Políticas de Solicitud y Asignación de Recursos del Cluster de Inteligencia Artificial

1. Introducción y Marco General

1.1 Propósito

El presente documento tiene como finalidad establecer los procedimientos, criterios de elegibilidad y normativas para la solicitud, evaluación y asignación justa y eficiente de los recursos computacionales de alto rendimiento (GPU, CPU, RAM, Almacenamiento) que componen el Cluster de Inteligencia Artificial de CENIA. Esto asegura la maximización del retorno de inversión del hardware y el soporte prioritario a la investigación estratégica.

1.2 Alcance

Esta política es de cumplimiento obligatorio para todo el personal investigador de CENIA (Investigadores Principales, Postdoctorados, Estudiantes de Doctorado) y colaboradores externos formalmente asociados a proyectos de CENIA, que requieran el uso de recursos computacionales del Cluster.

2. Definiciones Clave

Término	Definición
Cluster de IA	Conjunto de nodos interconectados de alto rendimiento gestionados por CENIA para tareas de IA/HPC.
Nodo (Node)	Una máquina física dentro del Cluster, que contiene un conjunto específico de recursos (ej. 8×A100, 512 GB RAM).
Job / Tarea	Unidad de trabajo computacional definida y enviada al sistema de cola (scheduler) para su ejecución en el Cluster.
Utilización de GPU (Utilization)	Porcentaje de tiempo que la unidad de procesamiento gráfico está activamente realizando cálculos. Es un indicador clave de eficiencia.
Tiempo Continuo	El periodo de tiempo ininterrumpido requerido para la ejecución de una Tarea.
Full Fine-Tuning (Full FT)	Entrenamiento de todos los parámetros de un modelo, lo cual requiere alta capacidad de VRAM y tiempo.
PEFT	Parameter-Efficient Fine-Tuning (ej. LoRA). Métodos que modifican solo un subconjunto de parámetros, consumiendo menos recursos que Full FT.

3. Responsabilidades

3.1 Equipo Solicitante

Es responsabilidad del Investigador Principal:

Completar el Formulario F-SRCIA-001 de manera veraz, precisa y completa.
Asegurar que el código y el job estén optimizados antes de la solicitud (pruebas locales, Pruebas de Concepto (PoC)).
Monitorear activamente su job una vez asignado y asegurar su terminación o liberación una vez finalizado el proceso.
Monitorear el uso de recursos.
Solicitar hardware ajustado a los requerimientos para evitar la subutilización.
Notificar formalmente al equipo del Cluster inmediatamente después de finalizar su uso de los recursos, con el fin de liberar el hardware para otros investigadores.

3.2 Equipo Sysadmin (Administración del Cluster)

Es responsabilidad del Equipo Sysadmin:

Evaluar la viabilidad técnica y la Prioridad de cada solicitud.
Asignar el Nodo específico y el tiempo en el sistema de cola.
Garantizar la estabilidad y disponibilidad del hardware.
Monitorear el uso de los recursos y aplicar las normas de suspensión por subutilización.

4. Justificación Técnica Requerida

4.1 Requisitos de Hardware (GPU/VRAM)

El solicitante debe especificar el Número de Unidades GPU, el Modelo Exacto (ej. A100, A40) y la Memoria VRAM Mínima requerida para el job. Esta especificación debe ser críticamente justificada.

Ejemplo de Justificación Válida: "Se requieren 8 ×A100 40GB para acomodar un batch size de 128 utilizando Full FT del modelo LLaMA-70B, lo cual no es posible con tarjetas de 24GB debido a limitaciones de memoria de gradientes."

4.2 Justificación de Método

Si el método solicitado (ej. Full Fine-Tuning) consume significativamente más recursos que un método alternativo (PEFT), el solicitante debe adjuntar evidencia científica o técnica que demuestre que la alternativa ya ha sido agotada o que introduce limitaciones insuperables.

Cita de Ejemplo: "Hemos agotado las optimizaciones con LoRA y requerimos el Full FT debido a la evidencia de 'intruder dimensions' que limitan el rendimiento máximo alcanzable, según literatura reciente (Nature 2024)."

5. Proceso de Asignación del Sysadmin

El Equipo Sysadmin seguirá estos pasos internos para la asignación:

Recepción y Validación: Revisar el Formulario F-SRCIA-001 y clasificar la Prioridad (P1, P2 o P3).
Reunión de coordinación
Mapeo de Hardware: Identificar un Nodo Específico dentro del Cluster (ej. NODO-ALPHA-03 o NODO-BETA-05) cuyas especificaciones (GPU,RAM) cumplan o superen los requisitos del proyecto.
Posible periodo de prueba
Programación de Job: El job será ingresado al sistema de cola (scheduler) con el Tiempo Continuo máximo solicitado. Si hay conflicto de tiempo, se aplicará el criterio de Prioridad y Flexibilidad.

6. Normas de Ejecución (Timing y Extensión)

6.1 Límite de Tiempo Continuo

La ejecución del job asignado estará estrictamente limitada al Tiempo Continuo aprobado. El scheduler detendrá automáticamente la tarea al alcanzar este límite.

6.2 Solicitud de Extensión

Toda solicitud de extensión debe presentarse al Equipo Sysadmin con un mínimo de 24 horas de antelación al vencimiento del job. La solicitud debe incluir una justificación técnica precisa del tiempo adicional requerido. Las extensiones están sujetas a la disponibilidad del Nodo y no tienen garantía de aprobación inmediata.

7. Monitoreo y Subutilización

7.1 Monitoreo Obligatorio

Todos los jobs en ejecución serán monitoreados activamente por el Equipo Sysadmin para asegurar la estabilidad y el uso eficiente de los recursos.

7.2 Advertencias por Subutilización

Se define la Subutilización como el uso promedio de GPU Utilization < 10% en el nodo asignado, mantenido de forma continua por un periodo superior a 4 horas.

Si se detecta Subutilización, el Sysadmin emitirá una advertencia.
Si el uso no se corrige en las siguientes 2 horas, el job será pausado o terminado sin derecho a reasignación inmediata.

8. Flexibilidad y Ventanas de Mantenimiento

8.1 Prioridad por Flexibilidad

Los proyectos que indiquen alta flexibilidad horaria (disponibilidad para ejecutar en horarios nocturnos, fines de semana, o días feriados) serán priorizados en la cola de asignación para optimizar el uso del Cluster fuera del horario laboral (09:00 - 18:00 hrs).

8.2 Mantenimiento Planificado

El Equipo Sysadmin se reserva el derecho de programar ventanas de mantenimiento planificado con 48 horas de aviso. Todos los jobs deben ser detenidos o migrados por el equipo solicitante antes de este periodo para evitar la corrupción de datos o checkpoints.