Seminários de métodos numéricos

Resumo: A evolução da computação de alto desempenho (HPC) no Brasil foi um processo gradual, construído a partir da interação entre demandas científicas, decisões institucionais e desenvolvimento de competências técnicas. Ao longo desse percurso, diferentes paradigmas foram incorporados — dos computadores vetoriais aos clusters com memória distribuída e, mais recentemente, às arquiteturas híbridas com GPUs. Essa transição exigiu não apenas novos equipamentos, mas também a adaptação de modelos, algoritmos e, sobretudo, a formação de recursos humanos. Exemplos na área de meteorologia ilustram bem esse processo, desde a vetorização até o uso de MPI e, mais recentemente, Machine Learning. A experiência mostra que não existe uma solução única: enquanto algumas aplicações se beneficiam fortemente de GPUs, FPGAs e  outras permanecem dependentes de CPUs, especialmente quando envolvem modelos físicos complexos e grande volume de simulações. Nesse contexto, o Machine Learning surge como ferramenta poderosa, mas dependente de infraestrutura computacional intensiva. A principal lição é que a construção de HPC é um processo contínuo, que integra tecnologia, pessoas e aplicações. Supercomputadores não caem do céu — são o resultado dessa construção ao longo do tempo.