Development of a GPGPU accelerated tool to simulate advection-reaction-diffusion phenomena in 2D

• Autor(a) principal: Carlotto, Tomas
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFFS (Repositório Digital da UFFS)
• Texto Completo: https://rd.uffs.edu.br/handle/prefix/2058
• topic: Computação paralela; GPGPU; CUDA; Modelagem ambiental; Softwares; Modelagem computacional

Os modelos computacionais são ferramentas poderosas para o estudo de sistemas ambientais, desempenhando um papel fundamental em vários campos de pesquisa (ciências hidrológicas, biomatemática, ciências atmosféricas, geociências, entre outros). A maioria desses modelos requer alta capacidade computacional, especialmente quando se considera uma alta resolução espacial e a aplicação em grandes áreas. Neste contexto, o aumento exponencial do poder computacional trazido pelas Unidades de Processamento de Gráficos de Propósito Geral (GPGPU) chamou a atenção de cientistas e engenheiros para o desenvolvimento de implementações paralelas de baixo custo e alto desempenho para modelos ambientais. Neste trabalho, aplicamos computação em GPGPU para o desenvolvimento de um modelo que descreve os processos físicos de advecção, reação e difusão. Esta dissertação é apresentada sob a forma de três artigos. No primeiro, apresentamos uma implementação em GPGPU para a solução da equação de fluxo de águas subterrâneas 2D em aquíferos não confinados para meios heterogêneos e anisotrópicos. Foi implementado um esquema de solução de diferenças finitas com base no método Crank- Nicolson e mostramos que a solução acelerada GPGPU implementada usando CUDA C / C ++ supera a solução serial correspondente implementada em C / C ++. Os resultados mostram que a implementação acelerada por GPGPU é capaz de fornecer aceleração de até 56 vezes no processo da solução usando um computador de escritório comum. No segundo artigo estudamos a aplicação de um modelo de crescimento logístico difusivo (DLG) ao problema de crescimento e regeneração florestal. O estudo foi desenvolvido em duas etapas: (i) Aplicou-se uma metodologia baseada em Comites de Rede Neural Artificial (ANNE) para avaliar a largura da faixa de proteção ripária necessária para filtrar 90% do nitrogênio residual; (ii) O modelo DLG foi calibrado e validado para gerar um prognóstico de regeneração florestal em faixas de proteção ripárias considerando as larguras mínimas indicadas pela ANNE. A solução foi implementada em GPGPU e aplicada para simular o processo de regeneração florestal para um período de quarenta anos na faixa de proteção ripária ao longo do rio Ligeiro, no Brasil. Os resultados da calibração e validação mostraram que o modelo DLG fornece resultados bastante precisos para a modelagem de regeneração florestal. No terceiro artigo, apresenta-se uma implementação em GPGPU para solução da equação advecção-reação-difusão em 2D. A implementação é projetada para ser geral e flexível para permitir a modelagem de uma ampla gama de processos, incluindo características como heterogeneidade e anisotropia do meio. Neste trabalho mostra-se que as simulações realizadas em GPGPU permitem o uso de malhas contendo mais de 20 milhões de pontos (variáveis), correspondendo a uma área de 18.000 km² em resolução de 30m padrão das imagens Landsat.