Título : Informe final del proyecto: Modelar: Modelado del desempeño de métodos numéricos en plataformas de hardware heterogéneas
Autor(es) : Dufrechou Lasca, Ernesto
Favaro Sapriza, Federico
Marichal Chávez, Raúl Ignacio
Berger, Gonzalo
Uslenghi, Florencia
Freire Picón, Manuel
Ferreira Quagliata, Maria Jimena
Bentura, Mateo
Seveso Giordano, Franco
Fecha de publicación : 16-jun-2026
Tipo de publicación: Reporte técnico
Versión: Aceptado
Publicado por: Agencia Nacional de Investigación e Innovación
Areas del conocimiento : Ciencias Naturales y Exactas
Ciencias de la Computación e Información
Ciencias de la Computación
Otros descriptores : Álgebra lineal numérica
Modelo de predicción de desempeño
Arquitecturas de hardware heterogéneas
Resumen : El álgebra lineal numérica es una herramienta fundamental en muchas áreas de la ciencia y la ingeniería, como la inteligencia artificial, la optimización, la computación gráfica y el control de sistemas. Desde hace décadas, resolver este tipo de problemas requiere una gran capacidad de cómputo, lo que ha impulsado el desarrollo y el uso de tecnologías de computación de alto desempeño. Hoy en día, los sistemas de cómputo combinan distintos tipos de procesadores y aceleradores, y para un mismo problema pueden existir varias formas de resolverlo, sin que siempre sea evidente cuál es la más conveniente. Este proyecto se centra en dos objetivos principales. El primero es desarrollar métodos que permitan resolver estos problemas de manera más eficiente, aprovechando al máximo las capacidades de los procesadores y aceleradores modernos, como los utilizados en centros de cómputo especializados. El segundo objetivo es analizar qué recursos necesita cada método —por ejemplo, memoria, tiempo de ejecución y consumo de energía— según el tipo de problema y el hardware utilizado. Además, se busca desarrollar herramientas capaces de elegir automáticamente la mejor combinación entre el método de resolución y la plataforma de cómputo en cada situación concreta, ya sea mediante modelos matemáticos o técnicas de aprendizaje automático. De esta forma, se apunta a utilizar mejor los recursos disponibles y a reducir tanto el tiempo de cálculo como el consumo energético.
URI / Handle: https://hdl.handle.net/20.500.12381/5653
Recursos resultantes del proyecto: https://hdl.handle.net/20.500.12008/53694
https://hdl.handle.net/20.500.12008/53697
https://hdl.handle.net/20.500.12008/53706
https://hdl.handle.net/20.500.12008/53701
https://hdl.handle.net/20.500.12008/52959
https://hdl.handle.net/20.500.12008/53731
https://hdl.handle.net/20.500.12008/50195
https://hdl.handle.net/20.500.12008/46179
Institución responsable del proyecto: Universidad de la República . Facultad de Ingeniería
Financiadores: Agencia Nacional de Investigación e Innovación
Identificador ANII: FCE_3_2022_1_172419
Nivel de Acceso: Acceso abierto
Licencia CC: Reconocimiento 4.0 Internacional. (CC BY)
Aparece en las colecciones: Informes finales publicables de I+D

Archivos en este ítem:
archivo  Tamaño Formato
Informe_final_publicable_FCE_3_2022_1_172419.pdfDescargar 344.88 kBAdobe PDF

Las obras en REDI están protegidas por licencias Creative Commons.
Por más información sobre los términos de esta publicación, visita: Reconocimiento 4.0 Internacional. (CC BY)