LFU:online

ad a.: Die Studierenden
¿ können die für die Implementierung numerischer Verfahren relevanten Grund-konzepte hardwarenahen Programmierens darlegen;
¿ können die zur Umsetzung dieser Konzepte geeigneten Sprachmittel von C und C++ erkennen;
¿ sind im Stande, programmatisch aufbereitete numerische Verfahren effizient für moderne Computerkerne zu implementieren;
¿ sind in der Lage, Aufbau und Wechselspiel der Bestandteile komplexer Pro-gramme, wie sie Simulationen darstellen, zu erfassen;
¿ können Korrektheit und Performance solcher Simulationsbestandteile testen;
¿ sind in der Lage, einfache Simulationen unter Berücksichtigung der erlernten Kenntnisse und Fertigkeiten zusammenzustellen;
¿ sind in der Lage, sich weitere Konzepte effizienter hardwarenaher Programmie-rung und deren Anwendung selbstständig zu erarbeiten.

ad b.: Die Studierenden
¿ können den Research Life Cycle und Best-Practice-Methoden des Forschungsda-tenmanagements mit Bezug auf Simulationsdaten darlegen;
¿ sind in der Lage, geeignete Veröffentlichungswege für Forschungsdaten in den Natur- und Ingenieurwissenschaften auszuwählen;
¿ können die Auffindbarkeit dieser Forschungsdaten mittels passend gewählter und gepflegter Metadaten erhöhen;
¿ können Zugangsregelungen und Lizenzen im Umgang mit solchen Forschungsda-ten ermitteln;
¿ sind im Stande, die Relevanz von Qualitätskontrollen und Dokumentation für die Nachnutzbarkeit dieser Forschungsdaten zu erklären;
¿ können Datenmanagementpläne unter Nutzung elektronischer Hilfsmittel für ein wissenschaftliches Projekt entwerfen;
¿ können vorliegende Datenmanagementpläne evaluieren.

ad c.: Die Studierenden
¿ können Klassen numerischer Verfahren, die beim Lösen von Aufgabenstellungen aus Naturwissenschaft und Technik zum Einsatz kommen, beschreiben;
¿ können mathematische Eigenschaften ausgewählter Verfahren charakterisieren;
¿ können diese Verfahren nach ihrer Eignung für die Implementierung auf unter-schiedlichen Hardwarearchitekturen differenzieren;
¿ können diese Verfahren zur Lösung vereinfachter Probleme aus Naturwissen-schaft und Technik benutzen;
¿ können die hierbei erzielbaren Lösungen bezüglich Plausibilität, Genauigkeit und Effizienz beurteilen;
¿ sind in der Lage, sich weitere Konzepte numerischer Problemlösungen und deren Anwendung selbstständig zu erarbeiten.

Lernergebnisse:
ad a.: Die Studierenden
¿ können einen ausgewählten Aspekt (sei dieser methodischer, technologischer oder einer Domain Science zugehöriger Natur) des modernen Scientific Computing zusammenfassen;
¿ sind im Stande, Zusammenhänge zwischen Methoden und Techniken des ausgewählten Aspekts und dem breiteren Gebiet des Scientific Computing herzustellen;
¿ können im jeweiligen Aspekt etablierte Verfahren zur Lösung beispielhafter Fragestellungen ebenda benutzen;
¿ sind in der Lage, die erzielten Lösungen im naturwissenschaftlichen Kontext zu evaluieren;
¿ sind in der Lage, sich weitere Konzepte im behandelten Aspekt des HPC selbstständig zu erarbeiten.

ad b.: Die Studierenden
¿ können Paradigmen der parallelen Programmierung für das Hochleistungsrechnen darlegen;
¿ können Grundkonzepte des verteilten Rechnens für Mehrkern- und Mehrknotensysteme erklären;
¿ sind in der Lage, für die jeweilige Parallelisierungsmethode geeignete numerische Methoden in der Simulationsentwicklung zu identifizieren;
¿ können Kommunikations- und numerische Berechnungsvorgänge hardwarenah und an parallele HPC-Architekturen angepasst implementieren;
¿ können einfache parallele Programme zur effizienten Lösung beispielhafter Problemstellungen aus Naturwissenschaft und Technik zusammenstellen;
¿ können Komponenten paralleler Programme sowie deren Ausführung bei der Simulation naturwissenschaftlicher und technischer Fragestellungen evaluieren;
¿ sind in der Lage, sich fortgeschrittene Konzepte der Parallelisierung selbstständig zu erschließen

ad c.: Die Studierenden
¿ können verfügbare Beschleunigerarchitekturen für das Hochleistungsrechnen identifizieren;
¿ sind in der Lage, Grundkonzepte ausgewählter auf HPC-Systemen verfügbarer Beschleunigerarchitekturen zu erklären;
¿ können für die ausgewählte Beschleunigerarchitektur geeignete numerische Methoden in der Simulationsentwicklung identifizieren;
¿ können an konkrete Beschleuniger angepasste ausgewählte Methoden implementieren;
¿ sind im Stande, einfache beschleunigte Programme zur effizienten Lösung beispielhafter Problemstellungen aus Naturwissenschaft und Technik zusammenzustellen;
¿ können Komponenten beschleunigter Programme sowie deren Ausführung bei der Simulation naturwissenschaftlicher und technischer Fragestellungen evaluieren.

Lernergebnisse:
ad a.: Die Studierenden
¿ können das Konzept der mathematischen Modellbildung, wie es in verschiedenen Wissenschaftskontexten Anwendung findet, generalisieren;
¿ können die wesentlichen Werkzeuge benutzen, insbesondere Differentialgleichungen, welche zur mathematischen Modellierung benötigt werden;
¿ sind in der Lage, ausgewählte qualitative und quantitative Lösungsansätze für die resultierenden Gleichungen handzuhaben;
¿ können erzielbare Lösungen unter mathematischen Gesichtspunkten überprüfen;
¿ sind im Stande, einfache mathematische Modelle für ausgewählte Beispiele naturwissenschaftlicher Fragestellungen zu konstruieren;
¿ sind in der Lage, sich fortgeschrittene Konzepte der Modellierung selbstständig zu erschließen.

ad b.: Die Studierenden
¿ sind in der Lage, ausgewählte Fragen zur Nachhaltigkeit und zu ethischen Aspekten des Einsatzes von Scientific und High Performance Computing zu diskutieren;
¿ können die rechtlichen Problemfelder beim Einsatz von Scientific und High Performance Computing identifizieren;
¿ können Genderfragen und Fragen zu den Geschlechterverhältnissen anhand statistischer Unterlagen kritisch erläutern und Zusammenhänge zum gesellschaftlichen Kontext und Strukturen erkennen.

ad c.: Die Studierenden
¿ können Grundlagen und Methoden des Scientific Computing sowie die relevanten Techniken des High-Performance Computing zur Beantwortung natur- und ingenieurwissenschaftlicher Fragestellungen zurückrufen;
¿ sind in der Lage, eine im Rahmen der Projektstudie erfolgreich bearbeitbare natur- oder ingenieurwissenschaftliche Fragestellung zu identifizieren;
¿ sind im Stande, ein zur Untersuchung der Fragestellung geeignetes mathematisches Modell auszuwählen;
¿ können ein zur Auswertung dieses Modells geeignetes numerisches Verfahren samt passender Rechnerarchitektur auswählen;
¿ können dieses Verfahren effizient auf der gewählten Hardware implementieren;
¿ können aus dieser Implementierung eine zur Beantwortung der Fragestellung geeignete Simulation generieren und ausführen;
¿ sind im Stande, die Ergebnisse auf Plausibilität, Genauigkeit und Effizienz im Fachkontext zu überprüfen;
¿ können die Arbeiten nach den Best Practices des Software- und Datenmanagement zusammenstellen und mündlich präsentieren.