Implementación Multi-GPU de algoritmos de análisis de metilación del ADN
En la actualidad, las unidades de procesamiento gráfico (GPU) han experimentado un crecimiento en su aplicación, traspasando su función original dedicada a la aceleración de gráficos y juegos convirtiéndose en herramientas esenciales en la investigación científica. En este aspecto, el grupo de Grupo...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universidad de Cantabria (UC) |
| Repositorio: | UCrea Repositorio Abierto de la Universidad de Cantabria |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unican.es:10902/30808 |
| Acceso en línea: | https://hdl.handle.net/10902/30808 |
| Access Level: | acceso abierto |
| Palabra clave: | Multi-GPU Transformada Wavelet Discreta HPG_DHunter EngineCL Discrete Wavelet Transform |
| Sumario: | En la actualidad, las unidades de procesamiento gráfico (GPU) han experimentado un crecimiento en su aplicación, traspasando su función original dedicada a la aceleración de gráficos y juegos convirtiéndose en herramientas esenciales en la investigación científica. En este aspecto, el grupo de Grupo de Redes y Entornos Virtuales (GREV) de la Universidad de Valencia conocido como desarrollo la aplicación HPG_DHunter dedicada a la detección de Regiones de Metilación Diferencial. Para poder realizar esto, el software cuenta con una implementación de la Transformada Wavelet Discreta (DWT) que se ejecuta sobre CUDA. Este proyecto se centra en la implementación de DWT sobre múltiples GPUs a través de una herramienta llamada EngineCL. Esta implementación se lleva a cabo utilizando EngineCL, una herramienta desarrollada por el grupo de Arquitectura y Tecnología de Computadores (ATC) de la Universidad de Cantabria, que permite la utilización eficiente de múltiples GPUs para ejecutar un solo kernel mediante el uso del lenguaje OpenCL. Una vez todos los desarrollos estén finalizados se realizarán una series de pruebas sobre la aplicación. Posteriormente se llevará un análisis sobre los resultados obtenidos para comprobar que configuración del sistema ofrece un mayor rendimiento usando desde una a varias GPUs y encontrar beneficios sobre la implementación inicial. El análisis que se va a realizar tendrá en cuenta el tiempo de comunicación que existe con las GPUs, el tiempo de ejecución de las GPUs, la memoria del sistema y el tiempo total de la aplicación. |
|---|