Page as PDF - Max-Planck

Jahrbuch 2012/2013 | Dohmen, Renate; Lederer, Hermann; Rampp, Markus; Reetz, Johannes; Reuter, Klaus;
Schott, Andreas | Hochleistungsrechnen, Datendienste und Visualisierung
Hochleistungsrechnen, Datendienste und Visualisierung
High-performance computing, data services and visualization
Dohmen, Renate; Lederer, Hermann; Rampp, Markus; Reetz, Johannes; Reuter, Klaus; Schott, Andreas
Max Planck Computing and Data Facility (MPCDF), Garching
Korrespondierender Autor
E-Mail: [email protected]
Zusammenfassung
Das
RZG
optimiert
komplexe
Anw endungscodes
aus
den
Bereichen
Plasmaphysik,
Astrophysik,
Materialw issenschaften und anderen Disziplinen für den Einsatz auf massiv-parallelen Hochleistungsrechnern
und bietet Unterstützung für Datenmanagement auf Archivierungs-, Metadaten- und Projektebene. Einen
w eiteren Schw erpunkt bilden die Visualisierung und Exploration von Simulationsdaten. Das RZG ist maßgeblich
an Projekten auf MPG-, nationaler und europäischer Ebene beteiligt.
Summary
The RZG supports optimization of complex applications from plasma physics, astrophysics, materials science,
and other disciplines for massively parallel high-performance computers and offers data management services
and infrastructure. Moreover, the RZG provides data visualization services for the exploration and quantitative
analysis of simulation results. The RZG plays a leading role in projects w ithin the MPG and at national and
European level.
1 Hochleistungsrechnen
Das RZG betreibt einen Hochleistungsrechnerkomplex, seit 2007 bestehend aus einem Blue-Gene/P-System
mit 16.384 Prozessorkernen und einem Pow er6-System mit 6.624 Prozessoren. Als erster Teil eines
Nachfolgesystems w urde im Oktober 2012 ein Intel-Sandy-Bridge-basiertes Linux-Cluster mit 9.700 Kernen in
Betrieb genommen. Außerdem w erden zahlreiche große Linux-Cluster verschiedener Institute betrieben. Eine
w esentliche Aufgabe des RZG stellt die Anw endungsunterstützung dar. Diese umfasst
1)
die Optimierung von Codes, Mitw irkung bei Visualisierung und grafischer Aufbereitung von Daten,
Evaluierung neuer paralleler Programmiertechniken und ‑modelle w ie beispielsw eise für den Einsatz von
Beschleuniger-Coprozessoren für numerisch-intensive Applikationsteile,
2)
Projektunterstützung, vielfach in Kooperation mit mehreren Partnern an verschiedenen Instituten.
1.1 Anwendungsoptimierung im Hochleistungsrechnerbereich
© 2013 Max-Planck-Gesellschaft
w w w .mpg.de
1/7
Jahrbuch 2012/2013 | Dohmen, Renate; Lederer, Hermann; Rampp, Markus; Reetz, Johannes; Reuter, Klaus;
Schott, Andreas | Hochleistungsrechnen, Datendienste und Visualisierung
Der
Bereich
der
Anw endungsoptimierung
am
RZG
beinhaltet
vielfältige
Herausforderungen
mit
unterschiedlichsten Anforderungsprofilen. So müssen zum Beispiel bereits parallele Codes, etw a aus der
Materialforschung, der Plasmaphysik oder der Astrophysik, bezüglich ihrer Skalierbarkeit optimiert und
algorithmisch für die Verw endung auf Supercomputern mit sehr hoher Prozessorzahl vorbereitet w erden.
Darüber
hinaus
w erden
existierende,
sequenzielle
Applikationen
parallelisiert,
durch
algorithmische
Maßnahmen beschleunigt und auf neue Hard- und Softw aretechnologien vorbereitet. Aktuell gilt es bei der
Applikationsentw icklung
unter
anderem,
den
folgenden
beiden
Technologieentw icklungen
im
Hochleistungsrechnen zu berücksichtigen: Supercomputer der aktuellen Generation sind als sogenannte
Cluster realisiert, deren einzelne Knoten jew eils ein oder mehrere Prozessoren mit Dutzenden von Kernen und
einem gemeinsamen Hauptspeicher vereinen. Die Knoten ihrerseits sind über ein Kommunikationsnetzw erk
verbunden. Dieser Topologie entsprechend w erden zunehmend hybride Programmiermodelle favorisiert, die
explizite Datenverteilung über die Prozessoren oder Knoten sow ie Kommunikation mittels MPI (Message
Passing Interface, der etablierte Standard für verteilte Parallelisierung) in Kombination mit Thread-basierter
Programmierung (zum Beispiel OpenMP) innerhalb der einzelnen Prozesse beinhalten. Das sogenannte flache
Programmiermodell, das auf reiner MPI-Kommunikation basiert, ohne explizit Bezug zur Knotenebene zu
nehmen, beginnt insbesondere mit der immer größer w erdenden Zahl von Prozessorkernen an seine Grenzen
zu stoßen. Auf Ebene der Knoten beginnen sich sogenannte Beschleuniger-Coprozessoren zu etablieren, die
ein großes Potenzial zur Steigerung der Rechenleistung eines Knotens bei gleichzeitig hoher Energieeffizienz
versprechen. Im Folgenden
w erden
exemplarisch
ausgew ählte
Projekte
zu
diesen
Themengebieten
vorgestellt.
1.1.1 Hybride Parallelisierung eines Navier-Stokes-Codes für direkte numerische Simulationen (DNS)
von Turbulenzphänomenen
In der Max-Planck-Forschungsgruppe „Komplexe Dynamik und Turbulenz“ (Björn Hof, Max-Planck-Institut für
Dynamik und Selbstorganisation, Göttingen) w urde ein pseudospektraler Simulationscode zur Lösung der
Navier-Stokes-Gleichung für inkompressible Flüssigkeiten entw ickelt. Der Code w ird beispielsw eise für
grundlegende Untersuchungen zur Turbulenz bei hohen Reynoldszahlen in Rohren eingesetzt. Im originalen,
reinen MPI-Code w ar die Zahl der MPI-Prozesse und damit die durch Parallelisierung maximal erzielbare
Steigerung der Rechengeschw indigkeit durch die Zahl der radialen Zonen (typischerw eise w enige Hundert)
des numerischen Gitters begrenzt. Mithilfe von OpenMP w urde nun eine zusätzliche Ebene der Parallelität
eingeführt, die dieses Hemmnis beseitigt. Die neue, hybride Parallelisierung erlaubt es etw a auf dem
Hochleistungsrechner
der
Max-Planck-Gesellschaft,
jedem
MPI-Prozess
bis
zu
16
Prozessorkerne
beziehungsw eise OpenMP-Threads zuzuw eisen. Insgesamt w ird damit – bei gegebener Problemgröße –
bereits eine Beschleunigung des Codes um mehr als einen Faktor zehn erreicht. Zudem konnte demonstriert
w erden, dass das hybride Parallelisierungskonzept die erw arteten Vorteile bei der MPI-Kommunikation bringt.
Der zu einer globalen Matrixtransposition verw endete, kollektive „MPI_alltoall“-Datenaustausch erfolgt nun
nur noch zw ischen ganzen Prozessoren und nicht mehr zw ischen allen beteiligten Prozessorkernen, w as die
Kommunikationszeiten deutlich reduziert. Auf dem Hochleistungsrechner der Max-Planck-Gesellschaft w erden
damit neue Anw endungen mit bis zur maximalen Zahl von 8.192 Prozessorkernen bei hoher paralleler Effizienz
möglich.
1.1.2 Neue Beschleuniger- beziehungsweise Coprozessorarchitekturen: NVidia GPU und Intel MIC (Xeon
Phi)
© 2013 Max-Planck-Gesellschaft
w w w .mpg.de
2/7
Jahrbuch 2012/2013 | Dohmen, Renate; Lederer, Hermann; Rampp, Markus; Reetz, Johannes; Reuter, Klaus;
Schott, Andreas | Hochleistungsrechnen, Datendienste und Visualisierung
Mit Grafikkarten (GPUs) und Coprozessoren, basierend auf Intels „Many Integrated Cores“-(MIC)-Architektur,
haben zw ei konzeptionell ähnliche, hochparallele
Prozessorarchitekturen Einzug ins
w issenschaftliche
Hochleistungsrechnen genommen und w erden w eltw eit bereits in vielen Großrechnern eingesetzt. Beiden
Technologien ist gemein, dass sie – im Vergleich zu konventionellen Mehrkernprozessoren (CPUs) – mit sehr
vielen, hinsichtlich
Taktfrequenz
und
Instruktionssatz
aber
reduzierten
Recheneinheiten
sehr
große
Rechenleistungen erzielen können, und das mit hoher Energieeffizienz. Um dieser Entw icklung Rechnung zu
tragen, w urden am RZG im Laufe des Jahres 2012 ausgew ählte HPC-Applikationen hinsichtlich ihrer Eignung
für solche Architekturen evaluiert. Für die in der Max-Planck-Gesellschaft entw ickelten Applikationen GENE
(Mikroturbulenz in magnetisierten Kernfusions- oder astrophysikalischen Plasmen, Max-Planck-Institut für
Plasmaphysik) und VERTEX (Typ-II-Supernova, Max-Planck-Institut für Astrophysik) beziehungsw eise MNDO
(Quantenchemie,
Max-Planck-Institut
für
Kohlenforschung)
konnten
auf
mit
jew eils
zw ei
GPUs
beziehungsw eise Intel-MIC-Coprozessoren ausgestatteten Rechenclustern bereits Beschleunigungsfaktoren
von etw a zw ei erreicht w erden.
1.1.3 Hoch-skalierbare Eigenwertlöser-Bibliothek ELPA
Im ELPA-Projekt w aren – vom BMBF gefördert – hochskalierende direkte Eigenlöser für symmetrische Matrizen
entw ickelt w orden. Die frei verfügbar gemachte Softw are w ird inzw ischen w eltw eit für verschiedenste
Simulationssoftw arepakete auf Supercomputern eingesetzt. Je nach w issenschaftlicher Problemstellung
kommen Matrizen ganz unterschiedlicher Größe und Art zum Einsatz. Bislang gab es nur Leistungsmessungen
für die Lösung bestimmter Matrizen und unter Einsatz von Rechensystemen, die inzw ischen nicht mehr zu den
allerneuesten Architekturen zählen. Deshalb w urde für einen großen Matrizenbereich ein multidimensionaler
Parameterraum zum ersten Mal systematisch vermessen (auf einem Intel-Sandy-Bridge-Cluster am RZG). Die
ELPA-Löser w urden mit entsprechenden Routinen aus der Intel Math Kernel Library (MKL) verglichen. Variiert
w urden die Matrizengrößen von 2.500 bis 100.000, die Zahl der zu berechnenden Eigenvektoren von 10 bis
100 Prozent, sow ohl für reelle, w ie für komplexe Fälle. Gemessen w urden Leistungen auf einem Rechenknoten
(mit 16 Prozessorkernen) bis zu 128 Knoten (mit 2.048 Prozessorkernen). In allen Fällen w ar ELPA den
entsprechenden
MKL-Routinen
deutlich
überlegen.
Die
umfangreiche
Studie
w urde
in
Form
einer
Posterpräsentation auf der Supercomputing-Konferenz 2012 in Salt Lake City vorgestellt und stieß auf reges
internationales Interesse.
1.2 Visualisierung wissenschaftlicher Daten
Das RZG betreibt für die Max-Planck-Gesellschaft und das Max-Planck-Institut für Plasmaphysik (IPP) eine
zentrale
Soft-
und
Hardw areinfrastruktur
zur
Visualisierung
und
quantitativen
Analyse
von
Simulationsdatensätzen. Unabhängig vom Typ, der Leistung und dem Standort seines PCs kann ein
W issenschaftler über das Internet Simulationsdaten, die auf den Großrechnern des RZG generiert w urden,
mithilfe der besonders leistungsfähigen Grafik-Hardw are des Clusters interaktiv analysieren. Das RZG
unterstützt
W issenschaftler
bei
der
Nutzung
dieser
Ressourcen
und
übernimmt
konkrete
Visualisierungsprojekte.
© 2013 Max-Planck-Gesellschaft
w w w .mpg.de
3/7
Jahrbuch 2012/2013 | Dohmen, Renate; Lederer, Hermann; Rampp, Markus; Reetz, Johannes; Reuter, Klaus;
Schott, Andreas | Hochleistungsrechnen, Datendienste und Visualisierung
A bb. 1: Einze lbild a us e ine r Anim a tion, we lche die Flugroute
e ine s Voge ls illustrie rt, zusa m m e n m it W indve rhä ltnisse n und
topogra fische n Da te n.
© Da te n: Ma x -P la nck -Institut für O rnithologie ; Visua lisie rung:
Kla us R e ute r, R ZG
Als aktuelles Beispiel sei hier ein gemeinsames Visualisierungsprojekt mit dem Max-Planck-Institut für
Ornithologie genannt. Die Abteilung „Tierw anderungen und Immunökologie“ (Martin W ikelski) erforscht die
Wanderungen und Überlebensstrategien von Individuen. Es w erden unter anderem Vogelzüge mithilfe von
GPS-Loggern aufgezeichnet. Die dadurch gew onnenen Daten w erden dann mit Geo-Daten korreliert. Am RZG
w urde zur Veranschaulichung der Methodik eine Animation erstellt. Sie zeigt zunächst eine Menge von Punkten
im 3D-Raum. Sie symbolisieren die einzelnen Messpunkte eines GPS-Loggers, der auf dem Rücken eines Vogels
angebracht w urde. Durch eine Verbindung dieser Punkte zeigt sich im Anschluss die Route des Vogels, danach
erscheint das Gitternetz einer Erdkugel, gefolgt von einer farblich codierten 3D-Topografie. Zuletzt w ird ein
durch Pfeile visualisiertes Strömungsfeld der W inde eingeblendet. Der zw eite Teil der Animation zeigt die
genannten Elemente gemeinsam im Zeitverlauf. Die Flugroute des Vogels erschließt sich dem Betrachter als
eine von den W indverhältnissen beeinflusste Reaktion auf die topographischen Gegebenheiten (Abb. 1).
2 Datendienste
Die Speicherung und Bereithaltung von komplexer und umfangreicher w erdenden Datenmengen stellt für alle
W issenschafts- und Forschungsorganisationen eine große Herausforderung dar. Zahlreiche Institute der MaxPlanck-Gesellschaft haben hohe Anforderungen im Datenbereich (Abb. 2), w as zunehmend auch die
Unterstützung durch die IT-Zentren der MPG erforderlich macht.
A bb. 2: Ma x -P la nck -Institute m it hohe n Anforde runge n im
Da te nm a na ge m e nt.
© 2013 Max-Planck-Gesellschaft
w w w .mpg.de
4/7
Jahrbuch 2012/2013 | Dohmen, Renate; Lederer, Hermann; Rampp, Markus; Reetz, Johannes; Reuter, Klaus;
Schott, Andreas | Hochleistungsrechnen, Datendienste und Visualisierung
Das RZG beteiligt sich daher am Aufbau und der Verbesserung der Datenservice-Infrastruktur innerhalb der
Max-Planck-Gesellschaft, beispielsw eise um die Replikation von Daten zw ischen Instituten und IT-Zentren für
die
Zw ecke
Datensicherung,
Langzeitarchivierung
und
verteilte
Verfügbarkeit
zu
vereinfachen.
Die
Bereitstellung von Forschungsdaten für die W issenschaftler der Max-Planck-Gesellschaft und ihre nationalen
und internationalen Kollaborationspartner steht dabei ebenso im Fokus w ie diverse Unterstützungsleistungen
bei Datenakquisition, ‑management, ‑suche, ‑ausw ertung und ‑aufbereitung. Daher arbeitet das RZG in
entsprechenden Projekten von Max-Planck-Instituten mit. Darüber hinaus engagiert es sich in nationalen und
europäischen Projekten und Initiativen, die auf die Lösung bestehender und zukünftiger Herausforderungen
hinarbeiten. Generell w erden die Dienste des RZG in drei Kategorien unterteilt: die Behandlung und
Speicherung von Daten in Form von Bitströmen, die Behandlung von Datenobjekten mitsamt Metadaten sow ie
die projektspezifische Unterstützung.
2.1 Datenspeicherung – Datensicherung und Langzeitarchivierung
Die Datensicherung und insbesondere die langfristige Speicherung von Daten erfolgt am RZG auf der Basis des
High Performance Storage System (HPSS), das sehr hohen Anforderungen hinsichtlich Speicherkapazität,
Verfügbarkeit, Zuverlässigkeit, I/O-Performanz und Skalierbarkeit genügt und deshalb w eltw eit von großen
Datenzentren eingesetzt w ird. Neu akquirierte Daten w erden zumindest als Replikate vornehmlich dort
abgelegt. Ältere Datenbestände w erden langfristig von anderen Speichermedien in dieses System überführt.
Zur Erhöhung der Datensicherheit bei Langzeitarchivierung w ird eine Kopie in das Archivsystem am LeibnizRechenzentrum abgelegt. Für die Übertragung in das HPSS stehen verschiedene Schnittstellen zur Verfügung.
Am häufigsten w ird derzeit die Möglichkeit genutzt, Dateien auf der Basis bestimmter Regeln transparent –
also vom Nutzer unbemerkt – und automatisch zw ischen dem auf Plattenspeichersystemen aufsetzenden
Dateisystem GPFS (Global Parallel Filesystem) und dem HPSS zu übertragen (Datenmigration, hierarchisches
Speichermanagement).
2.2 Datenmanagement – Daten und Metadaten
Die Behandlung von Daten und Metadaten erfordert im Allgemeinen die Zusammenarbeit mit den jew eiligen
Dateneignern beziehungsw eise Urhebern. Das RZG stellt allerdings Hilfsmittel bereit, die allgemein zur Ablage
und Organisation unterschiedlich strukturierter Daten (und Metadaten) genutzt w erden können. Im
Wesentlichen sind dies verteilte, zum Teil hierarchische Dateisysteme (GPFS, AFS) und Datenbanken. Das RZG
unterstützt auch die Entw icklung und den Betrieb von projektspezifischen Werkzeugen und Diensten für das
Management von Daten.
Neben den verteilten Dateisystemen w ird zunehmend die Softw are iRODS (integrated Rule-Oriented Data
System) zur Replikation und Verteilung von Daten – auch zw ischen HPSS und anderen Speichersystemen –
eingesetzt. iRODS ermöglich es, Datenobjekte automatisiert auf der Grundlage von Regeln zu verarbeiten
(replizieren, verteilen, aggregieren, prozessieren, kurieren). Letztlich sind damit komplexe Workflow s möglich,
da alle Daten einheitlich angesprochen w erden können. Ein w eiteres w ichtiges Anw endungsbeispiel ist die
automatische Zuordnung von Datenobjekten zu eindeutigen, persistenten Identifizierern (PID).
2.3 Nationale und internationale Datenprojekte mit Beteiligung des RZG
© 2013 Max-Planck-Gesellschaft
w w w .mpg.de
5/7
Jahrbuch 2012/2013 | Dohmen, Renate; Lederer, Hermann; Rampp, Markus; Reetz, Johannes; Reuter, Klaus;
Schott, Andreas | Hochleistungsrechnen, Datendienste und Visualisierung
In
dem
europäischen
Projekt
EUDAT
arbeiten
Datenzentren
w ie
das
RZG
und
das
Deutsche
Klimarechenzentrum (DKRZ) und w issenschaftliche Institute w ie das Max-Planck-Institut für Psycholinguistik
und das Max-Planck-Institut für Meteorologie zusammen, um eine europäische Dateninfrastruktur aufzubauen.
EUDAT beabsichtigt, die Organisation von Forschungsdaten und entsprechende Dienste in einer umfassenden,
disziplinübergreifenden
Weise
abzudecken.
Das
betrifft
unter
anderem
Klima-,
Erdbeben-
und
Umw eltforschung, Sprachw issenschaften sow ie biologische und medizinische Forschung. Auch hier w ird iRODS
zur Verw altung, Verarbeitung und Replikation von registrierten Daten verw endet, die über PIDs eindeutig und
dauerhaft identifizierbar gemacht w orden sind. Das RZG koordiniert den Aufbau des Betriebs der EUDATInfrastruktur und ist an der Bereitstellung von Datendiensten und der Weiterentw icklung benötigter Techniken
führend beteiligt.
Das RZG ist in w eitere Projekte mit ähnlichen Zielsetzungen involviert. Dies sind auf dem Gebiet der
Geistesw issenschaften die Projekte Clarin-D und DARIAH-DE des Bundesministeriums für Bildung und
Forschung (BMBF), die in die Planungen der ESFRI (European Strategic Forum on Research Infrastructures)
eingebunden sind. Mit dem EU-Projekt iCORDI sollen auf globaler Ebene Dateninfrastrukturen interoperabel
gemacht w erden, damit Daten für viele Disziplinen w eltw eit gleichartig zur Verfügung stehen. Der erleichterte
Austausch von Daten soll zudem die Vernetzung verschiedener w issenschaftlicher Disziplinen und dadurch
auch die w issenschaftliche Qualität der Forschung stärken.
2.4 MPG-Datenprojekte mit Beteiligung des RZG
Neben diesen Aktivitäten, die vornehmlich noch Aufbau und Entw icklung einer Infrastruktur für das
Datenmanagement
adressieren,
realisiert
Softw areentw icklungen. So w urde
das
RZG
mit
w eiteren
Instituten
datenprojektspezifische
mit dem Max-Planck-Institut für Astrophysik im Projekt Galformod
zusammengearbeitet. Zur w eiteren Ausw ertung der astrophysikalischen Simulationsdaten w erden diese über
eine Datenbank auf Rechnern zur Verfügung gestellt, die den Nutzern komplexe Workflow s zur Datenanalyse
erlauben.
Zusammen mit dem Max-Planck-Institut für Ornithologie bietet das RZG verschiedene Dienste an. Für das
Institut in Radolfzell w ird eine Umgebung von Rechnern bereitgestellt, die Daten zur Dokumentation des
Vogelflugs beziehungsw eise von Tierbew egungen allgemein öffentlich verfügbar macht (movebank.org). Für
das Institut in Seew iesen, an dem eine große Anzahl von Aufzeichnungen von Vogelstimmen vorliegt, w ird
gemeinsam eine Schnittstelle erarbeitet, mit der diese Daten leichter verw altet w erden können. Darüber
hinaus w ird das RZG auch eine zw eite Kopie dieser Daten archivieren.
3 Projektbeteiligungen auf MPG-, nationaler und internationaler Ebene
Über die bereits vorgestellten Projekte mit Schw erpunkt im Datenmanagement hinaus ist das RZG an
w eiteren, EDV-basierten Projekten beteiligt, die etw a die Erarbeitung und den Einsatz neuartiger Softw areTechniken oder die Inbetriebnahme umfangreicher Tools erfordern und vielfach eine Site-übergreifende
Infrastruktur zum Ziel haben. So betreibt das RZG zusammen mit dem Max-Planck-Institut für Physik, dem
Leibniz-Rechenzentrum (LRZ) und der Sektion Physik der LMU das Munich-Tier2-Gridzentrum für das Worldw ide
LHC Computing Grid (W LCG) des CERN. In diesem Projekt w ird gemeinsame Rechenleistung für die
Teilchenphysik-Experimente des CERN und die nötige Infrastruktur für den Zugriff auf die gemeinsamen
Datenbestände bereitgestellt, die von vielen Instituten und Tausenden von W issenschaftlern w eltw eit genutzt
w erden. Das RZG beteiligt sich auch am EU-Projekt PRACE (Partnership for Advanced Computing in Europe).
© 2013 Max-Planck-Gesellschaft
w w w .mpg.de
6/7
Jahrbuch 2012/2013 | Dohmen, Renate; Lederer, Hermann; Rampp, Markus; Reetz, Johannes; Reuter, Klaus;
Schott, Andreas | Hochleistungsrechnen, Datendienste und Visualisierung
Zusätzlich zu den neuen, dezidierten Tier-0-Systemen betreibt PRACE seit September 2011 die von früheren
EU-DEISA-Projekten
(ebenfalls
unter
Beteiligung
des
RZG)
aufgebaute
europäische
Tier-1-
Rechnerinfrastruktur, basierend auf nationalen HPC-Systemen. W issenschaftler der Max-Planck-Gesellschaft
beteiligten sich bereits rege an Projekten zur Nutzung der Tier-0- und Tier-1-Ressourcen von PRACE. Des
Weiteren ist das RZG an zw ei Projekten der Max-Planck-Gesellschaft beteiligt: MPG-AAI zum Aufbau einer MPGw eiten und föderalen Infrastruktur zur Zugriffskontrolle auf geschützte Web-Ressourcen sow ie maxNet, dem
internen sozialen Netzw erk der Max-Planck-Gesellschaft. Speziell für Bioinformatik-Anw endungen stellt das
RZG
eine
umfangreiche
Soft-
und
Hardw areinfrastruktur
zur
Verfügung
und
unterstützt
zahlreiche
Arbeitsgruppen aus der Max-Planck Gesellschaft (aktuell zum Beispiel das MPI für Biophysik, Frankfurt/Main;
das
MPI für Ornithologie, Außenstelle
Radolfzell; das
MPI für Biochemie, Martinsried; das
MPI für
Pflanzenzüchtungsforschung, Köln sow ie das MPI für terrestrische Mikrobiologie, Marburg).
© 2013 Max-Planck-Gesellschaft
w w w .mpg.de
7/7