Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL

Autores
Moreno, Ezequiel Tomás
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Rucci, Enzo
Pousa, Adrián
Descripción
En la comunidad HPC, el uso de aceleradores se ha consolidado como estrategia para mejorar el rendimiento de los sistemas al mismo tiempo que la eficiencia energética. Recientemente, Intel introdujo Knights Landing (KNL), la segunda generación de aceleradores Xeon Phi. Este trabajo se enfoca en la paralelización de la simulación de N cuerpos computacionales sobre un acelerador Xeon Phi KNL. Esta simulación, requiere de alto poder computacional para ser procesada con un tiempo de respuesta aceptable. Comenzando por una implementación secuencial, se muestra cómo es posible que la implementación paralela alcance 2355 GFLOPS a través de diferentes optimizaciones.
Licenciado en Informática
Universidad Nacional de La Plata
Facultad de Informática
Materia
Ciencias Informáticas
Xeon Phi
Knights Landing
N body
AVX-512
MCDRAM
HPC
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/103363
Acceder
id SEDICI_056159564b4135b618e67a7537b55ff3
oai_identifier_str oai:sedici.unlp.edu.ar:10915/103363
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNLMoreno, Ezequiel TomásCiencias InformáticasXeon PhiKnights LandingN bodyAVX-512MCDRAMHPCEn la comunidad HPC, el uso de aceleradores se ha consolidado como estrategia para mejorar el rendimiento de los sistemas al mismo tiempo que la eficiencia energética. Recientemente, Intel introdujo Knights Landing (KNL), la segunda generación de aceleradores Xeon Phi. Este trabajo se enfoca en la paralelización de la simulación de N cuerpos computacionales sobre un acelerador Xeon Phi KNL. Esta simulación, requiere de alto poder computacional para ser procesada con un tiempo de respuesta aceptable. Comenzando por una implementación secuencial, se muestra cómo es posible que la implementación paralela alcance 2355 GFLOPS a través de diferentes optimizaciones.Licenciado en InformáticaUniversidad Nacional de La PlataFacultad de InformáticaRucci, EnzoPousa, Adrián2020-08-10info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/103363spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-17T10:05:09Zoai:sedici.unlp.edu.ar:10915/103363Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-17 10:05:10.019SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL
title Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL
spellingShingle Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL
Moreno, Ezequiel Tomás
Ciencias Informáticas
Xeon Phi
Knights Landing
N body
AVX-512
MCDRAM
HPC
title_short Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL
title_full Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL
title_fullStr Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL
title_full_unstemmed Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL
title_sort Optimización de la simulación de N cuerpos computacionales con atracción gravitacional sobre Intel Xeon Phi KNL
dc.creator.none.fl_str_mv Moreno, Ezequiel Tomás
author Moreno, Ezequiel Tomás
author_facet Moreno, Ezequiel Tomás
author_role author
dc.contributor.none.fl_str_mv Rucci, Enzo
Pousa, Adrián
dc.subject.none.fl_str_mv Ciencias Informáticas
Xeon Phi
Knights Landing
N body
AVX-512
MCDRAM
HPC
topic Ciencias Informáticas
Xeon Phi
Knights Landing
N body
AVX-512
MCDRAM
HPC
dc.description.none.fl_txt_mv En la comunidad HPC, el uso de aceleradores se ha consolidado como estrategia para mejorar el rendimiento de los sistemas al mismo tiempo que la eficiencia energética. Recientemente, Intel introdujo Knights Landing (KNL), la segunda generación de aceleradores Xeon Phi. Este trabajo se enfoca en la paralelización de la simulación de N cuerpos computacionales sobre un acelerador Xeon Phi KNL. Esta simulación, requiere de alto poder computacional para ser procesada con un tiempo de respuesta aceptable. Comenzando por una implementación secuencial, se muestra cómo es posible que la implementación paralela alcance 2355 GFLOPS a través de diferentes optimizaciones.
Licenciado en Informática
Universidad Nacional de La Plata
Facultad de Informática
description En la comunidad HPC, el uso de aceleradores se ha consolidado como estrategia para mejorar el rendimiento de los sistemas al mismo tiempo que la eficiencia energética. Recientemente, Intel introdujo Knights Landing (KNL), la segunda generación de aceleradores Xeon Phi. Este trabajo se enfoca en la paralelización de la simulación de N cuerpos computacionales sobre un acelerador Xeon Phi KNL. Esta simulación, requiere de alto poder computacional para ser procesada con un tiempo de respuesta aceptable. Comenzando por una implementación secuencial, se muestra cómo es posible que la implementación paralela alcance 2355 GFLOPS a través de diferentes optimizaciones.
publishDate 2020
dc.date.none.fl_str_mv 2020-08-10
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/103363
url http://sedici.unlp.edu.ar/handle/10915/103363
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1843532592373039104
score 13.004268

Publicaciones similares