1 |
[en] REAL-TIME OCEAN SIMULATION AND VISUALIZATION USING GPU / [pt] SIMULAÇÃO E VISUALIZAÇÃO DE OCEANO EM TEMPO REAL UTILIZANDO A GPURODRIGO MARQUES ALMEIDA DA SILVA 21 October 2010 (has links)
[pt] A geração de cenas realísticas de fenômenos naturais em tempo real é uma das mais importantes áreas de pesquisa para aplicações em jogos e simuladores. No início da computação gráfica para tempo real, a maioria das aplicações tratava a superfície da água como um plano com uma textura. Essa abordagem produz uma visualizaçãomuito pouco realística da superfície da água, além de não reproduzir o comportamento hidrodinâmico correto da água. Nesse contexto, muitos grupos de pesquisa desenvolveram técnicas para a visualização realística da superfície da água, contudo, a maioria desses trabalhos foca no processo off-line e poucos tratam da questão em tempo real. No entanto, os recentes avanços no desempenho do hardware permitiram a utilização de técnicas tradicionalmente usadas emoff-line para o escopo de tempo real, porém não há uma pesquisa-guia que descreva tais técnicas e faça uma análise comparativa das mesmas. Sendo assim, sem tal pesquisa-guia é muito difícil escolher a melhor técnica para um hardware específico ou se determinada técnica provê o controle de simulação necessário para uma aplicação específica.Nesse contexto, a presente pesquisa analisa as técnicas mais importantes para visualização e simulação de oceano em tempo real, utilizando a unidade de processamento gráfico como o processador principal. Além disso, ela realiza uma análise comparativa de desempenho de cada técnica e estuda os prós e contras delas. Ainda, alguns métodos off-line clássicos são adaptados para uso na GPU. / [en] The synthesis of realistic natural scenes in real time is one of the most important research areas for applications in games and simulators. In the beginning of real-time computer graphics, most of the applications treated water surface as a textured plane. This approach produces a very low realistic rendering of the water surface and does not reproduce the correct hydrodynamics behaviour of the water. So, a lot of research groups developed techniques for realistic water rendering, most of them for off-line processes and a few for real-time use. However, current improvementson hardware performance allow the usage oftraditional off-line techniques for real-time proposes, but there is no research work that describesthese techniques and makes a comparative analysis of them. Then, without this comparative analysis, it is very difficult to choose the best technique for a specific hardware or to decide if a particular technique provides the simulation control that a certain application needs.In this context, the present research work analyses the most important techniques for real-time ocean water simulation and visualization using the graphics processor unit as a main processor. Moreover, it makes a performance comparative analysis of each technique and analyses the pros and cons of them. Furthermore, some classic off-line methods are adapted for GPU use.
|
2 |
[en] HIGH PERFORMANCE COMPUTING WITH GRAPHICS CARDS TO ACCELERATE PROCESSING DENSITY FUNCTIONAL THEORY / [pt] COMPUTAÇÃO DE ALTO DESEMPENHO COM PLACAS GRÁFICAS PARA ACELERAR O PROCESSAMENTO DA TEORIA DO FUNCIONAL DA DENSIDADECLEOMAR PEREIRA DA SILVA 26 November 2010 (has links)
[pt] As Unidades de Processamento Gráfico (GPUs), ou Placas Gráficas, são
processadores que foram originalmente projetados para executar tarefas dedicadas
às operações da computação gráfica. Porém, a NVIDIA desenvolveu uma
extensão da linguagem C para programação de GPUs, chamada CUDA (Compute
Unified Device Architecture). Isto permitiu utilizá-las, na Computação de Alto
Desempenho, para processar dados genéricos. Já os sistemas físicos estudados
pela Mecânica Quântica apresentam dimensões próximas da escala atômica, tais
como moléculas, átomos, prótons e elétrons. A Teoria do Funcional da Densidade
(DFT) é um dos métodos iterativos mais usados para encontrar uma solução
aproximada para a equação de Schrödinger. Contudo, os cálculos realizados em
DFT são computacionalmente intensos devido às integrais de troca e correlação
eletrônica, integrais para o cálculo da energia de Hartree e energia cinética dos
elétrons, as quais requerem maior esforço computacional à medida que o número
de elétrons presentes na simulação aumenta. Esta pesquisa teve como objetivo
estudar os cálculos do DFT e identificar partes do algoritmo que, se alteradas,
apresentassem benefícios de desempenho ao serem executadas em GPU. Assim,
funções computacionalmente intensas do método DFT do SIESTA (Spanish
Initiative for Electronic Simulations with Thousands of Atoms) foram
paralelizadas e usadas para calcular propriedades físicas de nanotubos e fulerenos.
Verificou-se que a execução da versão paralela do SIESTA para GPU é capaz de
atingir ganhos em desempenho, em funções individuais, de uma ou até duas
ordens de grandeza, tornando promissor o emprego de GPUs em acelerar o
processamento da Teoria do Funcional da Densidade. / [en] The graphics processing units (GPUs), or graphics cards, are processors that
were originally designed to perform dedicated tasks to the computer graphics
operations. However, NVIDIA has developed an extension of the C language for
programming GPUs, called CUDA (Compute Unified Device Architecture). This
allowed the use of GPUs, in High Performance Computing, for processing generic
data. The physical systems studied by quantum mechanics have dimensions close
to atomic scale, such as molecules, atoms, protons and electrons. The Density
Functional Theory (DFT) is one of the most used interactive methods to find an
approximated solution to the Schrödinger equation. However, the calculations in
DFT are computationally intensive because of the exchange and correlation
electronic integrals, integrals to calculate the Hartree energy and electrons kinetic
energy, which requires greater computational effort as the number of electrons
present in the simulation increases. This research aimed to study the DFT
calculations and identify parts of the algorithm that, if changed, experience
performance benefits from execution in GPU. Thus, computationally intensive
DFT functions of the SIESTA method (Spanish Initiative for Electronic
Simulations with Thousands of Atoms) were parallelized and used to calculate the
physical properties of nanotubes and fullerenes. It was found that the
implementation of SIESTA parallel version on the GPU is able to achieve gains in
performance, in individual functions, of one or even two orders of magnitude,
making it promising employment of GPUs to speed up the processing of Density
Functional Theory.
|
Page generated in 0.0292 seconds