Subir material

Suba sus trabajos a SEDICI, para mejorar notoriamente su visibilidad e impacto

 

Mostrar el registro sencillo del ítem

dc.date.accessioned 2018-08-06T16:26:03Z
dc.date.available 2018-08-06T16:26:03Z
dc.date.issued 2018
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/68229
dc.description.abstract La línea presentada en este trabajo tiene como eje central las arquitecturas paralelas para Cómputo de Altas Prestaciones, con los siguientes objetivos: - Caracterizar las arquitecturas multiprocesador orientadas a computación de alto desempeño, analizando técnicas para el desarrollo de código eficiente sobre las mismas y métricas de rendimiento computacional y energético. Principalmente teniendo en cuenta aquellas arquitecturas que son combinaciones de cluster, multicores, aceleradores (GPUs, FPGAs, Xheon Phi), placas de bajo costo (Raspberry PI, Odroid). - Estudiar la conformación de clusters y clouds a partir de configuraciones homogéneas e híbridas de multiprocesadores. Y analizar la performance de aplicaciones sobre los mismos, considerando eficiencia computacional/energética y escalabilidad, así como la tolerancia a fallos. - Analizar y desarrollar software de base para estas arquitecturas con el objetivo de optimizar del rendimiento y consumo energético en aplicaciones de propósito general. - Estudiar clases de aplicaciones inteligentes en tiempo real, en particular el trabajo colaborativo de robots conectados a un cloud y procesamiento de Big Data. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Computación de Alto Desempeño, Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real. es
dc.format.extent 935-940 es
dc.language es es
dc.subject sistemas paralelos es
dc.subject Fault tolerance es
dc.subject multicore es
dc.subject Scheduling es
dc.subject GPU es
dc.subject FPGAs es
dc.subject cloud computing en
dc.subject cluster híbridos en
dc.subject eficiencia energética es
dc.subject cloud robotics en
dc.subject big data en
dc.title Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicaciones es
dc.type Objeto de conferencia es
sedici.identifier.isbn 978-987-3619-27-4 es
sedici.creator.person De Giusti, Armando Eduardo es
sedici.creator.person Tinetti, Fernando Gustavo es
sedici.creator.person Naiouf, Marcelo es
sedici.creator.person Chichizola, Franco es
sedici.creator.person De Giusti, Laura Cristina es
sedici.creator.person Villagarcía Wanza, Horacio A. es
sedici.creator.person Montezanti, Diego Miguel es
sedici.creator.person Encinas, Diego es
sedici.creator.person Pousa, Adrián es
sedici.creator.person Rodriguez, Ismael Pablo es
sedici.creator.person Rodriguez Eguren, Sebastián es
sedici.creator.person Iglesias, Luciano es
sedici.creator.person Paniego, Juan Manuel es
sedici.creator.person Pi Puig, Martín es
sedici.creator.person Libutti, Leandro es
sedici.creator.person Dell’Oso, Matías es
sedici.creator.person Méndez, Mariano es
sedici.description.note Eje: Procesamiento Distribuido y Paralelo. es
sedici.subject.materias Ciencias Informáticas es
sedici.description.fulltext true es
mods.originInfo.place Red de Universidades con Carreras en Informática es
sedici.subtype Objeto de conferencia es
sedici.rights.license Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
sedici.rights.uri http://creativecommons.org/licenses/by-nc-sa/4.0/
sedici.date.exposure 2018-04
sedici.relation.event XX Workshop de Investigadores en Ciencias de la Computación (WICC 2018, Universidad Nacional del Nordeste). es
sedici.description.peerReview peer-review es
sedici.relation.isRelatedWith http://sedici.unlp.edu.ar/handle/10915/67063 es


Descargar archivos

Este ítem aparece en la(s) siguiente(s) colección(ones)

Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) Excepto donde se diga explícitamente, este item se publica bajo la siguiente licencia Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)