Detalle del Docente 2016-12-06T16:49:11+00:00

Ezzatti Infante, Pablo Maximiliano

DATOS PERSONALES Y ACADÉMICOS

Grado y Servicio

Grado 3 / Facultad de Ingenieria /

Contacto

Email: pezzatti@fing.edu.uy / Teléfono: 27110244 int 125

Área disciplinar

Tecnologica

Disciplina / Subdisciplina

Computación / Computación de alto desempeño / Mecánica computacional

Mayor nivel académico

Doctorado, PEDECIBA – UdelaR (año 2011)

Link a web personal

Link a CVUY

http://www.anii.org.uy/buscador_sni/exportador/ExportarPdf?hash=2bcdb8c4a4080395f6ed01fc6d9802f8

Pertenece al SNI

Si pertenece / Nivel I

Pertenece al PEDECIBA

Si pertenece / Grado 3

DATOS DEL PROYECTO DE DEDICACIÓN TOTAL

Título del Plan de Actividades

Computación de alto desempeño aplicada al algebra lineal numérica

Palabras clave

HPC, ALN, GPU, Computación científica

Resumen Publicable

Mi área de trabajo es la computación de alto desempeño (HPC) con particular foco en el álgebra lineal numérica (ALN). En este sentido, en los últimos años abordé la aplicación de técnicas de HPC y ALN para mejorar la resolución de diferentes problemas en distintas áreas del conocimiento (mecánica, estructuras, mecánica de fluidos, control, computación gráfica, etc.).

En particular en mi trabajo de maestría me enfoqué en la aceleración de un modelo numérico para simulaciones del Río de la Plata, alcanzando un nivel de aceleración de 3.5x, que permitió reducir los tiempos de cálculo en forma significativa (para poder simular 8 horas se necesitaban 27 horas de cómputo, a partir de la mejoras introducidas el tiempo de ejecución se redujo a 7 horas de cómputo). Además, los cambios permitieron la resolución de modelos de mayor tamaño, pasando de modelos de pocas decenas de miles de nodos a problemas de cientos de miles.

En la búsqueda de alternativas de HPC de bajo costo (y por tanto, alternativas que sean factibles de aplicar en Uruguay) en los últimos años me he centrado en el uso de arquitecturas híbridas compuestas por procesadores multi-core conectados a procesadores gráficos (GPUs) para la resolución de problemas de propósito general. En este contexto desarrollé mi doctorado sobre la aceleración de operaciones de ALN y la mejora de métodos de reducción de modelos utilizando este tipo de arquitecturas, diseñando e implementado diversos núcleos computacionales (inversión de matrices generales, inversión de matrices simétricas y definidas positivas, resolución de sistemas lineales triangulares, resolución de ecuaciones matriciales, etc.) que actualmente son el estado del arte en la materia.

Otro aspecto importante de los trabajos relacionados al uso de GPUs es que la Facultad de Ingeniería fue reconocida como CUDA Teaching Center (la primera institución de América del Sur) por parte de NVIDIA. Además, el área de trabajo (el uso de arquitecturas híbridas que incluyan GPUs) ha tenido un impulso importante. Actualmente se están desarrollando al menos dos estudios de doctorado y ocho de maestría directamente relacionados con la temática.

Grado y Fecha de Ingreso al RDT

Grado 3 / Desde: 2009-07-01

Programa: Científico Proveniente del Exterior

El cargo NO se enmarca en este programa

Participa de Grupo Autoidentificado

Grupos: 1183

Observaciones

DOCUMENTACIÓN ADJUNTA

Curriculum Vitae

Descargar CV

Último informe de renovación

Aún no se ha cargado el último informe de renovación.

Producción Académica

Documento 1: Aún no se ha cargado este archivo de Producción Académica.
Documento 2: Aún no se ha cargado este archivo de Producción Académica.
Documento 3: Aún no se ha cargado este archivo de Producción Académica.