Estrategias computacionales para la implementación de modelado elástico 2D sobre GPU
| Autor: | Ana Beatriz Ramirez Silva, Anderson Páez Chanagá, Ivan Javier Sánchez Galvis |
|---|---|
| Rok vydání: | 2020 |
| Předmět: |
Computer science
Computation 02 engineering and technology Parallel computing 010502 geochemistry & geophysics Storage management 01 natural sciences Execution time 020202 computer hardware & architecture Power (physics) Kernel (statistics) 0202 electrical engineering electronic engineering information engineering Cube 0105 earth and related environmental sciences |
| Zdroj: | Entre ciencia e ingeniería. 14:52-89 |
| ISSN: | 2539-4169 1909-8367 |
| DOI: | 10.31908/19098367.2016 |
| Popis: | El modelado de onda elástico presenta un reto de implementación debido a que es un procedimiento computacionalmente costoso. En la actualidad, debido al incremento en la potencia en GPU junto con el desarrollo de la computación HPC, es posible ejecutar modelado elástico con mejores tiempos de ejecución y uso de memoria. Este estudio evalúa el desempeño de 2 estrategias para implementar modelado elástico usando diferentes diseños para ejecución de kernel, estrategias de asignación de memoria para el cálculo de CPML y administración del almacenamiento del campo de onda. Las mediciones de desempeño muestran que el algoritmo que incluye diseño de ejecución de kernel 2D, la estrategia de memoria reducida CPML y el almacenamiento en memoria global de GPU del campo de onda alcanza un máximo de 88.4% mejor tiempo de ejecución y utiliza un 13.3 veces menos memoria para obtener los mismos resultados de modelado elástico. Existe también una creciente tendencia de mejora de tiempo de ejecución y ahorro de memoria cuando se trabaja con modelos de tamaños más grandes con esta estrategia. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|