El grupo de investigación HEMCUVE, formado por científicos de la Universidad de Extremadura (Uex) y de la Universidad de Vigo, junto con el Centro Extremeño de Investigación, Innovación Tecnológica y Supercomputación (CénitS) han resuelto "el problema electromagnético más grande jamás analizado en el supercomputador extremeño Lusitania ". En concreto, se ha resuelto un problema con 620 millones de incógnitas para modelar el comportamiento electromagnético de un automóvil a frecuencias de 79GHz de forma rigurosa.

Esta nueva marca supera el anterior récord de 500 millones de incógnitas que poseía el mismo grupo en el supercomputador Finis Terrae el CESGA, según confirmó ayer la Junta. Triplica, así, el máximo problema que otros científicos han conseguido resolver, en concreto del grupo BILCEM liderado por Levent Gürel.

Para la consecución de este hito se han utilizado los 256 núcleos de procesamiento de Lusitania y 1.6TB de memoria RAM, y un total de 20 horas de uso del supercomputador.

Los datos del análisis realizado servirán de base para el diseño de los nuevos sistemas de seguridad automovilística, tanto de sistemas anticolisión como sistemas de guiado o sistemas radar, para los que la Unión Europea ha asignado la banda de 79GHz.

El equipo HEMCUVE, ha sido galardonado este año con los premios internacionales PRACE e Itanium Innovation por su contribución al electrognetismo en la esfera de la supercomputación. El grupo está liderado por los profesores José Manuel Taboada y Luis Landesa en la Uex y por Fernando Obelleiro y José Luis Rodríguez, de Vigo.

Esta supercomputadora extremeña fue presentada en sociedad el pasado 3 de marzo en el Centro de Cirugía de Mínima Invasión de Cáceres. Tiene la mayor memoria compartida de España, equivalente a 2.000 ordenadores, y la Junta y HP, que son sus impulsores, pretenden que con ella Extremadura se sitúe como referente nacional por su capacidad de cálculo. Junto a aplicaciones, como las automovilísticas antes citadas, el Gobierno extremeño asegura que este gran ordenador puede ayudar en programas sanitarios de detección precoz de tumores o para predecir cómo actuarán determinados medicamentos.