Modelos de programação e algoritmos para a execução eficiente de aplicações paralelas em aglomerados heterogêneos

• Processo: 13/26644-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Vigência: 01 de abril de 2014 - 31 de março de 2016
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Raphael Yokoingawa de Camargo
• Beneficiário: Raphael Yokoingawa de Camargo
• Instituição Sede: Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Pesquisadores associados: Alfredo Goldman vel Lejbman ; Daniel de Angelis Cordeiro ; David Corrêa Martins Junior ; Luiz Carlos da Silva Rozante ; Siang Wun Song
• Assunto(s): Redes neurais (computação) Computação heterogênea Unidade central de processamento Biologia computacional Algoritmos Regulação da expressão gênica
• Palavra(s)-Chave do Pesquisador: Computação Heterogênea | Cuda | Gpgpu | Redes de regulação gênica | Redes neurais | Computação heterogênea

Resumo

Com o advento de diferentes classes de aceleradores, como as GPUs (Graphical Processing Units) e os Intel MICs (Many Integrated Cores), aglomerados heterogêneos, formados por diferentes tipos de aceleradores e processadores, se tornaram realidade. Estes aglomerados podem ser dedicados ou simplesmente um conjunto de estações de trabalho, distribuídas em diferentes laboratórios e que ficam ociosas durante a maior parte do tempo. As diferenças arquiteturais entre processadores e os diversos tipos de aceleradores tornam difícil o desenvolvimento de aplicações que utilizem estes aglomerados de modo eficiente. A proposta deste projeto consiste em avaliar modelos de programação que facilitem o desenvolvimento e a previsão do desempenho de aplicações para aglomerados heterogêneos. Também será desenvolvido um mecanismo de distribuição dinâmica de carga para estes aglomerados, que serão implementados em uma biblioteca já existente. O objetivo é facilitar tanto a implementação quanto a execução de aplicações para estes aglomerados. Na área de aplicações, serão desenvolvidos algoritmos de bioinformática para a inferência de redes de regulação gênica (Gene Regulatory Networks - GRNs), onde é preciso avaliar um vasto número de combinações de genes candidatos a preditores. Na área de neurociência computacional, será implementado o suporte a aceleradores em simuladores neuronais, como o MOOSE, de modo a permitir a simulação de redes neuronais compostas por milhares de neurônios. Para tal, serão desenvolvidos algoritmos para a solução eficiente de conjuntos de sistemas lineares, que são a base para a simulação de neurônios. Para ambas as áreas, o foco dos esforços será o suporte à execução eficiente em aglomerados heterogêneos. (AU)

Publicações científicas

(7)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

CARASTAN-SANTOS, DANILO; MARTINS-, JR., DAVID C.; SONG, SIANG W.; ROZANTE, LUIZ C. S.; DE CAMARGO, RAPHAEL Y.. A hybrid CPU-GPU-MIC algorithm for minimal hitting set enumeration. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 31, n. 18, SI, SEP 25 2019. (15/01587-0, 13/26644-1, 14/50937-1, 15/24485-9)

CARASTAN-SANTOS, DANILO; DE CAMARGO, RAPHAEL Y.; MARTINS, JR., DAVID C.; SONG, SIANG W.; ROZANTE, LUIZ C. S.. Finding exact hitting set solutions for systems biology applications using heterogeneous GPU clusters. FUTURE GENERATION COMPUTER SYSTEMS-THE INTERNATIONAL JOURNAL OF ESCIENCE, v. 67, p. 418-429, FEB 2017. (13/26644-1)

CARASTAN-SANTOS, DANILO; MARTINS-, DAVID C., JR.; SONG, SIANG W.; ROZANTE, LUIZ C. S.; DE CAMARGO, RAPHAEL Y.. A hybrid CPU-GPU-MIC algorithm for minimal hitting set enumeration. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 31, n. 18, p. 12-pg., 2019-09-25. (14/50937-1, 13/26644-1, 15/24485-9, 15/01587-0)

CARASTAN-SANTOS, DANILO; DE CAMARGO, RAPHAEL Y.; ASSOC COMP MACHINERY. Obtaining Dynamic Scheduling Policies with Simulation and Machine Learning. SC'17: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE FOR HIGH PERFORMANCE COMPUTING, NETWORKING, STORAGE AND ANALYSIS, v. N/A, p. 13-pg., 2017-01-01. (13/26644-1)

SANT'ANA, LUIS; CORDEIRO, DANIEL; DE CAMARGO, RAPHAEL Y.; YAHYAPOUR, R. PLB-HAC: Dynamic Load-Balancing for Heterogeneous Accelerator Clusters. EURO-PAR 2019: PARALLEL PROCESSING, v. 11725, p. 13-pg., 2019-01-01. (14/50937-1, 13/26644-1, 15/24485-9)

SANT'ANA, LUIS; DE CAMARGO, RAPHAEL; CARASTAN-SANTOS, DANILO; CORDEIRO, DANIEL; IEEE. Real-Time Scheduling Policy Selection from Queue and Machine States. 2019 19TH IEEE/ACM INTERNATIONAL SYMPOSIUM ON CLUSTER, CLOUD AND GRID COMPUTING (CCGRID), v. N/A, p. 10-pg., 2019-01-01. (13/26644-1)

SANT'ANA, LUIS FELIPE; CARASTAN-SANTOS, DANILO; CORDEIRO, DANIEL; DE CAMARGO, RAPHAEL Y.; BIANCHINI, CD; DESOUZA, PSL; DEBARROS, COF; FERREIRA, RAC. Analysis of Potential Online Scheduling Improvements by Real-Time Strategy Selection. 2018 SYMPOSIUM ON HIGH PERFORMANCE COMPUTING SYSTEMS (WSCAD 2018), v. N/A, p. 7-pg., 2018-01-01. (13/26644-1)