超级计算机活动的实时、EDM风格化声学化

本文描述的项目探索了对来自超级计算机实时接收数据的信息性声学化。这些数据捕捉了计算机所有节点当前活动的活动，因此，其声学化作为持续监控节点行为及系统整体行为的形式。由于这种监控是理论上无限的，因此产生的声学化必须在持久的持续聆听中能够通过声音传递信息，既保持可理解性又保持吸引力。不 imposing预定义的音乐风格 onto 数据，而是寻求一种数据本身可能支持的风格。从一小组候选风格中，我们选择EDM，因为这是一系列类型，其结构和时间特征与持续的数据驱动过程和长期聆听相吻合。通过这种基于风格的方法，本研究在长期数据声学化传统基础上，独特地结合了三个元素：将监控(而非调试)作为主要目标、实时(而非事后)数据解释以及生成几乎无限且在风格上连贯(而非不协调)的音乐。