Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño

Autores
Díaz Acevedo, Karvin; Ponce de León, Alejo G.; Caymes Scutari, Paola Guadalupe; Bianchini, German
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La multiplicación se define dadas dos matrices A y B, se dicen multiplicables si el número de columnas de A coincide con el número de filas de B. En la nueva matriz C, los elementos Cij parten del producto que se obtiene multiplicando cada elemento de la fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos. Cabe destacar que a medida que aumenta el tamaño de las matrices el volumen de cómputo también aumenta considerablemente.Nuestro objetivo con ésta investigación es poder determinar la forma más eficiente para realizar multiplicaciones de matrices de gran volumen, cálculos que son de gran utilidad en diversas áreas con en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico, y actualmente también utilizada con frecuencia en el cálculo de microarrays, en el área de la bioinformática. Para este estudio comparativo, se propone desarrollar dos algoritmos: uno que aproveche la capacidad de cómputo de un cluster de computadoras parte del Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD) ubicado en la UTN-FRM, y otro algoritmo cuya ejecución sea secuencial. Una vez desarrollados, procederemos a realizar una serie de pruebas con matrices de distintos tamaños y con distinta cantidad de nodos.Para concluir, luego de obtenidos los resultados de tiempos de cálculo para cada experimento podremos realizar un análisis de métricas como el Speedup, la Eficiencia, el Balanceo de Carga, etc., y en base a ellos determinar en qué medida o en qué casos el cómputo paralelo resulta la forma más conveniente y/o eficiente para este cálculo, y también implementar mejoras y optimizaciones en los algoritmos utilizados.
Fil: Díaz Acevedo, Karvin. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Ponce de León, Alejo G.. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Congreso de Investigaciones y Desarrollo en Tecnología y Ciencia
Villa María
Argentina
Universidad Tecnológica Nacional. Facultad Regional Villa María. Secretaría de Ciencia, Tecnología y Posgrado
Materia
MULTIPLICACIÓN
MATRICES
EFICIENTE
ALGORITMOS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/180448

id CONICETDig_2ab10e37b17cb56663e377acaabd9774
oai_identifier_str oai:ri.conicet.gov.ar:11336/180448
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamañoDíaz Acevedo, KarvinPonce de León, Alejo G.Caymes Scutari, Paola GuadalupeBianchini, GermanMULTIPLICACIÓNMATRICESEFICIENTEALGORITMOShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1La multiplicación se define dadas dos matrices A y B, se dicen multiplicables si el número de columnas de A coincide con el número de filas de B. En la nueva matriz C, los elementos Cij parten del producto que se obtiene multiplicando cada elemento de la fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos. Cabe destacar que a medida que aumenta el tamaño de las matrices el volumen de cómputo también aumenta considerablemente.Nuestro objetivo con ésta investigación es poder determinar la forma más eficiente para realizar multiplicaciones de matrices de gran volumen, cálculos que son de gran utilidad en diversas áreas con en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico, y actualmente también utilizada con frecuencia en el cálculo de microarrays, en el área de la bioinformática. Para este estudio comparativo, se propone desarrollar dos algoritmos: uno que aproveche la capacidad de cómputo de un cluster de computadoras parte del Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD) ubicado en la UTN-FRM, y otro algoritmo cuya ejecución sea secuencial. Una vez desarrollados, procederemos a realizar una serie de pruebas con matrices de distintos tamaños y con distinta cantidad de nodos.Para concluir, luego de obtenidos los resultados de tiempos de cálculo para cada experimento podremos realizar un análisis de métricas como el Speedup, la Eficiencia, el Balanceo de Carga, etc., y en base a ellos determinar en qué medida o en qué casos el cómputo paralelo resulta la forma más conveniente y/o eficiente para este cálculo, y también implementar mejoras y optimizaciones en los algoritmos utilizados.Fil: Díaz Acevedo, Karvin. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Ponce de León, Alejo G.. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaCongreso de Investigaciones y Desarrollo en Tecnología y CienciaVilla MaríaArgentinaUniversidad Tecnológica Nacional. Facultad Regional Villa María. Secretaría de Ciencia, Tecnología y PosgradoUniversidad Tecnológica NacionalCejas, Marcelo OscarGonella, Javier NicolásSensini, Fabián Marcelo2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectCongresoBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/180448Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño; Congreso de Investigaciones y Desarrollo en Tecnología y Ciencia; Villa María; Argentina; 2021; 189-194978-987-4998-69-9CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://idetec.frvm.utn.edu.ar/#/libroActas/Nacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:59:53Zoai:ri.conicet.gov.ar:11336/180448instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:59:53.696CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
spellingShingle Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
Díaz Acevedo, Karvin
MULTIPLICACIÓN
MATRICES
EFICIENTE
ALGORITMOS
title_short Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title_full Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title_fullStr Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title_full_unstemmed Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title_sort Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
dc.creator.none.fl_str_mv Díaz Acevedo, Karvin
Ponce de León, Alejo G.
Caymes Scutari, Paola Guadalupe
Bianchini, German
author Díaz Acevedo, Karvin
author_facet Díaz Acevedo, Karvin
Ponce de León, Alejo G.
Caymes Scutari, Paola Guadalupe
Bianchini, German
author_role author
author2 Ponce de León, Alejo G.
Caymes Scutari, Paola Guadalupe
Bianchini, German
author2_role author
author
author
dc.contributor.none.fl_str_mv Cejas, Marcelo Oscar
Gonella, Javier Nicolás
Sensini, Fabián Marcelo
dc.subject.none.fl_str_mv MULTIPLICACIÓN
MATRICES
EFICIENTE
ALGORITMOS
topic MULTIPLICACIÓN
MATRICES
EFICIENTE
ALGORITMOS
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv La multiplicación se define dadas dos matrices A y B, se dicen multiplicables si el número de columnas de A coincide con el número de filas de B. En la nueva matriz C, los elementos Cij parten del producto que se obtiene multiplicando cada elemento de la fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos. Cabe destacar que a medida que aumenta el tamaño de las matrices el volumen de cómputo también aumenta considerablemente.Nuestro objetivo con ésta investigación es poder determinar la forma más eficiente para realizar multiplicaciones de matrices de gran volumen, cálculos que son de gran utilidad en diversas áreas con en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico, y actualmente también utilizada con frecuencia en el cálculo de microarrays, en el área de la bioinformática. Para este estudio comparativo, se propone desarrollar dos algoritmos: uno que aproveche la capacidad de cómputo de un cluster de computadoras parte del Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD) ubicado en la UTN-FRM, y otro algoritmo cuya ejecución sea secuencial. Una vez desarrollados, procederemos a realizar una serie de pruebas con matrices de distintos tamaños y con distinta cantidad de nodos.Para concluir, luego de obtenidos los resultados de tiempos de cálculo para cada experimento podremos realizar un análisis de métricas como el Speedup, la Eficiencia, el Balanceo de Carga, etc., y en base a ellos determinar en qué medida o en qué casos el cómputo paralelo resulta la forma más conveniente y/o eficiente para este cálculo, y también implementar mejoras y optimizaciones en los algoritmos utilizados.
Fil: Díaz Acevedo, Karvin. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Ponce de León, Alejo G.. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Congreso de Investigaciones y Desarrollo en Tecnología y Ciencia
Villa María
Argentina
Universidad Tecnológica Nacional. Facultad Regional Villa María. Secretaría de Ciencia, Tecnología y Posgrado
description La multiplicación se define dadas dos matrices A y B, se dicen multiplicables si el número de columnas de A coincide con el número de filas de B. En la nueva matriz C, los elementos Cij parten del producto que se obtiene multiplicando cada elemento de la fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos. Cabe destacar que a medida que aumenta el tamaño de las matrices el volumen de cómputo también aumenta considerablemente.Nuestro objetivo con ésta investigación es poder determinar la forma más eficiente para realizar multiplicaciones de matrices de gran volumen, cálculos que son de gran utilidad en diversas áreas con en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico, y actualmente también utilizada con frecuencia en el cálculo de microarrays, en el área de la bioinformática. Para este estudio comparativo, se propone desarrollar dos algoritmos: uno que aproveche la capacidad de cómputo de un cluster de computadoras parte del Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD) ubicado en la UTN-FRM, y otro algoritmo cuya ejecución sea secuencial. Una vez desarrollados, procederemos a realizar una serie de pruebas con matrices de distintos tamaños y con distinta cantidad de nodos.Para concluir, luego de obtenidos los resultados de tiempos de cálculo para cada experimento podremos realizar un análisis de métricas como el Speedup, la Eficiencia, el Balanceo de Carga, etc., y en base a ellos determinar en qué medida o en qué casos el cómputo paralelo resulta la forma más conveniente y/o eficiente para este cálculo, y también implementar mejoras y optimizaciones en los algoritmos utilizados.
publishDate 2021
dc.date.none.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Congreso
Book
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/180448
Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño; Congreso de Investigaciones y Desarrollo en Tecnología y Ciencia; Villa María; Argentina; 2021; 189-194
978-987-4998-69-9
CONICET Digital
CONICET
url http://hdl.handle.net/11336/180448
identifier_str_mv Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño; Congreso de Investigaciones y Desarrollo en Tecnología y Ciencia; Villa María; Argentina; 2021; 189-194
978-987-4998-69-9
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://idetec.frvm.utn.edu.ar/#/libroActas/
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Universidad Tecnológica Nacional
publisher.none.fl_str_mv Universidad Tecnológica Nacional
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844613773729464320
score 13.070432