Reprodução de Experimentos Computacionais na Infraestrutura de Computação em Nuvem

Workflows científicos são utilizados para modelar experimentos computacionais. Os resultados desses experimentos são publicados e compartilhados na forma de artigos apresentados nos veículos científicos. Entretanto, para que tais resultados sejam cientificamente válidos eles devem ser passíveis de reprodução. Pesquisadores têm a necessidade de compartilhar os artefatos utilizados para a geração dos resultados, dentre eles, os dados de entrada do workflow e os parâmetros utilizados no experimento. Entretanto, reproduzir um experimento baseado nestes artefatos não é uma tarefa trivial. Apesar de o workflow especificar o protocolo de execução com os artefatos disponíveis, nem sempre o ambiente de execução da reprodução pode ser compatível. Programas e bibliotecas que foram originalmente utilizados podem estar obsoletos e incompativeis. Esse cenário se torna ainda mais complexo quando tratamos de reproduções de longo prazo, como por exemplo, diversos anos após a execução que levou aos resultados publicados. Diante disto, esta tese propõe o desenvolvimento da abordagem ReproeScience para tratar a reprodução de experimentos modelados com workflows. São usadas as tecnologia de máquinas virtuais e computação em nuvem para auxiliar na reprodução do ambiente onde o experimento foi originalmente executado. O objetivo é preparar o ambiente de execução de forma que ele possa ser instanciado sob demanda e reproduzido em condições equivalentes na nuvem. Para mostrar a efetividade da abordagem foram executados dois estudos de caso com workflows da astronomia e bioinformática. Os resultados dos experimentos de ambos estudos de casos confirmaram a sua reprodução, e ainda mostraram algumas peculiaridades a serem tratadas para a concepção de mecanismos reprodução, bem como para a verificação e validação dos resultados.