


ASUS | Placa base WS X299 SAGE 10G
Placa base Intel con soporte para cuatro GPU, DDR4 4200 MHz, dos puertos LAN a 10G, M.2, U.2, conectores USB 3.1 Gen. 2 y ASUS Control Center
La placa base WS X299 Sage 10G es una plataforma ideal para el entrenamiento de redes neuronales y otras tareas de cómputo escalables. Está dotada de rendimiento gráfico Quad-SLI, validaciones de grado servidor y opciones muy completas de refrigeración; y comparte la misma estética refinada de la WS X299 Sage, añadiendo redes de alta velocidad con dos puertos 10 Gigabit Ethernet y un controlador Intel X550AT2 10GBASE-T. Sus dos chips PLX amplían el número de pistas PCIe ofreciendo así más ranuras de expansión y la opción de configurar el sistema con las herramientas necesarias para la realización del trabajo.

Funciones WS exclusivas de esta placa base
- Dos puertos LAN Intel a 10G (X550-AT2). Más rendimiento de datos y eficiencia, ideal para transferir vídeo 4K sin compresión y realizar copias de seguridad de archivos de gran tamaño.
- Soporte Multi-GPU. Permite instalar hasta cuatro gráficas dobles y soporta 4 way NVIDIA® SLI, AMD CrossFireX y tecnologías gráficas de última generación como NVIDIA RTX (Quadro).
- 5-Way Optimization. Ajustes automáticos de todo el sistema con perfiles de overclocking y refrigeración para diferentes cargas de trabajo.
- Opciones de refrigeración líderes. Controles exhaustivos de ventilación y bombas de agua desde el software Fan Xpert y ASUS UEFI.
- Disipador VRM ultraeficiente. Con un diseño de aletas que aumenta el área de disipación y consigue que el equipo trabaje sin problemas de temperatura.
- Almacenamiento de alta velocidad. Dos M.2 y U.2, USB 3.1 Gen. 2 Tipo A y Tipo C de hasta 10 Gbps y conector en el panel frontal.


CASO DE USO: IBEROGUN EVALÚA LOS MÉTODOS DE APLICACIÓN PARA PROYECCIONES METEOROLÓGICAS EN PANAMÁ MEDIANTE ACELERACIÓN DE GPU
El cambio climático podría tener un impacto crítico en la República de Panamá, donde un importante segmento de la economía depende del funcionamiento del Canal de Panamá. Por ello, se han establecido nuevas estructuras para llevar a cabo investigaciones sobre este impacto. Una de ellas es la nueva infraestructura de clúster de GPU llamada Iberogun.

Situación de Panamá
La República de Panamá está situada en la cordillera más meridional de América Central, al norte de Ecuador. El país está rodeado por el Mar Caribe en el norte y por el Océano Pacífico en el sur, por lo que su clima está determinado principalmente por una atmósfera oceánica cálida y húmeda.
El Canal de Panamá es una de las instalaciones más importantes de Panamá. Los ingresos que generan los cargueros de contenedores a su paso por el mismo suponen alrededor del 40% del Producto Interior Bruto (PIB) del país.
La cantidad de agua del canal depende enormemente de las precipitaciones de su cuenca hidrográfica.
La UTP
La Universidad Tecnológica de Panamá es quien lleva a cabo el estudio y la implementación de este proyecto de la mano del Dr. Reinhardt Pinzón.
La UTP es líder nacional en investigación en el área de ingeniería, además de centro de referencia en innovación tecnológica.
Introducción al estudio de Iberogun
Utilizando el Modelo de Circulación General Atmosférica, del Instituto de Investigaciones Meteorológicas (MRI-AGCM3.2S), se han investigado tanto los futuros cambios climáticos de precipitación en Centroamérica como los cambios climatológicos estacionales en la cuenca alta del Río Chagres, la cual es, a su vez, una subcuenca en el lado oriental de la cuenca del Canal de Panamá.
La mayoría de los estudios se han llevado a cabo con el modelo MRI-AGCM3.2S, con simulaciones realizadas en las instalaciones del MRI en Tsukuba, Japón (una visualización de los resultados se representa en la siguiente imagen, que muestra la distribución geográfica en la precipitación de Panamá); pero la idea es que esta capacidad computacional pueda ser utilizada y replicada en suelo panameño desarrollando, de esta forma, un modelo local.

A continuación, se analizarán los principales métodos de implementación utilizados en los modelos meteorológicos y climáticos, así como de aceleración de la GPU en términos de optimización.
Métodos de aplicación
Lenguajes específicos de dominio
Los lenguajes específicos de dominio aplicados a los algoritmos Stencil han sido un método para abstraer la placa de paralelización y la disposición de la memoria para el código híbrido GPU/CPU.
> Fortrán híbrido
Fortran es un lenguaje de programación de alto nivel de propósito general, procedural e imperativo, que está especialmente adaptado al cálculo numérico y a la computación científica.
Uno de los métodos evaluados por la UTP es la implementación basada en Fortran híbrido; una transformación de fuente a fuente y una extensión del lenguaje. Esta herramienta presenta un método de división asistida para kernels de gran tamaño que permite la compatibilidad con la GPU en los procesos físicos dentro de los diferentes modelos climáticos sin necesidad de reescribirlos.

Directivas
Las directivas se utilizan para orientar a los compiladores sobre cómo optimizar o paralelizar el código ya existente para una arquitectura de hardware específica.
Optimización de la granularidad
La fusión de núcleos ha sido el principal enfoque de optimización de la granularidad aplicado a la programación de la GPU que conocemos.
Transformación de la disposición de la memoria
Aunque los DSL abstraen la disposición de la memoria, también requieren una reescritura completa del código de puntos, pero manteniendo las ganancias de portabilidad de rendimiento de un diseño de memoria abstraído.
Infraestructura Iberogun
Con el objetivo general de desarrollar una infraestructura sostenible para HPC en Panamá, la UTP ha montado una infraestructura de clúster de GPU llamada Iberogun. Basada en 2 servidores DGX 1 (con 16 NVIDIA Tesla P100 cada uno) tiene el objetivo de evaluar posibles modelos climáticos y eventos meteorológicos extremos.

Las tareas que se pretenden desarrollar a través de este proyecto son las siguientes:
- Desarrollar e implementar código CUDA para una arquitectura clúster de GPUs.
- Estudiar los aspectos atómicos en la formación de la topografía.
- Divulgación de los resultados obtenidos.
- Prospección de áreas interesantes en simulaciones numéricas en Panamá y Latinoamérica.
Iberogun tiene las siguientes características de salida:
- 170 tera FLOPS.
- GPU 128 GB.
- CPU Dual 20-Core Intel Xeon.
- NVIDIA CUDA® Cores.
- NVIDIA Tensor Cores (en sistemas basados en V100).
- Memoria del sistema 512 GB DDR4.
- 4X 1,92 TB SSD RAID 0.
Independientemente del método utilizado para las proyecciones meteorológicas, los beneficios de su aplicación pueden ser bien recibidos tanto en la comunidad investigadora como en la sociedad en general.
Los modelos que se ajustan a los parámetros del istmo de Panamá pueden ser beneficiosos para la predicción de los ciclos del agua para el área de la cuenca del canal, información muy importante desde las recientes políticas estrictas de uso del agua que se han propuesto y los fenómenos de salinización que se han reportado para la cuenca del canal de Panamá.
Además, los beneficios podrían extenderse a otras áreas de investigación y comercio, tales como: agricultura, generación de energía hidráulica, transporte, ecología y conservación.
Bibliografía

¿QUÉ ES EDGE COMPUTING?
Edge Computing es la práctica de procesar los datos físicamente más cerca de su origen.

Smart cities. Cirugías a distancia. Vehículos totalmente autónomos. altavoces domésticos controlados por voz… Todas estas tecnologías innovadoras son posibles gracias al edge computing.
¿Qué es edge computing?
Edge Computing (traducido a español sería algo así como computación de borde o perimentral) es la práctica de trasladar la potencia de cálculo físicamente más cerca del lugar donde se generan los datos; normalmente, un dispositivo o sensor de IoT. Se denomina así por la forma en que la potencia de cálculo se lleva al «borde», al «extremo», al «límite» de un dispositivo o red. Edge computing se utiliza para procesar los datos más rápidamente, aumentar el ancho de banda y garantizar la autonomía de los datos.

Al procesar los datos en el extremo de la red, edge computing reduce la necesidad de que grandes cantidades de datos viajen entre los servidores, la nube y los dispositivos o ubicaciones de borde. Esto resuelve los problemas de infraestructura que se encuentran en el procesamiento de datos convencional, como la latencia y el ancho de banda. Esto es especialmente importante para aplicaciones modernas como la ciencia de datos y la inteligencia artificial.
Casos de uso
Por ejemplo, los equipos industriales avanzados cuentan cada vez con más sensores inteligentes alimentados por procesadores con capacidad de IA que pueden hacer inferencias en el borde (edge AI). Estos sensores vigilan los equipos y la maquinaria cercana para alertar a los supervisores de cualquier anomalía que pueda poner en peligro la seguridad, la continuidad y la eficacia de las operaciones. En este caso de uso, el hecho de que los procesadores de IA estén físicamente presentes en el emplazamiento industrial, da lugar a una menor latencia y que los equipos industriales reaccionen más rápidamente a su entorno.
La retroalimentación instantánea que ofrece edge computing es especialmente crítica para las aplicaciones en las que la seguridad humana es un factor importante; como ocurre con los coches autónomos, donde el ahorro de milisegundos de procesamiento de datos y tiempos de respuesta puede ser clave para evitar accidentes. O en los hospitales, donde los médicos dependen de datos precisos y en tiempo real para tratar a sus pacientes.
Edge computing puede utilizarse en todos los lugares en los que lo sensores recogen datos; desde tiendas de venta al por menor y hospitales para cirugías a distancia, hasta almacenes con una logística inteligente de la cadena de suministro y fábricas con inspecciones de control de calidad.
¿Cómo funciona edge computing?
Edge computing funciona procesando los datos lo más cerca posible de su fuente o usuario final. Mantiene los datos, las aplicaciones y la potencia de cálculo lejos de una red o un centro de datos centralizados.
Tradicionalmente, los datos producidos por los sensores suelen ser revisados manualmente por humanos, se dejan sin procesar o se envían a la nube o a un data center para ser procesados y luego devueltos al dispositivo. Confiar únicamente en las revisiones manuales da lugar a procesos más lentos y menos eficientes. La computación en la nube proporciona recursos informáticos; sin embargo, el viaje y el procesamiento de los datos suponen una gran carga para el ancho de banda y la latencia.
Ancho de banda y latencia
- El ancho de banda es la velocidad a la que se transfieren los datos por Internet. Cuando los datos se envían a la nube viajan a través de una red de área amplia, que puede ser muy cara debido a su cobertura global y a las elevadas necesidades de ancho de banda. Cuando los datos se procesan en el borde, se pueden utilizar redes de área local, lo que supone un mayor ancho de banda con menores costes.
- La latencia es el retraso en el envío de información de un punto a otro. Se reduce cuando se procesa en el borde, porque los datos producidos por los sensores y dispositivos IoT ya no necesitan enviar datos a una nube centralizada para ser procesados. Incluso en las redes de fibra óptica más rápidas, los datos no pueden viajar más rápido que la velocidad de la luz.
Al llevar a cabo edge computing se reduce la latencia y se incrementa el ancho de banda, lo que da como resultado información y acciones más rápidas.

Edge computing puede ejecutarse en uno o varios sistemas para acortar la distancia entre el lugar donde se recogen y procesan los datos, reducir los cuellos de botella y acelerar las aplicaciones. Una infraestructura de borde ideal también implica una plataforma de software centralizada que pueda gestionar de forma remota todos los sistemas de borde en una sola interfaz.
¿Por qué es necesaria esta técnica computacional?
Hoy en día, tres tendencias tecnológicas están convergiendo y creando casos de uso que requieren que las organizaciones consideren edge computing: IoT, IA y 5G.
IoT
Con la proliferación de dispositivos IoT llegó la expansión de big data que empezaron a generar las empreas. A medida que las organizaciones aprovechaban la recopilación de datos de todos los aspectos de sus negocios, se dieron cuenta de que sus aplicaciones no estaban construidas para manejar tales volúmenes de datos.
Además, se percataron de que la infraestructura para transferir, almacenar y procesar todos estos datos era extremadamente cara y difícil de gestionar. Esta puede ser la razón por la que solo se procesa una parte de los datos recopilados de los dispositivos IoT (25% en algunos casos).
Y el problema se agrava aún más. En la actualidad hay 40.000 millones de dispositivos IoT y las predicciones indican que podrían aumentar al billón en 2022. A medida que crece el número de dispositivos IoT y aumenta la cantidad de datos que hay que transferir, almacenar y procesar, las organizaciones recurren más a edge computing para reducir los costes necesarios para utilizar los mismos datos en los modelos de computación en la nube.
IA
La IA representa un sinfín de posibilidades y beneficios para las empresas, como la capacidad de obtener información en tiempo real. Las empresas están descubriendo que su infraestructura de nube actual no puede cumplir con los requisitos que requieren los nuevos casos de uso para la IA.
Cuando las organizaciones tienen limitaciones de ancho de banda y latencia, tienen que recortar la cantidad de datos que alimentan a sus modelos. Y esto da lugar a modelos más débiles.
5G
Las redes 5G, diez veces más rápidas que las 4G, están construidas para permitir que cada nodo sirva a cientos de dispositivos; aumentando así las posibilidades de los servicios habilitados por la IA en las ubicaciones de borde.
Con la potente, rápida y fiable capacidad de procesamiento de edge computing, las empresas pueden explorar nuevas oportunidades de negocio, obtener información en tiempo real, aumentar la eficiencia operativa y mejorar la experiencia del usuario.
¿Cuáles son los beneficios de edge computing?
- Menor latencia. Al procesar en el borde de una red, se reducen o eliminan los viajes de datos, lo que acelera la IA. Esto abre la puerta a casos de uso con modelos de IA más complejos, como los vehículos autónomos y la realidad aumentada.
- Reducción de costes. El uso de una LAN para el procesamiento de datos significa que las organizaciones pueden acceder a un mayor ancho de banda y almacenamiento a un menor coste que con la computación en la nube. Además, como el procesamiento se realiza en el borde, no es necesario enviar tantos datos a la nube o al data center para su procesamiento posterior.
- Precisión de los modelos. La IA se basa en modelos de alta precisión, especialmente para los casos de uso que requieren respuestas instantáneas. Cuando el ancho de banda de una red es demasiado bajo, se soluciona reduciendo el tamaño de los datos utilizados para la inferencia. Esto suele dar como resultado imágenes reducidas, fotogramas omitidos en vídeo y frecuencias de muestreo reducidas en audio. Cuando se despliega en el borde, los bucles de retroalimentación de datos pueden utilizarse para mejorar la precisión del modelo de IA y se pueden ejecutar varios modelos simultáneamente, lo que da lugar a una mejor comprensión de los mismos.
- Mayor alcance. Internet es necesario para la computación en la nube; pero con edge computing los datos se procesan sin acceso a internet, lo que amplía su alcance a lugares anteriormente inaccesibles.
- Autonomía de los datos. Cuando los datos se procesan en el lugar donde se recogen, las organizaciones pueden mantenerlos dentro de la LAN y el firewall de la empresa. Esto se traduce en una menor exposición a los ataques de ciberseguridad de la nube y a las estrictas y cambiantes leyes de protección de datos.
Casos de uso en todas las industrias
Edge computing puede aportar inteligencia en tiempo real a las empresas de todos los sectores.

Comercio minorista
Ante la rápida evolución de la demanda, el comportamiento y las expectativas de los consumidores, los minoristas más grandes del mundo recurren a la IA avanzada para ofrecer mejores experiencias a los usuarios.
Con edge computing los minoristas pueden aumentar su agilidad mediante:
- Reducción de las pérdidas. Con cámaras y sensores inteligentes en los comercios que aprovecha edge computing para analizar datos, se pueden identificar y prevenir casos de errores, desperdicios, daños y robos.
- Mejora de la gestión del inventario. Las aplicaciones de edge computing pueden utilizar cámaras para alertar cuándo baja el stock, evitando así las posibles roturas.
- Optimización de la experiencia de compra. Con el rápido procesamiento de datos de edge computing, los minoristas pueden implementar pedidos por voz para que los compradores puedan buscar fácilmente artículos, pedir información sobre productos y hacer pedidos online utilizando altavoces u otros dispositivos inteligentes.
Smart cities
Ciudades, campus universitarios, estadios y centros comerciales son algunos ejemplos de lugares que han empezado a utilizar la IA para transformarse en espacios inteligentes. Esto se traduce en una mayor eficiencia desde el punto de vista operativo, seguridad y accesibilidad.
Edge computing se ha utilizado para transformar las operaciones y mejorar la seguridad en todo el mundo en áreas como:
- Reducción de la congestión del tráfico. Las ciudades utilizan computer vision para identificar, analizar y optimizar el tráfico; disminuir los costes relacionados con los atascos; y minimizar el tiempo que los conductores pasan en el vehículo.
- Supervisión de la seguridad en las playas. Detectar los posibles peligros en las playas, como la resaca, las corrientes y las condiciones peligrosas del mar, permite a las autoridades poner en marcha procedimientos para salvar vidas.
- Aumento de la eficiencia de las operaciones de las aerolíneas y los aeropuertos. Una aplicación de análisis de vídeo con IA ayuda a las aerolíneas y los aeropuertos a tomar mejores decisiones de forma más rápida en cuanto a capacidad, sostenibilidad y seguridad.
Industria
Las fábricas y las empresas automovilísticas están generando datos de sensores que pueden utilizarse de forma cruzada para mejorar los servicios. Algunos casos de uso para promover la eficiencia y la productividad en la fabricación son:
- Mantenimiento predictivo: Detección temprana de anomalías y predicción de cuándo van a fallar las máquinas para evitar tiempos de inactividad.
- Control de calidad. Detectar defectos en los productos y alertar al personal al instante para reducir los residuos y mejorar la eficiencia de la fabricación.
- Seguridad de los trabajadores. Uso de una red de cámaras y sensores equipados con análisis de vídeo con IA para que los fabricantes puedan identificar a los trabajadores en condiciones inseguras e intervenir rápidamente para evitar accidentes.
Sanidad
La combinación de edge computing e IA está transformando la atención sanitaria. La IA «en el borde» proporciona a los trabajadores sanitarios las herramientas que necesitan para mejorar la eficiencia operativa, garantizar la seguridad y ofrecer una experiencia asistencial de la mayor calidad posible.
Dos ejemplos muy claros de edge computing en este sector son:
- Los quirófanos. Los modelos de IA construidos sobre imágenes en streaming y sensores en dispositivos médicos están ayudando a:
- La adquisición y reconstrucción de imágenes.
- La optimización del flujo de trabajo para el diagnóstico y la planificación de la terapia.
- La medición de órganos y tumores.
- La orientación de la terapia quirúrgica.
- La visualización y monitorización en tiempo real durante las cirugías.
- Los hospitales. Los hospitales inteligentes están utilizando tecnologías como la monitorización de pacientes, la detección de enfermedades, la IA conversacional, la estimación de la frecuencia cardíaca, los escáneres radiológicos, etc. Utilizando computer vision se puede ayudar a notificar al personal sanitario cuándo un paciente se mueve o se cae de una cama del hospital.
El futuro de edge computing
La capacidad de obtener información más rápida puede suponer un ahorro de tiempo, costes e incluso vidas. Por ello, las empresas están aprovechando los datos generados por los miles de millones de sensores de IoT que se encuentran en las tiendas, en las calles de las ciudades y en los hospitales para crear espacios inteligentes.
Pero para ello, las organizaciones necesitan sistemas de edge computing que ofrezcan una computación potente y distribuida, una gestión remota segura y sencilla y compatibilidad con las tecnologías líderes del sector.
El mercado de edge computing tendrá un valor de 251.000 millones de dólares en 2025, y se espera que siga creciendo cada año con una tasa de crecimiento anual del 16,4%.
La evolución de la IA, el IoT y el 5G seguirá catalizando la adopción de edge computing. El número de casos de uso y los tipos de cargas de trabajo desplegados «en el borde» crecerán. En la actualidad, los casos de uso más frecuentes giran en torno a computer vision. Sin embargo, hay muchas oportunidades sin explorar en áreas de trabajo como el procesamiento del lenguaje natural, los sistemas de recomendación y la robótica.
Las posibilidades «en el borde» son realmente ilimitadas.
Fuente: NVIDIA.

CASO DE USO: LA CRIOMICROSCOPÍA ELECTRÓNICA
La criomicroscopía electrónica es una técnica muy utilizada en el campo de la biología para el estudio de estructuras moleculares a temperaturas criogénicas; lo que permite observar las muestras a resolución atómica.
Jackes Dubochet, Joachim Frank y Richard Henderson ganaron el Premio Nobel de Química por su trabajo en el desarrollo de la criomicroscopía electrónica en el año 2017.

La metodología que sigue esta técnica es la siguiente:
- La muestra se congela y se prepara con hielo vítreo.
- Se realiza la toma de imágenes.
- Se digitalizan las imágenes.
- Las imágenes ya digitalizadas en 2D se procesan para obtener una reconstrucción 3D de las estructuras macromoleculares.
Los avances tecnológicos (como los microscopios que trabajan, entre otras cosas, con GPUs que aceleran el procesamiento de imágenes) y la evolución en la potencia de cómputo han facilitado la elaboración de los modelos tridimensionales.
El servicio de criomicroscopía electrónica
Con sede en el Centro Nacional de Biotecnología (CNB), la instalación de criomicroscopía electrónica (Cryo-EM) del CSIC es un servicio básico de última generación que ofrece tanto la preparación de muestras como la recopilación de imágenes Cryo-EM de material biológico.
La instalación alberga dos criomicroscopios electrónicos:
- Un JEOL CryoARM de 300 kV equipado con un cargador automático, un detector de electrones directos Gatan K3 y un filtro de energía Omega.
- Un FEI TALOS Arctica de 200 kV, equipado con un cargador automático y un detector de electrones directos Falcon III.
Ambos son adecuados para la recopilación de grandes cantidades de datos de alta resolución.
Esta instalación, única en España, cuenta también con dos dispositivos adecuados para la vitrificación de muestras pequeñas, como proteínas y complejos macromoleculares y un tercer dispositivo adecuado para la congelación rápida de muestras celulares.
“El primer paso de esta técnica (la criomicroscopía electrónica) consiste en congelar las proteínas a muy baja temperatura (-180ºC), de tal manera que movilizamos las proteínas en una capa fina de hielo, quedando inmersas y dispuestas en distintas orientaciones.
Posteriormente, introducimos las proteínas en el microscopio electrónico de transmisión y capturamos un gran número de imágenes que, gracias a potentes ordenadores, muestran la estructura de estas proteínas en alta resolución. Incluso, podemos visualizar los aminoácidos que componen estas proteínas.
Con la utilización de esta técnica ayudamos al desarrollo de nuevos fármacos”.
Rocío Arranz, jefa del Servicio de Criomicroscopía Electrónica del Centro Nacional de Biotecnología del CSIC (CNB-CSIC)
BREM
El Basque Resource for Electron Microscopy (BREM) proporciona acceso a instrumentación de alta gama y experiencia en criomicroscopía electrónica de alta resolución (Cryo-EM) a investigadores nacionales e internacionales, académicos e industriales.
Está ubicado en el Instituto de Biofisika (CSIC) en el parque científico de la Universidad del País Vasco en Leioa; y está apoyado por la fundación Biofísica Bizkaia. Es parte de una iniciativa ambiciosa del Departamento de Educación y el Fondo de Innovación del Gobierno Vasco para incorporar tecnologías disruptivas que tengan un impacto importante en el desarrollo tecnológico, de investigación y de innovación.
El objetivo de BREM es comprender la base estructural de los procesos biológicos y la patogénesis de las enfermedades humanas a través de la criomicroscopía electrónica.
Además, también apoya los esfuerzos de investigación de fármacos basados en biología estructural y el desarrollo de terapias avanzadas para enfermedades.
BREM ha instalado un microscopio electrónico de transmisión Thermo Fisher Titan Krios G4; es el primero en España y el segundo en el sur de Europa. Cuenta con personal altamente cualificado y ayuda a los usuarios con la determinación de la estructura tridimensional utilizando todas las técnicas principales Cryo-EM disponibles para la biología estructural.
«La llegada de este microscopio electrónico al Instituto Biofisika nos permite participar en proyectos internacionales de interés biomédico; por lo tanto, podemos competir y posicionar al País Vasco en una primera línea en biología estructural».
David Gil Carton, director técnico de BREM
Características del criomicroscopio electrónico de BREM
El criomicroscopio electrónico instalado en el Instituto Biofisika para la observación de especímenes biológicos a baja temperatura mediante criomicroscopía electrónica tiene las siguientes características:
- Se trata de un criomicroscopio electrónico de transmisión de 300 kV de alta resolución de última generación.
- Utiliza lentes de alta estabilidad y un cañón de emisión de campo como fuente de iluminación.
- Cuenta con una placa de fase para la mejora del contraste.
- Incluye un filtro de energía y un detector directo de electrones como sistema de recogida de información.
- Está optimizado para el análisis automatizado de partículas individuales, microdifracción de electrones y la tomografía electrónica de doble eje.
- Consigue imágenes de muestras biológicas a baja temperatura con una resolución ultra alta para la adquisición de datos con un alto rendimiento y reproducibilidad; y de manera simple e intuitiva.

La aportación de Azken a la criomicroscopía electrónica
BREM planteó un reto a Azken Muga:
“El éxito de este microscopio es su gran capacidad de automatización, la mejora en estabilidad y el mayor rendimiento de los nuevos detectores.
Todo esto hace posible realizar sesiones ininterrumpidas de 48 horas de un solo experimento. Estos datos pueden ser 10, 20 o 40 Tb, dependiendo del experimento; luego, tanto el control de calidad para toma de decisiones en tiempo real («processing on-the-fly») como la transferencia de datos a los usuarios lo más rápido -y sin fallos- es vital para el éxito de BREM.
Los datos son movies (vídeos) de 1 Gb cada uno en formato MRC o TIFF y en un solo experimento hay que transferir al usuario desde 20.000 hasta 45.000 de estas movies. El microscopio puede generar 10.000 movies en 24 horas”.
David Gil Carton, director técnico de BREM
BREM requería por parte de Azken un data center, compuesto por un servidor 8xGPU, dos servidores de almacenamiento y tres workstations, conectado al servidor del microscopio. Siguiendo este esquema:

Los sistemas elegidos para llevar a cabo este proyecto fueron: un servidor basado en GPU para el procesamiento de imágenes (8G4 Dual Xeon Scalable HPC 8xGPU); un servidor de almacenamiento SSD (RStorage 540S Dual Xeon Scalable Processors 36xSSD); un servidor de almacenamiento HDD (RStorage 540S Dual Xeon Scalable Processors 36xHDD); y tres workstations multi GPU de escritorio (T-Series Xeon SP).
8G4 Dual Xeon Scalable HPC 8xGPU
Con la siguiente configuración:
- Chasis enracable 4U
- 2x Intel® Xeon® Gold 6240R 2,4GHz 35,75MB Cache 24 Cores
- 16x 64GB DDR4 2933MHz ECC Reg
- SSD Kingston DC500R 1.92TB SATA 6Gb/s 2,5″
- 5x SSD Enterprise 7.68TB SATA 6Gb/s 2,5″
- 8x NVIDIA GeForce RTX 3090 24GB
- HBA Mellanox® 100GbE 2x QSFP28 PCIe 3.0
- Distribución GNU/Linux Fedora, Ubuntu, CentO
RStorage 540S Dual Xeon Scalable Processors 36xSSD/HDD
Con la siguiente configuración:
> RStorage 540S Dual Xeon Scalable Processors 36xSSD
- Chasis enracable 4U
- 2x Intel® Xeon® Silver 4216 2,1GHz 22MB Cache 16 Cores
- 8x 32GB DDR4 2933MHz ECC Reg
- SSD Samsung 980 PRO 250GB M.2 NVMe 2280 PCIe 4.0 x4
- 17x SSD Kingston DC500R 7.68TB SATA 6Gb/s 2,5
- HBA Mellanox® 100GbE 2x QSFP28 PCIe 3.0
- Distribución GNU/Linux Fedora, Ubuntu, CentO
> RStorage 540S Dual Xeon Scalable Processors 36xHDD
- Chasis enracable 4U
- 2x Intel® Xeon® Silver 4216 2,1GHz 22MB Cache 16 Cores
- 8x 32GB DDR4 2933MHz ECC Reg
- SSD Kingston DC500R 960Gb SATA 6Gb/s 2,5″
- 36x HD 14TB SATA 6 Gb/s 7.200 r.p.m 3,5 256MB Enterprise Storage
- HBA Mellanox® 100GbE 2x QSFP28 PCIe 3.0
- Distribución GNU/Linux Fedora, Ubuntu, CentO
T-Series Xeon SP
Con la siguiente configuración:
- Chasis E-ATX Steel Negro
- Placa Base Dual Intel® Xeon® Scalable
- F.A. 1500W+ PFC Active, Modular Ultra-Silent 80 + Gold
- 2x Intel® Xeon® Gold 6240R 2,4GHz 35,75MB Cache 24 Cores
- 8x 64GB DDR4 2933MHz ECC Reg
- 4x HD 10TB SATA 6 Gb/s 7.200 r.p.m 3,5 256MB Enterprise Storage
- SSD PNY CS3140 2TB M.2 NVMe 2280 PCIe 4.0 x4
- NVIDIA GeForce RTX 3090 24GB
- NVIDIA Quadro T400 GPU
- 2 x IIYAMA ProLite XUB2792QSU-B1 27
- Kit Teclado Ratón Logitech Laser Negro
- HBA Mellanox® 100GbE 2x QSFP28 PCIe 3.0
- Distribución GNU/Linux Fedora, Ubuntu , CentOS
- Kit instalación software CryoEM
Bibliografía

Cursos NVIDIA DLI
El Instituto de Aprendizaje Profundo de NVIDIA ofrece recursos para diversas necesidades de aprendizaje -desde materiales de aprendizaje hasta formación autodidacta y en vivo, pasando por programas para educadores-, ofreciendo a individuos, equipos, organizaciones, educadores y estudiantes lo que necesitan para avanzar en sus conocimientos sobre IA, computación acelerada, ciencia de datos acelerada, gráficos y simulación, y mucho más.