Interfaccia uomo-macchina per visualizzazione, debugging ed editing di workflow HPC

In recent years, within the field of High-Performance Computing (HPC), computational notebooks have proven to be highly useful for managing workflows, as they allow different execution environments to be combined into a single interface, facilitating interactive analysis, monitoring, and task execution on distributed resources. Their aim is to simplify and speed up interactions, minimizing errors that may occur during the organization of workflows, which, with recent advancements in Deep Learning, are becoming increasingly complex to manage. This dissertation contributes to the field of interactivity by expanding the functionalities of the web-based JupyterLab environment through the development of a frontend extension aimed at improving the usability of custom Jupyter Notebooks, designed to manage and execute large-scale scientific applications.

Negli ultimi anni, in ambito High-Performance Computing (HPC), i computational notebooks si sono rivelati molto utili nella gestione dei workflow, poiché permettono di combinare diversi ambienti di esecuzione in un'unica interfaccia, facilitando l'analisi interattiva, il monitoraggio e l'esecuzione di task su risorse distribuite. Hanno l'obiettivo di semplificare e velocizzare le interazioni, riducendo al minimo gli errori che possono verificarsi durante l'organizzazione di flussi di lavoro, i quali, con i recenti sviluppi in ambito Deep Learning, stanno diventando sempre più complessi da gestire. Questa tesi fornisce un contributo nel campo dell'interattività, ampliando le funzionalità dell'ambiente web-based JupyterLab attraverso lo sviluppo di un'estensione frontend che mira a migliorare la fruizione di custom Jupyter Notebooks, ideati per gestire l'eseguire di applicazioni scientifiche su larga scala.