S’utilitzen tècniques d’aprenentatge automàtic per modelar i optimitzar el rendiment d’aplicacions paral·leles basades en agents. Inclou equilibrat de càrrega, ajust de rendiment i benchmarking.
High Performance Computing Applications for Science and Engineering (HPCA4SE)
Anna Sikora, Eduardo César
Models de rendiment mitjançant tècniques d’aprenentatge automàtic (ML). Estudi de caracterització de regions paral·leles OpenMP mitjançant comptadors de maquinari. Desenvolupament de tècniques d’ajust per a aplicacions de modelatge basat en agents (ABM) en paral·lel. Optimització de la distribució dels agents segons la seva càrrega computacional i patrons de comunicació. Benchmark per avaluar plataformes de desenvolupament basades en agents.
El procés d’optimització del programari sovint és percebut pels desenvolupadors com a complex, feixuc i costós en temps, especialment quan es vol aprofitar tot el potencial dels recursos HPC. Calen noves eines i la integració de tècniques com l’aprenentatge automàtic per donar suport a aquestes tasques. Des del punt de vista de l’ajust del rendiment i el consum energètic, continua sent un repte definir i implementar metodologies que aprofitin els recursos disponibles, superant la complexitat derivada de la seva heterogeneïtat. També estudiem i desenvolupem metodologies escalables i eficients, capaces d’adaptar-se de manera autònoma i intel·ligent a la complexitat de les aplicacions i del maquinari.
Eines i models per al modelatge i l’optimització del rendiment d’aplicacions a gran escala basades en agents
Biomedicina, enginyeria, finances
Aplicacions basades en agents
TRL: N/A
CRL: N/A
BRL: N/A
IPRL: N/A
TmRL: N/A
FRL: N/A
Si vols saber més sobre aquest projecte no dubtis en contactar amb nosaltres
