• português (Brasil)
    • English
    • español
    • italiano
    • Deutsch
  • English 
    • português (Brasil)
    • English
    • español
    • italiano
    • Deutsch
  • Login
View Item 
  •   DSpace Home
  • Trabalhos de Conclusão de Curso
  • Área do Conhecimento das Ciências Exatas e da Terra
  • Ciência da Computação - Bacharelado
  • View Item
  •   DSpace Home
  • Trabalhos de Conclusão de Curso
  • Área do Conhecimento das Ciências Exatas e da Terra
  • Ciência da Computação - Bacharelado
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Paralelização de aplicações de cálculo de fractais para GPU utilizando Numba

Thumbnail
View/Open
TCC Bruno de Avila.pdf (5.467Mb)
Date
2022-12-13
Author
Avila, Bruno de
Orientador
Martinotto, André Luis
Metadata
Show full item record
Abstract
O interesse em fractais reside na grande quantidade de situações práticas em que esses objetos abstratos são utilizados. Entre outras aplicações, pode-se citar a área de mineralogia, onde são usados para o cálculo da densidade de minerais, e na área da oceanografia, onde são utilizados para auxiliar na análise das extensões litorâneas. Além disso, observa-se um crescente interesse pela arte fractal, principalmente, nas áreas de computação gráfica, animações e outros tipos de mídia. Os fractais comumente são gerados utilizando funções matemáticas, cujos resultados são transformados em imagens. No entanto, para a geração de fractais cada vez mais complexos e detalhados, torna-se necessário um alto poder computacional. Desta forma, neste trabalho foi realizado um estudo sobre a paralelização de cálculos de fractais utilizando unidades de processamento gráfico. Mais especificamente foram paralelizados três fractais que são gerados a partir de relações de recorrência, os fractais de Julia, de Mandelbrot 2D e 3D; e um fractal aleatório, o fractal da árvore browniana. As implementações foram desenvolvidas utilizando a linguagem de programação Python e foram paralelizadas para GPU utilizando a biblioteca Numba. Para avaliação, foi realizada uma comparação entre os tempos de execução das implementações, em que os resultados que apresentaram o menor tempo de execução foram os executados na GPU chegando a serem 858 vezes mais rápidos que os executados na CPU. A implementação feita em Python apresentou um tempo de execução muito maior quando comparada aos outros métodos implementados. [resumo fornecido pelo autor]
URI
https://repositorio.ucs.br/11338/11981
Collections
  • Ciência da Computação - Bacharelado [186]

DSpace software copyright © 2002-2016  DuraSpace
Contact Us | Send Feedback
Theme by 
Atmire NV
 

 

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

DSpace software copyright © 2002-2016  DuraSpace
Contact Us | Send Feedback
Theme by 
Atmire NV