Departamento De Sistemas Informáticos Y Computación

Línies I+D+i

• Computación Científica. Algoritmos paralelos para el cálculo de valores propios de matrices dispersas de gran dimensión.
  Paralelización de métodos existentes para resolver problemas de valores propios de gran tamaño que aparecen en diferentes aplicaciones de computación científica, optimizando la eficiencia y la escalabilidad..
• Computación Científica. Computación matricial paralela en GPUs y aceleradores.
  Problemática específica de la implementación eficiente de algoritmos matriciales en GPUs, tanto para matrices densas como dispersas, incluyendo modelos de programación híbridos..
• Computación Científica. Ingeniería del software para computación científica de gran escala.
  Aplicación de diferentes técnicas de ingeniería del software para abordar las especificidades del software de computación científica, como el mantenimiento de diferentes variantes paralelas (paso de mensajes, memoria compartida, aceleradores), portabilidad a diversas plataformas manteniendo la eficiencia, etc..
• Computación Científica. Métodos numéricos para la resolución de problemas de autovalores lineales y no lineales.
  Diseño e implementación de nuevos algoritmos para abordar problemas relacionados con los autovalores, como el cálculo de la SVD y GSVD, problemas de autovalores polinómicos, problemas no lineales con respecto del autovalor o del autovector, o problemas de autovalores lineales estructurados..
• Computación Paralela. Arquitecturas de Altas Prestaciones aplicadas a problemas de Algebra Lineal Numérica..
  El modelado de problemas en Ingeniería suele llevar a problemas de gran dimensión que implican el uso de herramientas de altas prestaciones tanto desde el punto de vista hardware (computadores paralelos de última generación, supercomputadores,¿) como desde el punto de vista software (entornos de programación paralela, librerías de Álgebra Lineal Numérica de Altas Prestaciones,...). Muchos problemas en Ingeniería no pueden resolverse sin ayuda de las técnicas de Computación de Altas Prestaciones. Ejemplos como el análisis de Redes de Distribución de Agua, Diseño de Circuitos en Nanoelectrónica, Cálculo de Estructuras, Análisis de Campos Electromágnéticos, Reconstrucción, Filtrado y Segmentación de Imágenes Médicas, Simulación en modelos Neutrónicos-Termohidraulicos 2D y 3D, Modelos de Recuperación de Información Algebraicos, Medicina Nuclear, etc., son algunos campos donde este tipo de técnicas se están aplicando con éxito...
• Computación Paralela. Computación Paralela Heterogénea.
  Una tendencia en el diseño de los computadores actuales es la incorporación de elementos de proceso con diferentes arquitecturas. Es frecuente encontrar en el mercado arquitecturas que incluyen un procesador tipo x86 junto con una GPU, o incluso procesadores, como el Intel Xeon Phi, que incluyen núcleos computacionales de distinta arquitectura. La utilización de estos procesadores ofrece muy buenas prestaciones en múltiples aplicaciones pero requiere una programación muy específica para aprovechar al máximos la arquitectura heterogénea. Otro aspecto importante de este tipo de máquinas, así como de la aplicaciones que se pueden ejecutar en ellas, es el consumo energético. La computación consciente del consumo pretende obtener resultados óptimos atendiendo a dos criterios: maximizar las prestaciones computacionales y disminuir el consumo energético. Esto puede llevarse a cabo influyendo sobre el hardware (como están haciendo los fabricante de procesadores) o modificando el software como hacemos en esta línea de investigación. ..
• Computación Paralela. Computación de Altas Prestaciones aplicada a problemas de Comunicaciones..
  En los últimos años, las técnicas de procesado digital de señales han experimentado una evolución enorme, potenciadas por una parte por el uso generalizado de sensores que generan una gran cantidad de datos; por otra parte por la aparición del hardware necesario para poder procesar estos datos. Existen numerosos ejemplos donde esta línea de investigación está produciendo resultados interesantes: Sistemas de control distribuido para aplicaciones de sonido, Algoritmos de detección y decodificación en sistemas de comunicaciones MIMO, Algoritmos de detección, seguimiento y separación de fuentes, etc. Especial interés en esta línea de investigación tiene el campo de los entorno Smart City, donde los problemas aparecen por la confluencia de gran cantidad de sensores que generan grandes cantidades de datos que deben ser procesados, a veces en tiempo real, utilizando un hardware especializado y que requiere un diseño específico de algoritmos. .