Optimización de cómputo paralelo científico en un entorno híbrido Multicore - MultiGPU

Es creciente el número de algoritmos de cómputo científico que corren con mayor eficiencia en las placas procesadoras de video (GPGPU - General Programming Graphics Processors Units) que en los propios procesadores multicore de nuestros días. Sin embargo, la capacidad de memoria de estos dispositivo...

Descripción completa

Detalles Bibliográficos
Autor principal: Wolfmann, Aaron Gustavo Horacio
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2012
Materias:
Ciencias Informáticas
procesamiento paralelo
Multiprocessing/multiprogramming/multitasking
cómputo científicos
Graphics processors
Software science
procesamiento híbrido multicore/GPGPU
GPGPUs
Parallel processing
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/19393
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-19393
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
procesamiento paralelo
Multiprocessing/multiprogramming/multitasking
cómputo científicos
Graphics processors
Software science
procesamiento híbrido multicore/GPGPU
GPGPUs
Parallel processing
spellingShingle Ciencias Informáticas
procesamiento paralelo
Multiprocessing/multiprogramming/multitasking
cómputo científicos
Graphics processors
Software science
procesamiento híbrido multicore/GPGPU
GPGPUs
Parallel processing
Wolfmann, Aaron Gustavo Horacio
Optimización de cómputo paralelo científico en un entorno híbrido Multicore - MultiGPU
topic_facet Ciencias Informáticas
procesamiento paralelo
Multiprocessing/multiprogramming/multitasking
cómputo científicos
Graphics processors
Software science
procesamiento híbrido multicore/GPGPU
GPGPUs
Parallel processing
description Es creciente el número de algoritmos de cómputo científico que corren con mayor eficiencia en las placas procesadoras de video (GPGPU - General Programming Graphics Processors Units) que en los propios procesadores multicore de nuestros días. Sin embargo, la capacidad de memoria de estos dispositivos es cerca de un orden de magnitud inferior a las computadoras equipadas con multiprocesadores simétricos (SMP - Symmetric Multiprocessors). Por ello, para problemas cuyos datos requieren más memoria que la disponible en una placa GPGPU, los datos deben procesarse parcialmente en la placa, y además, planificarse el avance global del procesamiento. Frente a la existencia de múltiples cores y uno o más GPGPU(s) en el SMP, se investiga el uso optimizado de ambos recursos de procesamiento en forma conjunta, enfocándonos en problemas de cómputo científico cuyo requerimiento de memoria esté en el rango de la memoria del dispositivo gráfico y la del computador. Este problema es típico del procesamiento paralelo, por cuanto una adecuada división de datos y tareas es fundamental para obtener un resultado acorde a los recursos utilizados. En este trabajo se presentan líneas de investigación al respecto, como así también, algunos resultados preliminares.
format Objeto de conferencia
Objeto de conferencia
author Wolfmann, Aaron Gustavo Horacio
author_facet Wolfmann, Aaron Gustavo Horacio
author_sort Wolfmann, Aaron Gustavo Horacio
title Optimización de cómputo paralelo científico en un entorno híbrido Multicore - MultiGPU
title_short Optimización de cómputo paralelo científico en un entorno híbrido Multicore - MultiGPU
title_full Optimización de cómputo paralelo científico en un entorno híbrido Multicore - MultiGPU
title_fullStr Optimización de cómputo paralelo científico en un entorno híbrido Multicore - MultiGPU
title_full_unstemmed Optimización de cómputo paralelo científico en un entorno híbrido Multicore - MultiGPU
title_sort optimización de cómputo paralelo científico en un entorno híbrido multicore - multigpu
publishDate 2012
url http://sedici.unlp.edu.ar/handle/10915/19393
work_keys_str_mv AT wolfmannaarongustavohoracio optimizaciondecomputoparalelocientificoenunentornohibridomulticoremultigpu
bdutipo_str Repositorios
_version_ 1764820464345022465

Ejemplares similares