MC 1.Tópicos de Análise Funcional na Computação Científica
MC 2.Modelagem Senoidal e Aplicações em Sinais de Áudio
MC 3.Suporte para Execução Eficiente de Aplicações Saco-de-Tarefas
MC 4.Esquemas Adaptativos de Multirresolução
MC 5.Programação com Python
MC 6.Método de Monte Carlo
MC 7.Redes Complexas
MC 8.Fundamentos de Análise Tempo-Frequência
MC 9.Programação Científica com Python
MC 10.Programação com CUDA
MC 11.Dinâmica de Redes Tróficas
MC 12.Programação Massivamente Paralela com PyCUDA
MC 13.Programação Paralela Híbrida com MPI, OpenMP e Cuda
MC 14.Introdução à Modelagem Multiescala em Meios Porosos
MC 15.Introdução ao Padrão OpenMP
MC 16.Introdução à Geomecânica Computacional de Reservatórios de Petróleo e Gás
MC 17.Otimizações de Código em CUDA
MC 18.Conceitos básicos das extensões OpenCL e CUDA do C/C++
MC 1.Tópicos de Análise Funcional na Computação Científica
Professores: Carlos A. de Moura (UERJ), Denise Burgarelli (UFMG)
Carga Horária: 07:30h
Período: 17/01/2011 a 21/01/2011
Horário: segunda - terça - quarta - quinta - sexta de 09:30 hs às 11:00 hs
Local: Auditorio A
Resumo:
O objetivo do minicurso é ilustrar algumas das interações entre a Análise Funcional e o carro-chefe da Computação Científica, a Análise Numérica, se bem que atualmente não se possa mais separar a segunda análise da primeira. Os exemplos escolhidos têm, evidentemente, certo viés dos autores, não estando de forma alguma implícita a afirmação de que a importância desses supera a de muitos outros, não incluídos. Talvez até a escolha se justifique didaticamente, por exibirem maior simplicidade. Existe, porém, um elo entre eles: cada capítulo visa ou enfatizar um determinado ponto ou apresentar uma abordagem distinta para um tópico que, na nossa visão, é mal compreendido ou equivocadamente apresentado.
Ementa:
1. Equivalência de Lax e falsa convergência
1.1 Introdução
1.2 Compatibilidade (ou consistência)
1.3 Estabilidade
1.4 A falsa convergência
2. Comparação entre normas
2.1 Introdução
2.2 A Função Estabilidade
2.2.1 Observações finais
2.3 O Truque de Nitsche
3. Esquemas não conservativos e “chopp-off "
3.1 Introdução
3.2 Generalizando a equação de BBM
3.3 “Chopp-off ” – detalhes técnicos
4. Compacidade - Problemas Inversos, Regularização
4.1 Introdução
4.2 A regularização de Tykhonov
4.3 O índice de estabilidade
4.4 Um exemplo: espalhamento inverso unidimensional
5. Contraexemplos × aproximações
5.1 Introdução
5.2 Uma releitura
5.2.1 Sensoriamento remoto
5.2.2 Fórmula explícita = algoritmo numérico?
6. Operadores pseudodiferenciais e condições de contorno transparentes
6.1 Introdução – definição e notações
6.2 A equação das ondas (unidimensional)
6.3 A equação das ondas (no IRn , n ≥ 2)
6.4 Conclusões
7. Malha adaptativa - Grafo de Folhas Autônomas
7.1 Motivação
7.2 Estrutura de dados
7.2.1 Introdução
7.2.2 Estrutura da malha adaptativa
7.2.3 Refinamento da malha
7.2.4 Desrefinamento da malha
7.2.5 Ordenação da malha pela curva de Hilbert
7.2.6 Generalização do domínio
7.2.7 Domínio tridimensional
7.2.8 Células triangulares
Bibliografia
• Notas em Matemática Aplicada - ISSN 2175-3385
• Volume 45, 2010 - SBMAC
MC 2.Modelagem Senoidal e Aplicações em Sinais de Áudio
Professor: Paulo Antonio Andrade Esquef (LNCC)
Carga Horária: 06:00h
Período: 17/01/2011 a 20/01/2011
Horário: segunda - terça - quarta - quinta de 11:00 hs às 12:30 hs
Local: Sala 06 - Pós-Graduação
Resumo:
Mini-curso de nível básico visando a: apresentar o modelo senoidal e seu escopo de aplicação; fazer uma breve revisão das principais técnicas usadas para a obtenção dos parâmetros do modelo, com foco em sinais de áudio; apresentar aplicações em processamento digital de áudio que fazem uso de modelagem senoidal. (Público-alvo: não-especializado. Desejável: conhecimento de fundamentos de processamento de sinais discretos)
Ementa:
1. Fundamentos de Áudio
2. Revisão de propriedade do sistema auditivo humano
3. Sinais de áudio: representações no tempo e na freqüência (transformadas de Fourier)
4. Amostragem de sinais; Critério de Nyquist e aliasing
5. Modelagem Senoidal (MS)
6. Modelos Contínuo e Discreto
7. Estimação dos parâmetros do modelo discreto
8. Análise Tempo-Freqüência via Transformada de Fourier de tempo-curto
9. Detecção de picos espectrais
10. Refinamento de parâmetros espectrais
11. Rastreamento de trilhas espectrais: métodos heurísticos; predição linear; método de estimação via Hidden Markov Models
12. Síntese de sinais a partir dos parâmetros do modelo senoidal
13. Extensões do Modelo Senoidal: modelagem de transitórios e parcela estocástica
14. Aplicações em Áudio
15. Restauração de sinais; codificação; reconhecimento de padrões; separação de fontes; modificações de tempo e pitch; transformações morfológicas.
Bibliografia
1. X. Serra and J. O. Smith “Spectral modeling synthesis: A sound analysis/synthesis system based on a deterministic plus stochastic decomposition.” Computer Music J., 14(4):12–24. 1990.
2. T. F. Quatieri and R. J. McAulay, “Audio Signal Processing Based on Sinusoidal Analysis and Synthesis,” in Applications of Digital Signal Processing to Audio and Acoustics, M. Kahrs and K. Brandenburg, Eds., pp. 314–416. Kluwer Academic Publishers, Boston, USA, 1998.
3. X. Serra, “Musical Sound Modeling with Sinusoids plus Noise,” in Musical Signal Processing, C. Roads, S. Pope, A. Picialli, and G. De Poli, Eds. Swets & Zeitlinger, 1997.
4. M. Lagrange, S. Marchand, and J.-B. Rault, “Enhancing the Tracking of Partials for the Sinusoidal Modeling of Polyphonic Sounds,” IEEE Transactions on Audio, Speech, and Language Processing. 2007.
MC 3.Suporte para Execução Eficiente de Aplicações Saco-de-Tarefas
Professor: Francisco Brasileiro (UFCG)
Carga Horária: 06:00h
Período: 17/01/2011 a 18/01/2011
Horário: segunda - terça de 11:00 hs às 12:30 hs
Local: Auditorio A
Horário: segunda - terça de 15:00 hs às 16:30 hs
Local: Laboratório 5
Resumo:
Apresentar tecnologias disponíveis para dar suporte à execução eficiente de aplicações paralelas formadas por tarefas independentes (por conta disso, chamadas de saco-de-tarefas). Essas aplicações são extremamente comuns no cenário de e-ciência e são utilizadas em várias áreas de pesquisa. Serão discutidas tecnologias úteis tanto para aplicações que são intensivas em computação quanto aplicações que processam uma grande quantidade de dados.
Ementa:
• Aplicações saco-de-tarefas intensivas em computação;
• Computação voluntária;
• BOINC;
• Grades peer-to-peer;
• OurGrid;
• Processamento de grandes massas de dados;
• Modelo de programação MapReduce;
• Hadoop e HDFS;
• BashReduce e BeeFS.
Bibliografia:
• Anderson, D.P. BOINC: a system for public-resource computing and storage. Anais do Fifth IEEE/ACM International Workshop on Grid Computing, 2004.
• Acharya, A., Edjlali, G., Saltz, J. The Utility of Exploiting Idle Workstations for Parallel Computation. ACM SIGMETRICS, 1997.
• Cirne, W., Brasileiro, F., Andrade, N., Costa, L., Andrade, A., Novaes, R., Mowbray, M. Labs of the World, Unite!!! Journal of Grid Computing, volume 4, número 3, Springer, pp. 225—246, 2006.
• Gonzalez, D.L., Gil, G.G., de Vega, F.F., Segal, B. Centralized BOINC resources manager for institutional networks. Proc. Of the IEEE International Symposium on Parallel and Distributed Processing 2008 (IPDPS 2008), 2008.
• Korpela, E., Werthimer, D., Anderson, D., Cobb, J., Leboisky, M. SETI@home-massively distributed computing for SETI. Computing in Science & Engineering, 3(1), pp. 78-83, 2001.
• White T. Hadoop: The Definitive Guide, O'Reilly Media.
MC 4.Esquemas Adaptativos de Multirresolução
Professor: Sônia Maria Gomes (IMECC-Unicamp)
Carga Horária: 07:30h
Período: 17/01/2011 a 21/01/2011
Horário: segunda - terça - quarta - quinta - sexta de 13:30 hs às 15:00 hs
Local: Auditorio A
Resumo:
Apresentar esquemas de multirresolução (MR) para approximação adaptativa de funções, destacando suas principais propriedades, diferentes metodologias de construção e aplicações na solução numérica adaptativa de equações diferenciais parciais.
Ementa:
1. Principais aspectos em esquemas MR: aspecto discreto e aspecto funcional
2. Metodologia para a definição de esquemas MR usando o formalismo de A. Harten: esquemas para valores pontuais e medias celulares em malhas Cartesianas.
3. Principais propriedades: estabilidade e caracterização local de regularidade, compressao de dados;
4. Esquemas Lifting de W. Sweldens para esquemas MR de segunda geração.
5. Aplicações na solução numérica adaptativa de equações diferenciais parciais usando diferenças finitas e volumes finitos
Bibliografia
• Cohen, A. Wavelet Methods in Numerical Analysis. In: Handbook of Numerical Analysis, Elsevier, 2000, Ciarlet, P. G. and Lions, J. L. (ed)
• M. O. Domingues, S. M. Gomes, O. Roussel e K. Schneider. Adaptive Multiresolution Methods. 2010. ESAIM Proceedings. Submetido.
• Harten. Multiresolution representation of data: a general framework. SIAM J. Numer. Anal,
1996, 33(3): 1205-1256.
• S. Muller. Adaptive multiscale schemes for conservation laws. Springer-Verlag, 2003.
• W. Sweldens. The lifting scheme: a construction of second generation wavelets. SIAM J. Math. Anal. 1996, 29: 511-543.
Apostila Aula1 Aula 2 Aula 3 Aula 4MC 5.Programação com Python
Professor: Paulo Roberto Godoy Bordoni (LNCC)
Monitor: Fabrício Gomes Vilasbôas (ISTCC-P)
Carga Horária: 07:30h
Período: 17/01/2011 a 21/01/2011
Horário: segunda - terça - quarta - quinta - sexta de 13:30 hs às 15:00 hs
Local: Sala 06 - Pós-Graduação
Resumo:
Ao concluir o curso o aluno deverá estar capacitado a escrever e executar programas na linguagem Python.
Ementa:
1. Introdução a Python
2. Interatividade
3. Módulos e documentação
4. Entrada e saída
5. Estruturas de dados em Python
6. Strings e tuplas
7. Listas
8. Dicionários e conjuntos
9. Programação estruturada em Python
10. Decisões
11. Laços e repetições
12. Funções
13. Funções e programação funcional em Python
14. Funções e lambdas
15. Mapeamento, filtragem, transposição e redução
16. Geradores e list comprehension
Bibliografia
1. Mark Lutz, Learning Python, 4ª Ed., O’Really, (2009);
2. David M. Beazley, Python Essencial reference, 4ª Ed., Addison-Wesley, (2009);
3. Allen B. Downey, Python for Software Design – How to Think Like a Computer Scientist, Cambridge Um. Press,(2009);
4. Vernon L. Ceder, The Quick Python Book, 2ª Ed., Manning Publications, (2010);
5. Luiz Eduardo Borges, Python para Desenvolvedores, 2ª Ed., Edição do Autor, (2010)
Python Python2 Python3 Python4 Python5 Python6 Python7 Python8MC 6.Método de Monte Carlo
Professor: Adriana Racco (ISTCC/FAETEC)
Carga Horária: 07:30h
Período: 24/01/2011 a 28/01/2011
Horário: segunda - terça - quarta - quinta - sexta de 09:30 hs às 11:00 hs
Local: Sala 06 - Pós-Graduação
Resumo:
O Método de Monte Carlo é utilizado para simular processos estocásticos e consiste no uso de geradores de números aleatórios para simular flutuações, probabilidades ou simplesmente a escolha aleatória de elementos do sistema. Durante o mini-curso veremos algoritmos para a implementação do Método de Monte Carlo em diferentes situações e como otimizar seu uso.
Ementa:
1. Introdução
2. Geradores de Números Aleatórios
3. Testes de Geradores: Distribuição, Mapa de Retorno, Correlação
4. Uso de Geradores Uniformes em Simulações
5. Cálculo de Área e Volume
6. Método da Roleta (Algoritmos Genéticos)
7. Implementação de Geradores Não Uniformes
8. Testes e Aplicações
Bibliografia
1)Sheldon M. Ross, Simulation 4th Edition, Elsevier 2006.
2)Sheldon M. Ross, Introduction to Probability Models 7th Edition,
Elsevier 2000.
3)H. Gould and J. Tobochnik, An Introduction to Computer Simulation
Methods: Applications to Physical Systems. Addison-Wesley, 1995.
4)Moss de Oliveira , de Oliveira and Stauffer, Evolution, Money, War, and
Computers, Teubner Stuttgart, 1999.
5) Thadeu J. P. Penna, Notas de aula do curso de Tópicos de Físicà
Estatística da Pós-graduação do IF-UFF.
MC 7.Redes Complexas
Professores: Artur Ziviani (LNCC), Ana Paula Couto da Silva (UFJF), Nilton Alves Junior (CBPF)
Carga Horária: 06:00
Período: 24/01/2011 a 27/01/2011
Horário: segunda - terça - quarta - quinta de 09:30 hs às 11:00 hs
Local: Auditorio A
Resumo:
O objetivo do mini-curso é apresentar uma introdução à teoria de redes complexas e suas aplicações em redes tecno-sociais encontradas nas áreas de Internet e Web.
Ementa:
1. Redes Complexas: Introdução e conceitos básicos
2. Grafos e Medidas
3. Redes do tipo “Mundo Pequeno” (Small World)
4. Leis de Potência e redes de “Escala Livre” (Scale-free Networks)
5. Caracterização de redes complexas
6. Exemplos de modelagem e aplicações
Bibliografia
1. "Evolution and Structure of the Internet: A Statistical Physics Approach",
2. Romualdo Pastor-Satorras e Alessandro Vespignani,
3. Cambridge University Press, 2004.
4. "Linked", Albert-László Barabási, Penguin Group, 2003.
5. "Nexus: Small Worlds and the Groundbreaking Science of Networks",
6. Mark Buchanan, W. W. Norton Inc., 2002.
7. “Predicting the behavior of techno-social systems”, Alessandro Verpignani, Science, vol.325, Julho de 2009
MC 8.Fundamentos de Análise Tempo-Frequência
Professores: Luiz Wagner Pereira Biscainho (UFRJ), Paulo Antonio Andrade Esquef (LNCC)
Carga Horária: 07:30h
Período: 24/01/2011 a 28/01/2011
Horário: segunda - terça - quarta - quinta - sexta de 11:00 hs às 12:30 hs
Local: Auditorio A
Resumo:
Curso em nível básico de análise tempo-freqüência, visando a apresentar conceitos e ferramental elementares de análise tempo-freqüência, com vistas a sua aplicação em processamento de sinais, capacitando o aluno a compreender e realizar trabalhos nos assuntos abordados. (Público-alvo: não-especializado. Desejáveis: conhecimentos elementares de cálculo, álgebra linear, variáveis complexas, sistemas lineares, fundamentos de processamento de sinais.)
Ementa:
1. Descrição de sinais em tempo & freqüência.
2. Freqüência instantânea e sinais analíticos.
3. Princípio da incerteza.
4. Densidades e funções características.
5. Necessidade da análise tempo-freqüência.
6. Fundamentos de distribuições tempo-freqüência.
7. Transformada de Fourier de curta duração (STFT)
8. Transformada Wavelet
9. Distribuição de Wigner.
10. Aplicações em análise de sinais
Bibliografia
1. Leon Cohen, “Time-Frequency Analysis,” Prentice Hall, 1995;
2. Patrick Flandrin (Ed.), “Time-Frequency / Time-Scale Analysis,” Academic Press, 1999;
MC 9.Programação Científica com Python
Professor: Paulo Roberto Godoy Bordoni (LNCC)
Monitor: Fabrício Gomes Vilasbôas (ISTCC-P)
Carga Horária: 07:30h
Período: 24/01/2011 a 28/01/2011
Horário: segunda - terça - quarta - quinta - sexta de 13:30 hs às 15:00 hs
Local: Auditorio A
Resumo:
Ao concluir o curso o aluno deverá estar capacitado a escrever e executar programas para obter aproximações numérica para problemas de valor de contorno para equações diferenciais parciais parabólicas, com a linguagem Python, utilizando as bibliotecas NumPy, SciPy e MatPlotLib.
Pré-requisito
Conhecimento de programação com Python
Ementa:
1. As bibliotecas NumPy, SciPy e MatPlotLib;
2. Solução de Sistemas Lineares com NumPy e linalg;
3. Gráficos com MatPlotLib ;
4. Resolução de alguns problemas de valor de contorno parabólicos com diferenças finitas:
5. Em uma dimensão espacial;
6. Métodos explícitos;
7. Métodos implícitos;
8. Em duas dimensões espaciais
9. Métodos explícitos;
10. Métodos implícitos;
Bibliografia
1. Kiusalaa Jaans, Numerical Methods in Engineering with Python, 2ª Ed., Cambridge Un. Press (2010);
2. Langtangen, Hans Peter, A primer on Scientific Programming with Python, (Texts in Computational Science and Engineering 6), Springer-Verlag, (2009);
3. Tosi, Sandro, Matplotlib for Python Developers, Packt Publishing, (2009);
4. Jennifer Campbell, Paul Gries, Jason Montojo, and Greg Wilson, Practical Programming, An Introduction to Computer Science Using Python, Ed. The Pragmatic Bookshelf, (2009)
5. Mitchell, A. R. e Griffiths, D. F., The Finite Difference Method in Partial Differential Equations, Ed. John Wiley & Sons, (1980);
6. Thomas, J. W., Numerical Partial Differential Equations: Finite Difference Methods, (Texts in Applied Mathematics 22), Springer-Verlag, (1995).
ApresentaçãoMC 10.Programação com CUDA
Professor: Marcos André da Frota Mattos (LNCC)
Carga Horária: 07:30h
Período: 24/01/2011 a 28/01/2011
Horário: segunda - terça - quarta - quinta - sexta de 15:00 hs às 16:30 hs
Local: Auditorio A
Resumo:
Tendo em vista a necessidade de encurtar o tempo de processamento de aplicativos numéricos passou-se a utilizar placas gráficas para executar estes processos.
Isto decorre do fato de estas placas possuírem dezenas de processadores paralelos e centenas de megabytes de memória.
Neste mini-curso será apresentada a arquitetura de placas gráficas Nvidia e a conexão destas placas com o computador hospedeiro. Em seguida será apresentado o CUDA, que é uma extensão do C/C++ processada tanto no computador hospedeiro quanto nas placas gráficas conectadas a este.
Ementa:
1. Introdução (Arquitetura)
2. Memória
3. Extensões ao C++/C
3.1Programação com CUDA
3.2Implementação
4. Exemplos
4.1. Rotinas do CUDA
4.2. OpenGL e CUDA
5. Desempenho
Bibliografia
1. CUDA_Reference_Manual_2.3, Nvidia, 2009
2. NVIDIA_CUDA_BestPracticesGuide_2.3, Nvidia, 2009
3. NVIDIA_CUDA_ProgrammingGuide_2.3, Nvidia, 2009
4. nvcc_2.0,
5. Nvidia,2008
MC 11.Dinâmica de Redes Tróficas
Professores: Michel Iskin da Silveira Costa (LNCC), Lucas Del Bianco Faria (UFLA)
Carga Horária: 22,5h
Período: 31/01/2011 a 03/02/2011
Horário: segunda - terça - quarta - quinta de 09:00 hs às 12:30 hs
Local: Sala 06 - Pós-Graduação
Horário: segunda - terça - quarta - quinta de 13:30 hs às 15:00 hs
Local: Laboratório 5
Resumo:
Este mini-curso tem como objetivo apresentar a construção de modelos de dinâmica de cadeias e redes tróficas a alunos de ciências biológicas, tendo em vista a sua aplicação em conservação de espécies,gerenciamento de recursos renováveis e efeitos de fragmentação/destruição de habitat.
Ementa:
1)Cadeia tri-trófica;
2) Competição aparente;
3) Competição por interferência mediada por predação;
4) Predação intraguilda em sistema competitivo por interferência;
5) Onivoria;
Bibliografia
1. Community ecology,
2. Morin, P. J.,
3. Blackwell Science, 1999
MC 12.Programação Massivamente Paralela com PyCUDA
Professor: Paulo Roberto Godoy Bordoni (LNCC)
Monitor: Fabrício Gomes Vilasbôas (ISTCC-P)
Carga Horária: 06:00h
Período: 31/01/2011 a 03/02/2011
Horário: segunda - terça - quarta - quinta de 09:30 hs às 11:00 hs
Local: Auditorio A
Resumo:
Ao concluir o curso o aluno deverá estar capacitado a escrever e executar programas para envolvendo programação massivamente paralela, com a linguagem Python, utilizando a biblioteca PyCUDA.
Pré-requisitos
Conhecimentos de programação com Python
Programação científica com Python
Ementa:
• A arquitetura de baixo-nível das placas de processamento paralelo/gráfico da Nvidia;
• Introdução a CUDA: memórias e kernel;
• PyCUDA - utilização dos módulos: pycuda.autoinit, pycuda.driver e pycuda.compiler;
• PyCUDA - as estruturas de dados: vetor e matriz;
• PyCUDA - operações com memória: transferência entre memórias, tratamento de memória;
• PyCUDA - map e reduce
Bibliografia
• http://documen.tician.de/pycuda/;
• Nvidia CUDA Programming Guide, V 3.0, Ed. Nvidia, (2010)
• David B. Kirk, Wen-mei W. Hwu, Programming Massively Parallel Processors: A Hands-on Approach, Ed. MK, (2010);
• Jason Sanders, Edward Kandrot, CUDA by Example: An Introduction to General-Purpose GPU Programming, Addison-Wesley, (2010)
ApresentaçãoMC 13.Programação Paralela Híbrida com MPI, OpenMP e Cuda
Professor: Carla Osthoff Ferreira de Barros (LNCC)
Carga Horária: 03:00h
Período: 31/01/2011 a 01/02/2011
Horário: segunda - terça de 11:00 hs às 12:30 hs
Local: Laboratório 5
Resumo:
O objetivo deste curso é ensinar aos programadores que estão familiarizados com programação paralela as noções básicas para desenvolver e executar programas paralelos em uma cluster que possui processadores multicores e placas GPGPU.
Para isto, iremos apresentar durante o curso as rotinas básicas para se trabalhar com o padrão troca de mensagens Message Passing Interface, MPI, em conjunto com as diretivas básicas de programação do padrão de memória compartilhada OpenMP ou Open Multi-Processing e os conceitos necessários para o uso da interface de programação em GPU da NIVDIA com o CUDA (Conputer Unified Device Architecture)
Ementa:
1. Introdução aos conceitos de processamento paralelo e ao padrão MPI.
2. Funcionalidades básicas do padrão MPI,
3. rotinas básicas de comunicação, rotinas de comunicação coletivas.
4. Introdução aos conceitos de diretivas de compilação do padrão OpenMP,
5. formato de diretivas,
6. condicional de compilação,
7. construtores paralelos,
8. construtores de compartilhamento de trabalho
9. Introdução aos conceitos de programação em memória compartilhada com sistema de memória cliente-servidor, através da linguagem de programação Cuda.
Bibliografia
1. Foundations of multithreaded, parallel, and distributed programming. Reading, Mass.: Addison-Wesley, c2000. 664 p.
2. Parallel programming in C with MPI and openMP. Dubuque, Iowa: McGraw-Hill, 2003. 529 p.
3. Parallel programming in OpenMP. San Francisco, CA: Morgan Kaufmann Publishers, c2001. 230 p.
4. Patterns for parallel programming. Boston: Addison-Wesley 2005. 355 p.
5. Using MPI: portable parallel programming with the message-passing interface. Cambridge; MIT Press, 1995. 307 p. (Scientific and engineering computation )
6. High Performance Cluster computing: Architectures and Systems vol. 1, Rajkumar Buyya (ed.), Prentice Hall 1999 High Performance Cluster computing: Programming and Applications vol. 2, Rajkumar Buyya (ed.), Prentice Hall 1999
aula aula 1 aula 2 aula 3 exemplosMC 14.Introdução à Modelagem Multiescala em Meios Porosos
Professor: Sidarta Araújo de Lima (LNCC)
Carga Horária: 07:30h
Período: 31/01/2011 a 04/02/2011
Horário: segunda - terça - quarta - quinta - sexta de 13:30 hs às 15:00 hs
Local: Sala 05 - Pós-Graduação
Resumo:
O mini-curso tem como objetivo realizar uma abordagem geral de algumas teorias de mudança de escala em meios porosos com destaque a Técnica de Homogeneização Periódica. Discutiremos de maneira prática e sucinta o processo de homogeneização e realizaremos diversas aplicações com ênfase no problema hidrodinâmico e transporte de solutos em meios porosos rígidos.
Ementa:
1.Introdução a Técnica de Homogeneização Periódica:
a)Breve explanação sobre os modelos matemáticos na escala macroscópica.
b)Caracterização do meio poroso periódico.
c)Descrição do processo de Homogeneização.
2.Homogeneização do Problema Hidrodinâmico:
a)Problema de Stokes na escala microscópica.
b)Homogeneização do modelo hidrodinâmico em um meio poroso rígido.
c)Dedução da Lei de Darcy.
3.Homogeneização da Equação do Transporte:
a)Problema do Transporte na escala microscópica em diferentes regimes do número de Péclet.
b)Dedução da equação macroscópica para o transporte de solutos reativos e não reativos.
Bibliografia
1)Auriault J.L., Lewandowska J., « Diffusion/adsorption/advection macrotransport in soils ». Eur. J. Mech., A/Solids, 15,(4), p. 681-704, 1996.
2)Auriault J.L., « Behavior of Porous Saturated Deformable Media». Geomaterials-InConstitutive Equations and Modeling, Elsevier, New York, p. 311-328, 1990.
3)Moyne C., Murad M.A., « Electro-chemo-mechanical couplings in swelling clays derived from a micro/macro homogenisation procedure ». Int. J. Solids Struct., 39, p. 6159-6190, 2002.
4)Sanchez-Palencia, E., Non-homogeneous media and vibration theory, Springer-Verlag, 1980.
MC 15.Introdução ao Padrão OpenMP
Professor: Carla Osthoff Ferreira de Barros (LNCC)
Carga Horária: 04:30h
Período: 31/01/2011 a 02/02/2011
Horário: segunda - terça - quarta de 15:00 hs às 16:30 hs
Local: Laboratório 5
Resumo:
Este curso apresenta uma introdução as funcionalidades do padrão de programação de memória compartilhada OpenMP. Ele é direcionado para estudantes e profissionais que atuam no campo da computação científica, mais especificamente, aqueles envolvidos com a área da computação de alto desempenho em ambientes de memória compartilhada.
As técnicas de programação em memória compartilhada são utilizadas em ambientes que possuem vários núcleos de processamento compartilhando o mesmo recurso de memória, tais como as arquiteturas multicores. Nesses casos, a utilização do padrão OpenMP tem crescido bastante nos últimos anos, uma vez que as funcionalidades do mesmo facilitam o desenvolvimento de aplicações em memória compartilhada.
Ementa:
• Introdução aos conceitos de processamento paralelo,
• diretivas de compilação,
• formato de diretivas,
• condicional de compilação,
• construtores paralelos,
• construtores de compartilhamento de trabalho,
• construtores combinados,
• clausulas,
• diretivas de sincronização,
• funções de ambiente de execução,
• funções de bloqueio,
• funções do tempo
• variáveis de ambiente.
Bibliografia
1. DANTAS, M. Computação Distribuída de Alto Desempenho – Redes, Clusters e Grids Computacionais. Rio de Janeiro: Axcel Books, 2005.
2. CHAPMAM, B. , JOST G. , VAN DER PAS, R. Using OpenMP. Massachusetts: Massachusetts Institute of Technology, 2008.
3. TORELLI, J. C., BRUNO, O. M., Programação paralela em SMP’s com OpenMP e Posix Threads: um estudo comparativo in IV Congresso Brasileiro de Computação – CBComp, 2004.
4. CHANDRA, R., DAGUM, L., MENON, R. Parallel Programming in OpenMP. San Francisco: Morgan Kaufmann Publishers, 2001.
5. CARDOSO, B., ROSA, S. R. A. dos S., FERNANDES, T.M., Multicore. Tutorial do Lawrence Livermore National Laboratory: https://computing.llnl.gov
6. Website do OpenMP: www.openmp.org
7. Website do Top500: www.top.org
aula aula 1 aula 2 aula 3 aula 4 aula 5 exemplosMC 16.Introdução à Geomecânica Computacional de Reservatórios de Petróleo e Gás
Professor: Marcio Arab Murad (LNCC)
Carga Horária: 04:30h
Período: 02/02/2011 a 04/02/2011
Horário: quarta - quinta - sexta de 15:00 hs às 16:30 hs
Local: Sala 06 - Pós-Graduação
Resumo:
Apresentar uma hierarquia de modelos computacionais para descrever o acoplamento entre a hidrodinamica e análise de tensões e deformações em reservatórios de petróleo durante o processo de prospecção de oleo e gás.
Analisar cenarios relativos ao impacto da deformação sobre a producao de petróleo.
Ementa:
• O que é a Gemecânica de Resevatorios?
• Modelos de Escoamento Monofásico
• Modelo Baseado em Compressibilidade
• Modelo Poroelastico
• Modelo Multifasico
• Modelos Baesados em Inelasticidade
Bibliografia
• J. Bear: Dynamics of Fluids in Porous Media
• P. Selvadurai: Plasticity and Geomechanics
• Erling Fjar: Petroleum Related Rock Mechanics b
• Mark D. Zoback: Reservoir Geomechanics by Mark D. Zoback
MC 17.Otimizações de Código em CUDA
Professor: Fernando Pereira (UFMG)
Carga Horária: 04:30h
Período: 31/01/2011 a 02/02/2011
Horário: segunda - terça - quarta de 13:30 hs às 15:00 hs
Local: Auditorio A
Resumo:
Este minicurso apresenta técnicas de compilação que podem ser utilizadas para melhorar de forma automática o código de programas escritos em PTX, a linguagem assembly usada pela Nvidia. Tais otimizações buscam melhorar a velocidade de leitura e escrita de dados na memória; a diminuição de efeitos de divergências devido a desvios condicionais e o particionamento da aplicação em blocos de threads
Ementa:
1. Introdução – o que é uma arquitetura SIMD?
2. Paralelizando loops via transformações de poliedro.
3. Otimizações de loop
a. Pré-fetching
b. Loop-unrolling
4. Otimizações de desvios condicionais
a. Análise de divergências
b. Eliminação de barreiras implícitas
c. Fusão de caminhos divergentes
Bibliográficas
1. The OpenCl Specification
2. CUDA_Reference_Manual_2.3, Nvidia, 2009
3. Programming Massively Parallel Processors: A Hands-on Approach. David B. Kirk and Wen-mei W. Hwu, Morgan Kaufmann, 2010.
4. Efficient compilation of fine-grained SPMD-threaded programs for multicore CPUs
5. An adaptive performance modeling tool for GPU architectures
6. Optimization principles and application performance evaluation of a multithreaded GPU using CUDA
7. Dynamic Warp Formation and Scheduling for Efficient GPU Control Flow
MC 18.Conceitos básicos das extensões OpenCL e CUDA do C/C++
Professor: Benno Bodmann (UFRGS)
Carga Horária: 04:30h
Período: 02/02/2011 a 04/02/2011
Horário: quarta - quinta de 11:00 hs às 12:30 hs
Local: Laboratório 5
Horário: sexta de 09:30 hs às 11:00 hs
Local: Laboratório 5
Resumo:
O mini-curso apresenta os conceitos básicos das extensões OpenCL e CUDA do C/C++.
Pretendemos introduzir e comparar o padrão OpenCL com os conceitos necessários para o desenvolvimento de programas que possam ser executados em processadores com tecnologia General Purpose Graphics Processing Units, GPGPU, entre o padrão OpenCL e o padrão da CUDA (Conputer Unified Device Architecture).
Ementa:
1. Introdução
2. Programação paralela
3. Ambientes C/C++ com OpenCL e CUDA
4. Comparação OpenCL e CUDA
cada com um exemplo
5. Conclusões
Bibliográfia
1. The OpenCl Specification
2. OpenCL JunpStart Guide
3. NVIDIA OpenCL Best Practices Guide version 1.0
4. CUDA_Reference_Manual_2.3, Nvidia, 2009
5. NVIDIA_CUDA_BestPracticesGuide_2.3, Nvidia, 2009
6. NVIDIA_CUDA_ProgrammingGuide_2.3, Nvidia, 2009
7. Programming Massively Parallel Processors: A Hands-on Approach. David B. Kirk and Wen-mei W. Hwu, Morgan Kaufmann, 2010.
aula 1 aula 1.1 aula 1.2 aula 1.4 aula 1.5 aula 1.6