De acordo com pt.wedoany.com-O Conselho de Regentes da Universidade da Califórnia aprovou formalmente a nomeação de Katherine Yelick como a nona diretora do Laboratório Nacional Lawrence Berkeley, com mandato a iniciar-se em 1º de julho. Yelick é uma figura emblemática na área de computação de alto desempenho dos EUA — é coinventora das linguagens Unified Parallel C (UPC) e Titanium, uma das principais impulsionadoras do programa de computação exascale, além de membro da Academia Nacional de Engenharia dos EUA e Fellow da ACM. Esta nomeação marca a primeira vez que um dos laboratórios nacionais mais antigos sob a alçada do Departamento de Energia dos EUA passa o bastão para uma cientista da computação.
Yelick é atualmente Vice-Reitora de Pesquisa da Universidade da Califórnia, Berkeley, e professora do Departamento de Engenharia Elétrica e Ciências da Computação, além de Cientista Sênior Docente no Laboratório de Berkeley. Ingressou no corpo docente de Berkeley em 1991 e, a partir de 1996, passou a atuar simultaneamente como cientista no Laboratório de Berkeley, construindo, ao longo das três décadas seguintes, uma dupla identidade que abrange a academia e o laboratório nacional.
As contribuições técnicas de Yelick na área de computação de alto desempenho concentram-se numa questão central: como tornar sistemas massivamente paralelos programáveis e de alto desempenho. As linguagens UPC e Titanium, que coinventou com a sua equipa, foram pioneiras no modelo de programação Partitioned Global Address Space (PGAS) — um modelo que oferece uma abstração de programação semelhante à memória partilhada em hardware de memória distribuída, permitindo que cientistas escrevam programas paralelos eficientes sem necessidade de dominar os detalhes da troca de mensagens. Ao rever este trabalho, Yelick salientou que uma perceção importante trazida pelas linguagens PGAS foi a vantagem de desempenho da comunicação unilateral: este modo está mais próximo das primitivas de hardware de baixo nível, permitindo uma sobreposição e encadeamento mais eficazes da comunicação e computação. Além disso, o projeto Sparsity, que liderou, desenvolveu a primeira biblioteca de kernels de ajuste automático para matrizes esparsas, e co-liderou o desenvolvimento do Optimized Sparse Kernel Interface (OSKI), que maximiza o desempenho de operações com matrizes esparsas em várias arquiteturas de hardware.
O percurso de gestão de Yelick no Laboratório de Berkeley abrange a mais central infraestrutura computacional do Gabinete de Ciência do Departamento de Energia dos EUA. De 2008 a 2012, foi Diretora do National Energy Research Scientific Computing Center (NERSC), responsável pela principal instalação de supercomputação do Gabinete de Ciência do DOE; de 2010 a 2019, ascendeu a Diretora Associada de Ciências Computacionais do Laboratório de Berkeley, supervisionando as três principais linhas de negócio: NERSC, Energy Sciences Network (ESnet) e a Divisão de Pesquisa Computacional, gerindo uma vasta matriz que abrange computação de alto desempenho, redes científicas de alta velocidade e pesquisa computacional avançada. Durante o seu mandato, liderou a aquisição e implementação do sistema de supercomputação NERSC-8, promoveu a atualização da rede backbone da ESnet e, em 2015, supervisionou a conclusão do Shyh Wang Hall, que alberga o NERSC e a ESnet, integrando a infraestrutura computacional e a rede de alta velocidade no mesmo espaço físico, estabelecendo assim as bases físicas e organizacionais para décadas de inovação científica no Laboratório de Berkeley.
A nível estratégico nacional, Yelick esteve profundamente envolvida no lançamento e execução do programa de Computação Exascale do Departamento de Energia dos EUA. Este programa, que decorreu entre 2016 e 2024, visava desenvolver aplicações-chave e pilhas de software capazes de utilizar eficientemente hardware de escala exascale. O projeto ExaBiome, que Yelick liderou durante este período, aplicou linguagens PGAS à análise de genomas microbianos, com o objetivo de resolver o gargalo computacional da montagem metagenómica à escala exascale. Este projeto demonstrou aplicações de ponta da computação de alto desempenho nas ciências da vida — acelerando vários tipos de investigação, desde a descoberta de novas enzimas até à identificação de alvos farmacológicos, através da montagem e análise paralela de sequências genéticas de vastas comunidades microbianas. A nível nacional, também assessorou o Departamento de Energia na formulação de estratégias de investigação em Inteligência Artificial e Big Data, desempenhando um papel de ponte na interseção entre computação científica e IA.
Yelick assume a liderança do Laboratório de Berkeley num momento em que o maior sistema de supercomputação da história do laboratório está prestes a ser instalado. O supercomputador de nova geração Doudna, batizado em homenagem à laureada com o Nobel Jennifer Doudna, deverá entrar em operação no final de 2026. Utilizando a plataforma Vera Rubin, desenvolvida conjuntamente pela Dell e NVIDIA, terá um desempenho mais de 10 vezes superior ao do atual supercomputador emblemático, Perlmutter, e servirá como base central de capacidade computacional para simulações de dinâmica molecular em larga escala, investigação em física de altas energias e treino e inferência de IA do Gabinete de Ciência do DOE. Com cerca de 4.000 funcionários, um orçamento anual de aproximadamente 1,4 mil milhões de dólares e um total acumulado de 17 laureados com o Nobel, o Laboratório de Berkeley é um núcleo central da investigação científica multidisciplinar de grande escala nos EUA. Como converter a vantagem computacional do Doudna em avanços científicos em múltiplas áreas será a principal questão de engenharia e estratégia que Yelick enfrentará ao assumir o cargo.
Yelick tem uma visão clara sobre a relação entre IA e computação científica. Numa palestra principal na conferência ISC 2024, salientou que, na tendência atual dos chips de IA enfraquecerem o desempenho de ponto flutuante de 64 bits, é necessário estar vigilante quanto ao risco de marginalização da capacidade aritmética de alta precisão — a computação de alta precisão é crucial para gerar dados científicos fiáveis, e estes dados constituem precisamente a base de conhecimento dos grandes modelos de linguagem. Ao abordar a transformação do paradigma de investigação científica na era da IA, explicou ainda que aplicar IA à ciência não é simplesmente usar modelos prontos, mas sim uma oportunidade para explorar se existem melhores formas de implementar IA — a informação evolutiva contida nos dados genómicos pode oferecer perspetivas diferentes dos modelos baseados em texto, enquanto as leis intrínsecas do mundo físico impõem restrições rigorosas à IA que vão muito além do ambiente da linguagem. Esta posição não é nem um otimismo cego em relação à IA, nem um apego rígido aos paradigmas computacionais tradicionais, mas sim a procura de um caminho de integração mais construtivo entre as duas forças.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
