Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Lars Schneidenbach

Cette personne n’est plus à l’EPFL

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (3)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Key/Value-enabled Flash Memory for Complex Scientific Workflows with On-line Analysis and Visualization

Felix Schürmann, Stefan Eilemann, Alessandro Curioni, Peter Morjan, Blake Fitch, Bernard Metzler, Lars Schneidenbach, Ralph Bellofatto, Peter Kaltstein

Scientific workflows are often composed of compute-intensive simulations and data-intensive analysis and visualization, both equally important for productivity. High-performance computers run the compute-intensive phases efficiently, but data-intensive pro ...

Ieee2016

Rebasing I/O for Scientific Computing: Leveraging Storage Class Memory in an IBM BlueGene/Q Supercomputer

Miguel Angel Gila Arrondo, Felix Schürmann, Davide Tacchella, Pramod Shivaji Kumbhar, Alessandro Curioni, John Anthony Biddiscombe, Fabien Jonathan Delalondre, Peter Morjan, Blake Fitch, Lars Schneidenbach

Storage class memory is receiving increasing attention for use in HPC systems for the acceleration of intensive IO operations. We report a particular instance using SLC FLASH memory integrated with an IBM BlueGene/Q supercomputer at scale (Blue Gene Active ...

Springer2014

Towards Simulating Data-Driven Brain Models at the Point Neuron Level on Petascale Computers

Marc-Oliver Gewaltig, Csaba Erö, Lars Schneidenbach

We present a solution to two important problems that arise in the simulation of large data-driven neural networks: (a) efficient loading of network descriptions and (b) efficient instantiation of the network by executing the model specification. To address ...

Springer International Publishing2017