Local: Sala Multiuso EST

Horário: 14h

Palestrante: Alexandre Lucchesi Alencar (mestrado)

Título: Algoritmos Paralelos e Eficientes para Consultas IP no Intel(R) Xeon Phi(tm) e CPUs Multi-Core

Resumo: O tráfego de comunicações na Internet está crescendo rapidamente devido a novas aplicações que demandam grandes volumes de dados, incluindo entretenimento em tempo real, o compartilhamento de documentos em redes P2P, aplicações de alto-desempenho, etc. Adicionalmente, roteadores em software são uma solução promissora para lidar com o encaminhamento de pacotes devido ao bom custo-benefício e flexibilidade. Contudo, é desafiador o desenvolvimento de roteadores baseados em software que sejam capazes de atingir as taxas de encaminhamento de pacotes necessárias. O uso de sistemas e técnicas de computação paralela pode ser uma abordagem viável para melhorar o desempenho dessas soluções. A realização de consultas IP é uma operação central de roteadores em software, que é computada através de um algoritmo de casamento de maior prefixo (CMP). Assim, neste trabalho, investiga-se a paralelização e implementação eficiente de algoritmos de CMP para consultas IP em CPUs multi-core e no coprocessador many-core Intel(R) Xeon Phi(tm) (Intel Phi). A análise inclui a paralelização de algoritmos estado-da-arte que empregam diferentes estratégias para o problema do CMP em ambos os dispositivos. Os resultados experimentais mostram que foi possível atingir um alto desempenho com esta solução (aproximadamente 10 Gbps para pacotes de 64B no Intel Phi). Além disso, nota-se que o algoritmo sequencial mais eficiente pode não ser a melhor opção em uma configuração paralela. Assim, é necessário avaliar as características dos processadores, as demandas de computação/dados dos algoritmos e as estruturas de dados empregadas para entender como os algoritmos podem se beneficiar de um dispositivo de computação paralelo, as potenciais limitações na escalabilidade e as oportunidades para otimizações. Estas descobertas também são importantes para novos esforços no desenvolvimento de algoritmos nessa área, os quais têm sido, em sua maioria, focados em soluções sequenciais.

Horário: 15h

Palestrante: Luis Felipe Rabello Taveira (mestrado)

Título: Efficient Algorithm Sensitivity Analysis with Parameter Tuning on Large Imaging Datasets

Resumo: Imagens de alta resolução de microscopia permitem o estudo de doenças em níveis celulares e sub-celulares. Os efeitos causados por muitas doenças, como o câncer por exemplo, geralmente manifestam-se como alterações na morfologia das células em escala micro-anatômica. Investigar essas mudanças e suas correlações com dados moleculares e resultados clínicos podem levar a uma melhor compreensão dos mecanismos da doença, e permitir o desenvolvimento de novas formas de tratamento. A aplicação exemplo utilizada nesse trabalho realiza diversas análises quantitativas em amostras de tecidos humanos por meio do processamento dessas imagens de microscopia. Esta aplicação pode ser configu- rada em 21,4 trilhões de formas diferentes através da combinação dos seus parâmetros de entrada, de modo que cada combinação pode produzir resultados significativamente diferentes entre si. Cada execução dessa aplicação pode levar horas em uma estação de trabalho comum. Foi proposto neste trabalho um algoritmo de otimização capaz de en- contrar uma combinação de parâmetros para esta aplicação que produz resultados até 2,3x melhores dos que os parâmetros padrão da aplicação, testando apenas 0.00000006% do espaço de busca. Quantificar as alterações na morfologia das células em escala micro- anatômica envolve o processamento de consultas espaciais (spatial queries), como o cálculo da área da sobreposição de objetos (que nesse contexto podem ser células, veias e etc), cálculos de proximidade espacial entre eles, e descobertas de padrões espaciais globais. Foram implementadas diversas métricas e consultas espaciais para avaliar as alterações na morfologia das células, veias e tecidos em análise. O método de otimização proposto neste artigo foi implementado por meio de um algoritmo genético (GA) projetado para imitar os princípios evolutivos da seleção natural. Cada indivíduo da população GA é modelado para representar um conjunto de parâmetros da aplicação. Em seguida, utiliza- se a reprodução, o cruzamento e a mutação para evoluir os membros da população, a fim de obter valores de parâmetros mais adaptados. O algoritmo pode melhorar continuamente a aptidão da população até um número pré-programado de gerações (iterações) ser atingido.

Organizadora: Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)

Coordenadora dos Seminários de Pós-Graduação Informática 2016-2