Evaluation of Particle-based Molecular Communication Simulations on GPU Platforms
Tipus de documentTreball Final de Grau
Data2019-05
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
Molecular communication via diffusion (MCvD) needs to compute and simulate a large number of molecules in order to get accurate and meaningful results. Traditional methods to process data, using CPUs, are very expensive in time, due to the lack of capabilities to do tasks in parallel extensively. That is why in the following work it has been studied the GPU hardware fundamentals in order to be able to reduce the execution time and improve the relation data ? execution time. To get these results it has been used the Matlab Parallel Toolbox and also CUDA-C. The results has been compared and studied relating them to the hardware used. The different methods that Nvidia can offer to reduce computation time are analysed at the same time that the GPU system operation is studied. La comunicació molecular a través de la difusió (MCvD) ha de calcular i simular un gran nombre de molècules per obtenir resultats precisos i significatius. Els mètodes tradicionals per processar dades, utilitzant les CPU, són molt cars a temps, a causa de la manca de capacitats per fer les tasques de manera paral·lela. Per això, en el següent treball s'ha estudiat la GPU fonamental del maquinari per poder reduir el temps d'execució i millorar les dades de relació: temps d'execució. Per obtenir aquests resultats, heu utilitzat Matlab Parallel Toolbox i també CUDA-C. Els resultats s'han comparat i estudiat sobre ells amb el maquinari utilitzat. Els diferents mètodes que Nvidia pot oferir per reduir el temps de computació s?analitzen al mateix temps que s?estudia el funcionament del sistema GPU. La comunicació molecular a través de la difusió (MCvD) ha de calcular i simular un gran nombre de molècules per obtenir resultats precisos i significatius. Els mètodes tradicionals per processar dades, utilitzant les CPU, són molt cars a temps, a causa de la manca de capacitats per fer les tasques de manera paral·lela. Per això, en el següent treball s'ha estudiat la GPU fonamental del maquinari per poder reduir el temps d'execució i millorar les dades de relació: temps d'execució. Per obtenir aquests resultats, heu utilitzat Matlab Parallel Toolbox i també CUDA-C. Els resultats s'han comparat i estudiat sobre ells amb el maquinari utilitzat. Els diferents mètodes que Nvidia pot oferir per reduir el temps de computació s?analitzen al mateix temps que s?estudia el funcionament del sistema GPU.
TitulacióGRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Sánchez Muñoz, ... tions on GPU Platforms.pdf | 1,297Mb | Visualitza/Obre |