Search

Orientador: Luiz Otávio Saraiva Ferreira Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica Resumo: Os avanços na tecnologia das GPUs, tanto em hardware quanto em ferramentas de programação, tornaram-nas uma opção viável como processadores de uso geral, sendo adequadas para a realização de processamento paralelo com alta demanda de cálculos. Dentre os problemas que podem fazer uso das GPUs são as simulações que envolvem o fluxo de partículas como o Método dos Elementos Discretos (DEM). Assim, a proposta deste trabalho foi implementar em cluster de GPUs um simulador utilizando o Método dos Elementos Discretos. O simulador foi inicialmente validado para uma única GPU utilizando resultados experimentais disponíveis na literatura, onde foram possíveis obter resultados com erros menores do que 10%. Além disso, os tempos de processamento para uma única GPU foram comparados com outro simulador, também implementado em GPU, resultando em tempos de execução semelhantes aos reportados. Finalmente, o método foi expandido para o cluster de GPUs, utilizando uma abordagem híbrida (MPI + CUDA), e apresentou um ganho de desempenho adequado à medida que o número de GPUs foi aumentado Abstract: Advances in GPU technology, both in hardware and programming tools, have made them a viable option as general-purpose processors, suitable for performing parallel processing tasks with high computational demand. The Discrete Element Method (DEM) studies a class of problems that can make use of GPUs high computational power. Thus, the proposal of this work was to implement a simulator using the Discrete Element Method in a GPU cluster. The simulator was initially validated for a single GPU using experimental results available in the literature, where it was possible to obtain results with errors less than 10%. Also, processing times for a single GPU were compared with another simulator, also implemented in GPU, resulting in run times similar to those reported. Finally, the method was ported to the GPU cluster, using a hybrid approach (MPI + CUDA), and presented a suitable gain of performance as the number of GPUs was increased Mestrado Mecânica dos Sólidos e Projeto Mecânico Mestre em Engenharia Mecânica FAPESP 10/09717-7

Orientador: Wu Shin-Ting Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: Os avanços da arquitetura das GPUs e sua rápida evolução em direção a GPUs de propósito geral (GPGPU) tem feito com que uma série de aplicações adotem soluções de interoperabilidade entre GPGPU e computação gráfica, com o primeiro usado para cálculos pesados e o segundo para a renderização de modelos gráficos 3D em imagens de alta resolução em tempo interativo. APIs de GPGPU como CUDA, por exemplo, expõe explicitamente diversos recursos de hardware, tais como memória compartilhada e mecanismos de sincronização de threads. Isso é particularmente atraente para aplicações com acessos aleatórios (não-contíguos) à memória, pois permite que o desenvolvedor escreva código mais eficiente para gerenciamento desses acessos. Ao mesmo tempo, diversos trabalhos mostram que, para aplicações gráficas ou que demandam visualizações gráficas dos resultados, a implementação somente em OpenGL tem melhor desempenho que implementações com interoperabilidade entre CUDA e OpenGL. Nesta dissertação nós apresentamos uma comparação entre o uso de OpenGL e CUDA para acessos aleatórios à vizinhança de primeira ordem. Nós investigamos duas aplicações representativas desse problema: estimativa de tensores de curvatura e simulação de N-corpos. Em ambos os casos nós implementamos um mesmo algoritmo com uso das APIs CUDA e OpenGL. Conduzimos uma análise dos recursos de hardware expostos por cada API e a equivalência entre eles, inclusive através de usos não-gráficos do pipeline da OpenGL. Medições de desempenho são apresentadas para validar nossos resultados. Nós acreditamos que os resultados deste estudo provêem um melhor entendimento dos recursos gráficos necessários para diminuir a diferença de desempenho de OpenGL e CUDA, e abrem novas perspectivas para implementações somente em OpenGL das aplicações que requerem acessos pré-determinados e intensos à memória e renderização de gráficos 3D Abstract: Advances in GPU architecture and its rapidly evolving towards general purpose GPU (GPGPU) make a series of applications adopt a GPGPU and graphics computing interoperability approach in which the first is used for heavy computations and the second for 3D graphics rendering. GPGPU APIs, like CUDA, explicitly expose several hardware features, such as shared memory and thread synchronization mechanisms. This is particularly attractive to applications with random (non-coalesced) memory accesses, as it allows developers to write more efficient code for handling these accesses. At the same time, several studies show that, for graphics applications or programs that require graphical visualization of their results, an OpenGL implementation has better performance than implementations based on OpenGL and CUDA interoperation. In this dissertation we draw a comparison of the use of OpenGL and CUDA for random (noncoalesced) accesses to the 1-ring neighborhood of a vertex. We study two examples of this problem: curvature tensor estimation and N-body simulation. In both cases we implement the same algorithm with the CUDA and OpenGL APIs. We analyzed the hardware features exposed by each API and their equivalence, including non-graphics usage of the OpenGL pipeline. Comparative timing analysis is provided to validate our results. We believe that our study provides a better understanding of the graphics features that are useful for closing the performance gap between OpenGL and CUDA based implementations, and open new perspectives on implementing, solely with the OpenGL, graphics applications that require both intense but pre-specified memory access and 3D graphics rendering Mestrado Engenharia de Computação Mestre em Engenharia Elétrica

Orientador: Prof. Dr. Thales Souza Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia Elétrica, Santo André, 2018. Este trabalho apresenta um estudo de estabilidade estática de tensão que utiliza o fluxo de carga continuado para determinação das curvas PV. A determinação das curvas PV permite a obtenção da margem de estabilidade de tensão que consiste na determinação da quantidade de carga adicional, a partir de um ponto de operação, que causaria o colapso de tensão no sistema. Ademais, com o objetivo de verificar a influência na rede elétrica, o estudo proposto considera a inserção de centrais geradoras eólicas como representação de energia renovável e intermitente. Nesse sentido, de maneira a buscar uma otimização computacional e numérica do algoritmo utilizado para o processo de simulação, é empregada a computação paralela como uma ferramenta de otimização computacional de forma que possam ser executadas em diferentes unidades de processamento ao mesmo tempo, reduzindo o tempo total de execução. Para tanto, é apresentada uma metodologia de programação paralela em Unidades de Processamento Gráfico (GPU), utilizando a plataforma de programação CUDA, aplicada ao fluxo de carga continuado nos cálculos computacionais intensivos e a CPU, encarregada de comandar a sequência do algoritmo e executar cálculos menores. Assim, a partir das simulações propostas, é realizada uma comparação de desempenho e precisão entre utilizar ou não o processamento paralelo, com fim de otimizar os estudos de estabilidade requeridos no planejamento e operação do sistema elétrico. This work is focused in a study of static voltage stability that uses the Continuation Power Flow (CPF) to determine the PV curves. The determination of the PV curves allows obtaining the Voltage Stability Margin, which consists in determining the amount of additional load from an operation point that would cause the voltage collapse in the system. In addition, the proposed study considers the insertion of Wind Energy Conversion Systems (WECS) as a representation of renewable energy, with the objective of verifying its influence in the electric network. In doing so, to achieve a computational and numerical optimization of the algorithm used for the simulation process, parallel computing is used as a computational optimization tool, so that it can be executed in different processing units simultaneously, reducing the total execution time. In this way, a methodology of parallel programming in Graphics Processing Units (GPU) is presented using the platform of programming CUDA, applied to the Continuation Power Flow in the intensive computational calculations and the CPU, in charge for commanding the sequence of the algorithm and performing smaller calculations. Thus, from the proposed simulations, a comparison of performance and precision parallel processing and non-parallel processing is performed, in order to optimize the stability studies required in electrical system planning and operation.

Orientador: Hélio Pedrini Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação Resumo: Diversas áreas do conhecimento utilizam imagens volumétricas em seus processos de análise. Este tipo de imagem pode ser obtido a partir de diferentes técnicas de aquisição. Na medicina, por exemplo, as técnicas de tomografia computadorizada e ressonância magnética são amplamente empregadas na busca de anomalias em partes do corpo humano. A microtomografia é utilizada na área de análise de materiais em escala micrométrica. Há também a microtomografia a partir da fonte de luz síncrotron, que realiza a mesma tarefa da microtomografia convencional, entretanto, com resolução de imagem superior. Nos últimos anos, essas técnicas de aquisição evoluíram significativamente, aumentando a resolução das imagens e, consequentemente, o volume de dados gerados. Para visualizar tais dados, equipamentos com alto poder computacional são normalmente necessários, demandando recursos de processamento e capacidade de armazenamento. Este trabalho apresenta uma técnica para renderização volumétrica de grandes conjuntos de dados, cujos modelos não necessitam estar totalmente armazenados em memória principal, o que caracteriza uma abordagem out-of-core. A renderização dos volumes pode ser realizada em múltiplos níveis de detalhes. Vários conjuntos de dados são empregados na avaliação do método proposto Abstract: Several knowledge domains employ volumetric images in their analysis processes. This type of image can be obtained from different acquisition techniques. In medicine, for example, computed tomography and magnetic resonance imaging techniques are widely used in the search for anomalies in the human body. The microtomography is used in the field of material analysis on the micrometer scale. There is also the microtomography from the synchrotron light source, which performs the same task of conventional microtomography, however, with superior image resolution. In recent years, these acquisition techniques have evolved significantly, increasing the image resolution and hence the volume of data generated. To visualize such data, equipments with high computational power are normally required, demanding resources for processing and storage capacity. This work presents a technique for volumetric rendering of large data sets, whose models need not be fully stored in main memory, which characterizes an out-of-core approach. The volume rendering can be performed at multiple levels of detail. Several data sets are used to evaluate the proposed method Mestrado Ciência da Computação Mestre em Ciência da Computação CTI FAPESP CNPQ CAPES

Faculdade de Amparo à Ciência e Tecnologia do Estado de Pernambuco Existem diversos tipos de aplicações de redes de computadores que produzem diferentes perfis de tráfego. Para aperfeiçoar o desempenho destas aplicações ou da rede em que elas estão incluídas, é interessante fazer medições e caracterizações do tráfego gerado por elas. Nesse contexto, existem várias formas para classificação de tráfego como técnicas baseadas em portas, técnicas baseadas em inspeção de pacotes e técnicas baseadas em fluxos. De acordo com o cenário em que será aplicada, cada uma das técnicas apresenta vantagens e desvantagens. Adicionalmente, a classificação tem que lidar com restrições de tempo, sendo capaz de tratar os dados em tempo real. Um possível método a ser utilizado é a classificação de tráfego baseada em fluxos utilizando aprendizagem de máquina. No entanto, é notório que, quando se fala na classificação de fluxos usando aprendizagem de máquina, a caracterização de tráfego ainda necessita de uma abordagem que seja capaz de fornecer uma forma adaptativa de treinamento além de equilibrar precisão e desempenho em um cenário de fluxo contínuo de dados. Este trabalho apresenta um algoritmo voltado para classificação do tráfego baseado em técnicas de mineração de fluxos de dados aplicado a redes de alta velocidade, denominado GSDT (GPU-based Streaming Decision Tree), além de um arcabouço para sua aplicação. Esse algoritmo visa combinar a precisão das árvores de decisão tradicionais com as características da mineração de fluxos de dados. O GSDT também explora o potencial computacional fornecido por uma unidade de processamento gráfico. O arcabouço proposto alia treinamento e classificação, a fim de obter ganhos no desempenho da utilização do algoritmo em um ambiente real. Os experimentos realizados avaliam a precisão do GSDT em relação às técnicas tradicionais e o desempenho das abordagens propostas, demonstrando a viabilidade da aplicação do GSDT nos cenários considerados e a alta performance obtida através da unidade de processamento gráfico

Apesar dos avanços no campo de hardware gráfico, a memória destes dispositivos ainda é um recurso escasso para aplicações usuais. Além disso, para a maioria das aplicações baseadas em rasterização a largura de banda disponível no sistema é um importante fator limitante para o aumento da performance nesses sistemas. Compressão de Texturas tem como objetivo resolver ambos os problemas. Nós apresentamos uma nova técnica para compressão de texturas baseada em síntese de texturas a partir de amostras. A textura comprimida armazena a amostra mais alguns dados, coletados durante a síntese, permitindo a descompressão em tempo-real da textura em maior resolução. Com esse esquema nós somos capazes de alcançar taxas de compressão elevadas. Uma vez que a textura é sintetizada, nosso esquema comprime a textura em alta resolução sem perda de qualidade. Nossa solução explora um espectro de texturas onde algoritmos gerais de compressão de textura não alcançam taxas ótimas de compressão. Essas geralmente são texturas com padrões repetidos, regulares ou quase-regulares, as estocásticas, exatamente os tipos de texturas onde síntese de texturas tende a funcionar bem. Também apresentamos uma formulação analítica para nosso esquema de compressão que permite a computação exata das taxas de compressão alcançadas