Uso de GPU computing en matemática experimental
Este trabajo supone el uso de herramientas computacionales, capaces de analizar grandes cantidades de datos, para dar credibilidad, mediante la búsqueda de contraejemplos, a una nueva conjetura sobre números coprimos. Dicha conjetura postula que: “Entre dos pares de múltiplos consecutivos de todo nú...
Guardado en:
Autor principal: | |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2015
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/46217 |
Aporte de: |
id |
I19-R120-10915-46217 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas teoría de números Parallel processing GPU computing |
spellingShingle |
Ciencias Informáticas teoría de números Parallel processing GPU computing Correa, Carlos Uso de GPU computing en matemática experimental |
topic_facet |
Ciencias Informáticas teoría de números Parallel processing GPU computing |
description |
Este trabajo supone el uso de herramientas computacionales, capaces de analizar grandes cantidades de datos, para dar credibilidad, mediante la búsqueda de contraejemplos, a una nueva conjetura sobre números coprimos. Dicha conjetura postula que: “Entre dos pares de múltiplos consecutivos de todo número natural k>1 siempre hay al menos un número que es coprimo de todos los números naturales≤ k”.
Cuanto más extensiva sea la búsqueda de contraejemplos más fuerte se hará la conjetura planteada. Por ello, a fin de hacer que dicha búsqueda resulte además eficiente, en este trabajo se exploran y aplican técnicas de computación paralela SIMD de alta performance. Se trata, en concreto, del uso de GPU Computing y programación CUDA como plataforma para la implementación y ensayo de dos algoritmos de cribado especialmente diseñados para la búsqueda de coprimos. Uno de estos algoritmos fue diseñado respetando estrictamente lo que establece la conjetura, pero es a su vez el que demanda más recursos computacionales (tiempo + memoria).
El segundo algoritmo fue concebido aplicando más restricciones que las establecidas por la conjetura original. Esta idea permitió, a riesgo de toparse con “pseudo-contraejemplos”, reducir significativamente la demanda de dichos recursos computacionales. Existiendo de todos modos la posibilidad de volver a aplicar la conjetura original, y verificarla sobre algún punto de la búsqueda, si apareciera un posible “pseudo-contraejemplo”. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Correa, Carlos |
author_facet |
Correa, Carlos |
author_sort |
Correa, Carlos |
title |
Uso de GPU computing en matemática experimental |
title_short |
Uso de GPU computing en matemática experimental |
title_full |
Uso de GPU computing en matemática experimental |
title_fullStr |
Uso de GPU computing en matemática experimental |
title_full_unstemmed |
Uso de GPU computing en matemática experimental |
title_sort |
uso de gpu computing en matemática experimental |
publishDate |
2015 |
url |
http://sedici.unlp.edu.ar/handle/10915/46217 |
work_keys_str_mv |
AT correacarlos usodegpucomputingenmatematicaexperimental |
bdutipo_str |
Repositorios |
_version_ |
1764820474505723905 |