Aumentando eficiência de paralelismo de tarefas em clusters de GPUs para aplicações científicas

• Processo: 20/08475-1
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de agosto de 2020
• Data de Término da vigência: 29 de fevereiro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Guido Costa Souza de Araújo
• Beneficiário: Gustavo Leite
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 13/08293-7 - CECC - Centro de Engenharia e Ciências Computacionais, AP.CEPID
• Assunto(s): Computação de alto desempenho Computação em cluster Unidade de processamento gráfico Paralelismo Linguagem de programação
• Palavra(s)-Chave do Pesquisador: gpu cluster | High-Performance Computing | hpccs | OpenMP | task-parallelism | Computação de Alto Desempenho

Resumo

O paradigma de programação baseado em tarefas é mais robusto que sua alternativa baseada em dados pois permite que o programador se expresse com maior liberdade. No entanto, a utilização do paradigma de tarefas incorre novos desafios, por exemplo, generenciamento de dependências entre tarefas, sincronização e escalonamento. Por este motivo, neste trabalho nós visamos identificar, caracterizar e otimizar os gargalos presentes na implementação do OpenMP presente na infraestrutura de compiladores LLVM. Além disso, nós iremos usar a aplicação científica HPCCS da área de dinâmica molecular para guiar nosso estudo. Finalmente, nós pretendemos testar o HPCCS usando a nossa solução em um cluster de GPUs de maneira que a execução possa ser feita da maneira mais eficiente possível ao mesmo tempo que a aplicação original necessite do mínimo de modificações. (AU)