI: 10.1016/J.ESWA.2025.129754

An online algorithm for power consumption prediction of HPC workload

Auteurs: Francesco Antici, Andrea Borghesi, Zeynep Kiziltan, Jens Domke, Andrea Bartolini
Publié dans: Future Generation Computer Systems, Numéro 175, 2025, ISSN 0167-739X
Éditeur: Elsevier BV
DOI: 10.1016/J.FUTURE.2025.108064

Other (1)

A Framework for Developing Next-Generation HPC Schedulers

Auteurs: Konstantinos Katsikopoulos, Nikolaos Triantafyllis, Athanasios Tsoukleidis-Karydakis, Efstratios Karapanagiotis, Nectarios Koziris, Georgios Goumas
Éditeur: Zenodo
DOI: 10.5281/ZENODO.21000570

Conference proceedings (4)

SweetSpot: An Analytical Model for Predicting Energy Efficiency of LLM Inference

Auteurs: Hiari Pizzini Cavagna, Andrea Proia, Giacomo Madella, Giovanni Battista Esposito, Francesco Antici, Daniele Cesarini, Zeynep Kiziltan, Andrea Bartolini
Publié dans: Proceedings of the 17th ACM/SPEC International Conference on Performance Engineering, 2026
Éditeur: ACM
DOI: 10.1145/3777884.3797011

SeT-Diff: Towards Semantic Foundation Models for HPC Telemetry and Time-Series

Auteurs: Giovanni B. Esposito, Francesco Antici, Daniele Cesarini, Andrea Bartolini
Publié dans: Proceedings of the 23rd ACM International Conference on Computing Frontiers, 2026
Éditeur: ACM
DOI: 10.1145/3801487.3806064

MT4G: A Tool for Reliable Auto-Discovery of NVIDIA and AMD GPU Compute and Memory Topologies

Auteurs: Stepan Vanecek, Manuel Walter Mußbacher, Dominik Größler, Urvij Saroliya, Martin Schulz
Publié dans: Proceedings of the SC '25 Workshops of the International Conference for High Performance Computing, Networking, Storage and Analysis, 2025
Éditeur: ACM
DOI: 10.1145/3731599.3767518

SEANERGYS: Integrating Monitoring, Analytics, and Resource Management for Energy-efficient HPC System Operations

Auteurs: Estela Suarez, Andrea Borghesi, Sonja Happ, Hans-Christian Hoppe, Michael Ott, Simon Pickartz, Martin Schulz, Hannes Troepgen
Publié dans: Proceedings of the 23rd ACM International Conference on Computing Frontiers: Workshops and Special Sessions, 2026
Éditeur: ACM
DOI: 10.1145/3801488.3806245