El Supercómputo en la Explotación del Petróleo

Tamaño: px
Comenzar la demostración a partir de la página:

Download "El Supercómputo en la Explotación del Petróleo"

Transcripción

1 El Supercómputo en la Explotación del Petróleo Escuela de Modelación y Métodos Numéricos CIMAT, Guanajuato, Junio 2009 Luis M. de la Cruz Unidad de Investigación en Cómputo Aplicado DGSCA Universidad Nacional Autónoma de México k: web : 19 Junio 2009

2 Colaboradores Dr. Ismael Herrera, Instituto de Geofísica UNAM Dr. Martín Díaz Viera, Instituto Mexicano del Petróleo Dr. Dennys López Falcón, Instituto Mexicano del Petróleo LMCS Escuela de Modelación y Métodos Numéricos 2 / 44

3 Contenido 1 MMC Problemas de gran reto Proceso general de la MMC Modelos físicos Modelos matemáticos Modelos discretos Solución de las ecuaciones 2 Cómputo de Alto Desempeño (HPC) HPC Visualización y análisis de los resultados 3 Integración 4 Conclusiones LMCS Escuela de Modelación y Métodos Numéricos 3 / 44

4 Modelación Matemática y Computacional La MMC (cómputo científico) ha tenido un desarrollo muy significante en los últimos años. Desarrollo de nuevas arquitecturas. Desarrollo de nuevos métodos. Desarrollo de algoritmos eficientes. Se ha convertido en una herramienta indispensable en casi todas las disciplinas científicas. Es particularmente útil en la solución de problemas que son insolubles analíticamente o cuyo experimento es imposible difíciles, lentos, caros y peligrosos. LMCS Escuela de Modelación y Métodos Numéricos 4 / 44

5 Problemas de gran reto El Federal High Performance Computing and Communications Program (HPCC) establecido en 1991, en EE.UU, definió una clase de problemas conocidos como Grand Challenge Problems(GCP). Un GCP es un problema fundamental de ciencia y/o ingeniería, NO resuelto en la actualidad, con muchas aplicaciones y cuya solución requiere del uso de grandes recursos de cómputo, los cuales estarán disponibles en un futuro cercano. La solución de un GCP tendría un gran impacto económico y social significante. Uno de esos problemas es la recuperación eficiente de hidrocarburos. LMCS Escuela de Modelación y Métodos Numéricos 6 / 44

6 Proceso general de la MMC La modelación matemática y computacional (MMC) consiste de la construcción de modelos matemáticos de fenómenos que ocurren en la naturaleza y en procesos industriales, y de la solución de éstos mediante el uso de técnicas numéricas y computacionales LMCS Escuela de Modelación y Métodos Numéricos 8 / 44

7 Modelo Físico Un yacimiento petrolero está constituido de un material sólido y poroso (la matriz), cuyos huecos están llenos de fluidos que se separan en tres fases: agua, aceite y gas. En la fase agua sólo hay H2O, pero tanto en la fase de aceite como en la fase de gas hay muchos hidrocarburos de distinta composición LMCS Escuela de Modelación y Métodos Numéricos 10 / 44

8 Modelo Físico En la simulación de yacimientos petroleros (SYP) Rasgos geológicos y estructurales del yacimiento. Fallas, delimitación de unidades geológicas, tipos de rocas y su distribución, etc. Distribución de las propiedades petrofísicas de roca y fluidos. Porosidad, permeabilidad, saturación, etc. Tipo de modelo Una, dos o tres fases (petróleo, agua, aceite). Composicional Modelos térmicos. Reacciones químicas LMCS Escuela de Modelación y Métodos Numéricos 11 / 44

9 Modelo Matemático: petróleo negro Ecuaciones de balance global dm w Z (t) = g w dx dt B(t) d M o Z (t) = ḡ o dx dt B(t) dm dg Z (t) = dt dm g (t) dt = Z B(t) B(t) g dg + g o g dx g dg + g g o dx Ecuaciones diferenciales de balance (φs wρ w) + (φs wρ wv w ) t = g w (φs o ρ o) + (φs o ρ ov o ) t = ḡ o (φs o R S ρ o) + (φs o ρ dgv o ) t = g dg + g o g (φs gρ g) + (φs gρ gv g ) t = g g + g g o S w + S o + S g = 1 y g o g + g g o = 0 Las g α corresponden a la extracción de cada fase; g o g es la masa de gas que se disuelve en la fase aceite; g g o es la masa de gas disuelto que se volatiliza pasando a la fase gas. LMCS Escuela de Modelación y Métodos Numéricos 13 / 44

10 Modelo Matemático: petróleo negro Usando la velocidad de Darcy (u α = φs α v α, α = w, o, g ): (φs wρ w) + (ρ wu t w ) = g w (φs o ρ o) + ( ρ ou t o ) = ḡ o φ(s gρ g + S o R S ρ o) + (ρ gu t g + ρ o R Su o ) = g g + R Sḡ o u α = kkrα ` pα + ρ α γ µ α ρ dg = R S ρ o; S w + S o + S g = 1; p cgo(s g) = p g p o; p cow(s w) = p o p w 9 ecs. por nodo de la malla y el mismo número de incógnitas, (ρ w, ρ o, ρ g, S w, S o, S g, u w, u o, u g ). LMCS Escuela de Modelación y Métodos Numéricos 14 / 44

11 Modelos discretos Dado que en general no existe solución analítica de los modelo matemáticos, se recurre a métodos numéricos simular los fenómenos que ocurren en la extracción de petróleo. El problema se transforma en un modelo discreto: 1 Discretización del espacio 2 Discretización de las ecuaciones matemáticas continuas. LMCS Escuela de Modelación y Métodos Numéricos 16 / 44

12 Modelos discretos: espacio En los métodos numéricos tradicionales se requiere de la construcción de una malla sobre el dominio físico de estudio. En SYP la generación de la malla es un proceso muy complejo, pues las mallas son irregulares y con fallas. LMCS Escuela de Modelación y Métodos Numéricos 17 / 44

13 Modelos discretos: ecuaciones Métodos numéricos más usados: Diferencias finitas (MDF) Volumen finito (MVF) Elemento finito (MEF), En años recientes el método de MVF, originalmente desarrollado para mallas estructuradas, ha sido adaptado a mallas no estructuradas para geometrías complejas. Debido a esto el MVF ha sido utilizado en SNY, y de acuerdo con varios autores, es actualmente una buena opción a MDF y MEF. Menos grados de libertad Conservativo Más fácil de implementar que MEF. Menos esfuerzo computacional que MEF. Más preciso que MDF. LMCS Escuela de Modelación y Métodos Numéricos 18 / 44

14 Solución de las ecuaciones Modelo composicional: 2 N c + 9 ecuaciones en cada nodo, con el mismo número de incógnitas. N c es el número de componentes. Para 80,000 nodos: Composicional: N c = 5; 1, Los sistemas son dispersos y es en este paso donde se consume el mayor tiempo de cómputo. Algoritmos de solución: Directos (Gauss, LU) Iterativos (Jacobi, Gauss-Seidel, PCGM, GMRES, ORTHOMIN) LMCS Escuela de Modelación y Métodos Numéricos 20 / 44

15 Ley de Moore En 1965 Gordon Moore se dió cuenta que el número de transistores en un circuito integrado se podía duplicar cada 18 meses. LMCS Escuela de Modelación y Métodos Numéricos 22 / 44

16 Ley de Moore en la práctica LMCS Escuela de Modelación y Métodos Numéricos 23 / 44

17 Velocidad de una computadora Proporcional al número de transistores por unidad de área. FLOPS : FLoating point Operations Per Second. Nombre Símbolo FLOPS Mega FLOPS MFLOPS 10 6 Giga FLOPS GFLOPS 10 9 Tera FLOPS TFLOPS Peta FLOPS PFLOPS Exa FLOPS EFLOPS Zetta FLOPS ZFLOPS Yotta FLOPS YFLOPS Xera FLOPS XFLOPS LMCS Escuela de Modelación y Métodos Numéricos 24 / 44

18 Requerimientos en un GCP SYN: Modelo composicional Se consideran N c componentes de hidrocarburos. Fases: agua, aceite y gas. 2 N c + 9 ecuaciones e incógnitas por nodo. En una simulación típica se requieren 10 6 nodos. Total de incógnitas para N c = 5 es Simulación de 5 años, resultados cada día. : 3, Double 4 Bytes. Total requerido : O(10 11 ). Este tipo de simulaciones se repiten muchas veces. Escalamiento (Upscaling) : reducción del número de nodos. LMCS Escuela de Modelación y Métodos Numéricos 25 / 44

19 Cómputo de Alto desempeño (HPC) High-performance computing (HPC) Provee de recursos computacionales con más de un orden de mágnitud de poder computacional que una PC de escritorio. Estos recursos agrupados en un mainframe se suele llamar supercomputadora, aunque también es posible tener el mismo poder mediante el arreglo de computadoras o clusters. Las supercomputadoras y/o clusters son usados para resolver problemas complejos de gran escala (GCP). El uso efectivo de HPC requiere de aprender a desarrollar estas técnicas dentro de un código. LMCS Escuela de Modelación y Métodos Numéricos 26 / 44

20 Top 500 Lista de supercomputadoras más poderosas en el mundo. 1.- Roadrunner, LANL, USA, 122,440 cores, TFLOPS (1 PFLOP) Kanbalam, UNAM, MX, 1,368 cores, 7.1 TFLOPS. 1 Noviembre, 2006 LMCS Escuela de Modelación y Métodos Numéricos 27 / 44

21 Ley de Moore vs HPC LMCS Escuela de Modelación y Métodos Numéricos 28 / 44

22 Top 10 LMCS Escuela de Modelación y Métodos Numéricos 29 / 44

23 Desempeño hasta 2009 LMCS Escuela de Modelación y Métodos Numéricos 30 / 44

24 Desempeño proyectado hast 2019 LMCS Escuela de Modelación y Métodos Numéricos 31 / 44

25 Desarrollo de Software I. Jacobson, G. Booch, and J. Rumbaugh. LMCS Escuela de Modelación y Métodos Numéricos 32 / 44

26 Desarrollo de software en MMC LMCS Escuela de Modelación y Métodos Numéricos 33 / 44

27 TUNA::FVM Arquitectura LMCS Escuela de Modelación y Métodos Numéricos 34 / 44

28 TUNA::FVM Paquetes Ecuación general de transporte: Versión discreta usando FVM: ψ t + (vψ) = τ + g a P ψ P = a W ψ W + a E ψ E + a S ψ S + a N ψ N + a B ψ F + a B ψ B + S u. LMCS Escuela de Modelación y Métodos Numéricos 35 / 44

29 Desarrollo de software en MMC Bibliotecas de código abierto, paralelos y escalables: TOPS : Toward Optimal Petascale Simulation [http://www.scalablesolvers.org/] HYPRE [ ] PETSc : Portable, Extensible Toolkit for Scientific Computation [http://www.mcs.anl.gov/petsc/] SUNDIALS [ ] SuperLU [ xiaoye/superlu/ ] Toolkit for Advanced Optimization [ ] The Trilinos Project [ ] Métodos de Descomposición de Dominio. Herrera, I and Yates, R., Unified Multipliers-Free Theory of Dual-Primal Domain Descomposition Methods, Numerical Methods For Partial Differenctial Equations, Wiley InterScience, LMCS Escuela de Modelación y Métodos Numéricos 36 / 44

30 HPC Aprender HPC requiere de mucho esfuerzo. Con HPC se puede mejorar un código para que en vez de 1 día se ejecute en 1 hr. Por qué no esperar 1 día? Respuestas: HPC nos da lo que no se obtiene en ningún otro lugar: hacer ciencia más grande, más rápido y más emocionante. Si un código corre más rápido significa que puede resolver problemas más grandes que los comunes en la misma cantidad de tiempo. Lo que pasa hoy en HPC será lo que se tenga en una PC de escritorio en 5 o 10 años. Cualquier experiencia en HPC nos da una visión del futuro. LMCS Escuela de Modelación y Métodos Numéricos 37 / 44

31 Visualización y análisis Que hacer con miles y miles de números? Visualización científica: mapear números en dimensiones perceptuales para hacer la información entendible. Visual, auditiva y táctil. Nuevas tecnologías estereoscopía despliegues amplios e interfaces. cluster s gráficos con GPUs de última generación (ATI, nvidia, etc.) programación de la GPU. Visualización en paralelo [http://www.scidac.gov/viz/viz.html] The Institute for Ultrascale Visualization The Visualization and Analytics Center for Enabling Technologies (VACET) The Scientific Data Management Center for Enabling Technologies LMCS Escuela de Modelación y Métodos Numéricos 39 / 44

32 Integración Como integrar todas las técnologías para modelar la recuperación mejorada de hidrocarburos? Telecomunicaciones. GRID e Internet 2. Ejemplo: ResGRID Center for Computation and Technology, Louisiana State University (LSU). Craft & Hawkins Departament of Petroleum Engineering, LSU. Dept. of Computer Science, LSU. Objetivos: 1 Manejo de datos de gran escala 2 Realización de cientos o miles de simulaciones. 3 Herramientas fácil de usar integradas (a través de web). LMCS Escuela de Modelación y Métodos Numéricos 40 / 44

33 ResGrid : escenario de uso LMCS Escuela de Modelación y Métodos Numéricos 41 / 44

34 ResGrid : manejo de datos LMCS Escuela de Modelación y Métodos Numéricos 42 / 44

35 ResGrid : manejo de las simulaciones LMCS Escuela de Modelación y Métodos Numéricos 43 / 44

36 Conclusiones La modelación matemática y computacional de la recuperación eficiente de hidrocuarburos es un problema de gran reto. Los modelos físicos y matemáticos son complejos. La generación de las mallas no es trivial Los métodos numéricos generan sistemas de ecuaciones muy grandes. Requiere de grandes recursos de cómputo (HPC). CPU Memoria Almacenamiento Análisis El uso de HPC es de vital importancia. El uso de la Ingeniería de software en combinación con POO y PP ayudan a ordenar los desarrollos. Una manera de integrar las nuevas tecnologías es a través del uso de GRID. Se requiere de personal especializado en muchas áreas del conocimiento. LMCS Escuela de Modelación y Métodos Numéricos 44 / 44

Computación Científica en Paralelo

Computación Científica en Paralelo Computación Científica en Paralelo Luis Miguel de la Cruz luiggix@gmail.com www.dci.dgsca.unam.mx/luiggi Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado en Ciencia e Ingeniería de la Computación

Más detalles

HP CAST IBÉRICA 2012

HP CAST IBÉRICA 2012 HP CAST IBÉRICA 2012 SERVICIOS DE NUBE PÚBLICA SOBRE ECOSISTEMAS DE SUPERCOMPUTACIÓN Ó HPC2 INTA, Torrejón de Ardoz, 2 Octubre de 2012 joseluis.gonzalez@cenits.es SERVICIOS DE NUBE PÚBLICA SOBRE ECOSISTEMAS

Más detalles

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013 FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS CNCA Abril 2013 6. COMPUTACIÓN DE ALTO RENDIMIENTO Ricardo Román DEFINICIÓN High Performance Computing - Computación de Alto Rendimiento Técnicas, investigación

Más detalles

TUTORIAL: COMPUTACIÓN de ALTO DESEMPEÑO

TUTORIAL: COMPUTACIÓN de ALTO DESEMPEÑO TUTORIAL : COMPUTACIÓN de ALTO DESEMPEÑO SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción Computadores paralelos

Más detalles

Aplicación del Procesamiento en Paralelo en Modelación Computacional. Robert A. Yates Instituto de Geofísica

Aplicación del Procesamiento en Paralelo en Modelación Computacional. Robert A. Yates Instituto de Geofísica Aplicación del Procesamiento en Paralelo en Modelación Computacional Robert A. Yates Instituto de Geofísica (algunos) Problemas de Interés Prognóstico del Clima Reservas Petroleras Rendering [Hollywood]

Más detalles

Soluciones para entornos HPC

Soluciones para entornos HPC Dr.. IT Manager / Project Leader @ CETA-Ciemat abelfrancisco.paz@ciemat.es V Jornadas de Supercomputación y Avances en Tecnología INDICE 1 2 3 4 HPC Qué? Cómo?..................... Computación (GPGPU,

Más detalles

Servicios avanzados de supercomputación para la ciència y la ingeniería

Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería HPCNow! provee a sus clientes de la tecnología y soluciones

Más detalles

Departamento Aeronáutica

Departamento Aeronáutica Departamento Aeronáutica 3 Encuentro Nacional de Computación de Alto Rendimiento para Aplicaciones Científicas - WHPC 2014 Córdoba, 5 y 6 de agosto Grupo de Trabajo Grupo de Trabajo Este grupo de trabajo

Más detalles

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez Supercómputo Oscar Rafael García Regis Enrique Cruz Martínez 2003-I Oscar Rafael García Regis Laboratorio de Dinámica No Lineal Facultad de Ciencias, UNAM Enrique Cruz Martínez Dirección General de Servicios

Más detalles

Tópicos de implementación en paralelo

Tópicos de implementación en paralelo Apéndice C Esquema PGP. Implementación en un entorno paralelo. Para poder abordar eficazmente la simulación computacional de grandes problemas estructurales, es necesario utilizar estrategias numéricas

Más detalles

INGENIERIA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES CLAVE MATERIA OBJETIVO

INGENIERIA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES CLAVE MATERIA OBJETIVO INGENIERIA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES CLAVE MATERIA OBJETIVO SCE - 0418 SCM - 0414 SCC-0428 ACM - 0403 SCB - 0421 SCV - 0407 ACU-0402 Introducción a la ingeniería en sistemas computacionales

Más detalles

Computación Científica en Paralelo

Computación Científica en Paralelo Computación Científica en Paralelo Luis Miguel de la Cruz luiggix@gmail.com www.dci.dgsca.unam.mx/lmcs Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado en Ciencia e Ingeniería de la Computación

Más detalles

Analizar, desarrollar y programar modelos matemáticos, estadísticos y de simulación.

Analizar, desarrollar y programar modelos matemáticos, estadísticos y de simulación. PERFIL PROFESIONAL Analizar, desarrollar y programar modelos matemáticos, estadísticos y de simulación. Reconocer y guiarse por los aspectos sociales, profesionales y éticos en su entorno. Dirigir y coordinar

Más detalles

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS MAURO CANABÉ SERGIO NESMACHNOW Centro de Cálculo, Facultad de Ingeniería Universidad de la República, Uruguay GPU IMPLEMENTATIONS

Más detalles

UAEM 2015, Estado de México

UAEM 2015, Estado de México CONSTRUCCIÓN DE CLUSTERS Fernando Robles Morales Ins/tuto Nacional de Medicina Genómica Enrique Cruz Mar

Más detalles

PROPUESTA DE EQUIVALENCIAS Y CONVALIDACIONES

PROPUESTA DE EQUIVALENCIAS Y CONVALIDACIONES PROPUESTA DE EQUIVALENCIAS Y CONVALIDACIONES PARA DOBLE TITULACIÓN PRIMER PROGRAMA: INGENIERÍA SEDE MEDELLÍN SEGUNDO PROGRAMA:INGENIERÍA DE SEDE MEDELLÍN a. Componente de Fundamentación: AGRUPACIÓN: MATEMÁTICAS

Más detalles

Arquitectura: Clusters

Arquitectura: Clusters Universidad Simón Bolívar Arquitectura: Clusters Integrantes: - Aquilino Pinto - Alejandra Preciado Definición Conjuntos o conglomerados de computadoras construidos mediante la utilización de hardware

Más detalles

COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN PARALELO PARA FEA VÍA ANSYS 14.5

COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN PARALELO PARA FEA VÍA ANSYS 14.5 Second International Conference on Advanced Mechatronics, Design, and Manufacturing Technology - AMDM 2014 1 COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN

Más detalles

Introducción: Visualización, Discretización,

Introducción: Visualización, Discretización, Introducción: Visualización, Discretización, Hardware y Métodos Numéricos Prof. M.C. Rivara 2011 M.C.Rivara 2011 1 Contenido Visualización Científica versus Visualización Realista Modelación de objetos

Más detalles

DIPLOMADO DINÁMICA DE FLUIDOS COMPUTACIONAL CFD

DIPLOMADO DINÁMICA DE FLUIDOS COMPUTACIONAL CFD DIPLOMADO DINÁMICA DE FLUIDOS COMPUTACIONAL CFD 2015 INTRODUCCIÓN El Diplomado en Dinámica de Fluidos Computacional (CFD, por sus siglas en inglés Computational Fluid Dynamics), constituye uno de los pilares

Más detalles

FSTIC 06. CAPP Ondas

FSTIC 06. CAPP Ondas FSTIC 06 CAPP Ondas Desarrollo de una plataforma tecnológica para modelización y simulación de señales, sistemas y procesamiento de la información Marcela B. Goldschmit 1 Proyecto ONDAS Temática científica

Más detalles

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe Linux Week PUCP 2006 Computación de Alto Rendimiento en Linux Richard Miguel San Martín rmiguel@senamhi.gob.pe Agenda Computación Científica Computación Paralela High Performance Computing Grid Computing

Más detalles

by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true

by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true I. FUNDAMENTOS 3. Representación de la información Introducción a la Informática Curso de Acceso a la Universidad

Más detalles

Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i.

Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. Filtros Digitales Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. En electrónica, ciencias computacionales y matemáticas, un filtro

Más detalles

Descomposición de dominios

Descomposición de dominios Descomposición de dominios Miguel Vargas 27/10/10 1/29 Contenido Contenido Solución de ecuaciones diferenciales con descomposición de dominios Dominios sin traslape, complemento de Schur Método alternante

Más detalles

Método de Volumen Finito en la Simulación de Yacimientos

Método de Volumen Finito en la Simulación de Yacimientos Método de Volumen Finito en la Simulación de Yacimientos Seminarios de Modelación Matemática y Computacional : 6to Ciclo Luis Miguel de la Cruz Unidad de Investigación en Cómputo Aplicado DGSCA UNAM luiggi@unam.mx

Más detalles

Perspectivas de la Computación Científica. Clusters, Grids y Clouds. Desarrollos y retos Raúl Ramos Pollán Universidad Nacional de Colombia

Perspectivas de la Computación Científica. Clusters, Grids y Clouds. Desarrollos y retos Raúl Ramos Pollán Universidad Nacional de Colombia Perspectivas de la Computación Científica. Clusters, Grids y Clouds. Desarrollos y retos Raúl Ramos Pollán Universidad Nacional de Colombia 1 Computación Científica La Ciencia e Ingeniería Basada en la

Más detalles

Beneficios del uso del HPC en la industria

Beneficios del uso del HPC en la industria Beneficios del uso del HPC en la industria ~ Cinzia Zannoni - CINECA Índice CINECA Computing Center Aplicaciónes industriales del HPC Prototipado: de físico a digital Optimización de diseño Diseño de fármacos

Más detalles

Computación Grid. Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes

Computación Grid. Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes Grid Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain Máster: Grid y Paralelismo

Más detalles

HPC y Supercómputo Aplicado a la Evaluación de Recursos

HPC y Supercómputo Aplicado a la Evaluación de Recursos HPC y Supercómputo Aplicado a la Evaluación de Recursos Julián Ortiz Álvaro Parra Exequiel Sepúlveda 5 Seminario de Acercamiento Tecnológico Codelco Digital: Minería del Futuro Temas Contexto ALGES Laboratorio

Más detalles

Solución. Sistema Desarrollado por IMP, Solución para Detectar Fugas y Tomas Clandestinas en Ductos de Transporte de Gas y Líquidos.

Solución. Sistema Desarrollado por IMP, Solución para Detectar Fugas y Tomas Clandestinas en Ductos de Transporte de Gas y Líquidos. investigación Fuentes: Instituto Mexicano del Petróleo/ Elizabeth Martínez, PetroQuiMex. Solución Sistema Desarrollado por IMP, Solución para Detectar Fugas y Tomas Clandestinas en Ductos de Transporte

Más detalles

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY EL CLUSTER

Más detalles

Metodología y Framework para el Desarrollo de Aplicaciones Científicas con Computación de Alto Rendimiento a través de Servicios Web

Metodología y Framework para el Desarrollo de Aplicaciones Científicas con Computación de Alto Rendimiento a través de Servicios Web Metodología y Framework para el Desarrollo de Aplicaciones Científicas con Computación de Alto Rendimiento a través de Servicios Web J.Corral-García, D.Cortés-Polo, C.Gómez-Martín, J.L.González-Sánchez

Más detalles

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: SUPERCÓMPUTO FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( ) APOBL

Más detalles

GRID COMPUTING MALLA DE ORDENADORES

GRID COMPUTING MALLA DE ORDENADORES GRID COMPUTING MALLA DE ORDENADORES Introducción Concepto Compartir potencia computacional; Aprovechamiento de ciclos de procesamiento; El Grid Computing se enmarca dentro de la tecnología de computación

Más detalles

2. JUSTIFICACIÓN 2.1. Justificación del título propuesto

2. JUSTIFICACIÓN 2.1. Justificación del título propuesto 2. JUSTIFICACIÓN 2.1. Justificación del título propuesto Hoy en día la computación se considera una parte imprescindible, junto con la teoría y la experimentación, para el avance del conocimiento científico.

Más detalles

GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC

GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC GAC-USC: Departamento de Electrónica y Computación http://www.ac.usc.es GAC-UDC: Departamento de Electrónica y Sistemas http://gac.des.udc.es

Más detalles

Tecnología de Mallas de Colaboración

Tecnología de Mallas de Colaboración Tecnología de Mallas de Colaboración Chile Digital 2010 Noviembre 2003 Florencio I. Utreras Director Ejecutivo de REUNA http://www.reuna.cl Mallas Conceptos y Razones Mallas (GRID s) Infraestructura de

Más detalles

Grids. Departamento de Supercómputo - DGSCA UNAM

Grids. Departamento de Supercómputo - DGSCA UNAM Grids Departamento de Supercómputo - DGSCA UNAM Contenido Definiciones Arquitectura Usos Tipos de grids Ejemplos Conclusiones Definiciones Grid: infraestructura para el uso compartido de recursos distribuidos

Más detalles

INGENIERIA INDUSTRIAL Y DE SISTEMAS LISTADO DE MATERIAS CONTENIDO PLAN: 2004-2

INGENIERIA INDUSTRIAL Y DE SISTEMAS LISTADO DE MATERIAS CONTENIDO PLAN: 2004-2 INGENIERIA INDUSTRIAL Y DE SISTEMAS PLAN: 2004-2 Formar profesionales de la Ingeniería Industrial y de Sistemas capaces de planear, operar, controlar y mejorar sistemas productivos en organizaciones generadoras

Más detalles

Introducción a la Computación Distribuida y Condor

Introducción a la Computación Distribuida y Condor Introducción a la Computación E-Ciencia Supercomputación Cluster Tecnologías de Cluster y su Clasificación Servicios Importantes para Clusters Administración y Planificación de Tareas en Clusters Condor

Más detalles

Cómputo de Alto Desempeño en Intel: OSCAR, Solución en Software para Cómputo en Clusters

Cómputo de Alto Desempeño en Intel: OSCAR, Solución en Software para Cómputo en Clusters Cómputo de Alto Desempeño en Intel: OSCAR, Solución en Software para Cómputo en Clusters Jorge Figueroa Canales. jfigueroac@uxmcc2.iimas.unam.mx Maestría en Ciencia e Ingeniería de la Computación. Universidad

Más detalles

Computación Científica en Paralelo

Computación Científica en Paralelo Computación Científica en Paralelo Métodos de Descomposición de Dominio Luis Miguel de la Cruz luiggix@gmail.com www.dci.dgsca.unam.mx/lmcs Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado

Más detalles

High Performance Computing and Architectures Group

High Performance Computing and Architectures Group HPCA Group 1 High Performance Computing and Architectures Group http://www.hpca.uji.es Universidad Jaime I de Castellón ANACAP, noviembre de 2008 HPCA Group 2 Generalidades Creado en 1991, al mismo tiempo

Más detalles

4. Programación Paralela

4. Programación Paralela 4. Programación Paralela La necesidad que surge para resolver problemas que requieren tiempo elevado de cómputo origina lo que hoy se conoce como computación paralela. Mediante el uso concurrente de varios

Más detalles

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción: arquitecturas

Más detalles

Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs

Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs Enrique S. Quintana-Ortí quintana@icc.uji.es High Performance Computing & Architectures

Más detalles

CAR. http://acarus.uson.mx/cursos2013/car.htm

CAR. http://acarus.uson.mx/cursos2013/car.htm CAR http://acarus.uson.mx/cursos2013/car.htm Sistemas de CAR en la UNISON Responsable : María del Carmen Heras Sánchez Asesores Técnicos : Aracely Dzul Campos Daniel Mendoza Camacho Yessica Vidal Quintanar

Más detalles

Inicio con CATIA. Capítulo 1

Inicio con CATIA. Capítulo 1 CATIA_01_2011_filmar:Maquetación 1 29/09/2011 13:18 Página 1 Capítulo 1 Inicio con CATIA Este capítulo hace una breve descripción del entorno del programa CATIA V5 R16, ya que el programa carece de una

Más detalles

Arquitecturas de computadoras

Arquitecturas de computadoras Arquitecturas de computadoras Colaboratorio Nacional de Computación Avanzada (CNCA) 2014 Contenidos 1 Computadoras 2 Estación de Trabajo 3 Servidor 4 Cluster 5 Malla 6 Nube 7 Conclusiones Computadoras

Más detalles

Extractos de la conferencia: Supercomputación y Software Libre realizada por Linalco en la Universidad de Granada

Extractos de la conferencia: Supercomputación y Software Libre realizada por Linalco en la Universidad de Granada Extractos de la conferencia: Supercomputación y Software Libre realizada por Linalco en la Universidad de Granada Copyright 2006 Linalco Consulting, S.L. Linalco Consulting, S.L., autor de este documento,

Más detalles

BIG DATA. Jorge Mercado. Software Quality Engineer

BIG DATA. Jorge Mercado. Software Quality Engineer BIG DATA Jorge Mercado Software Quality Engineer Agenda Big Data - Introducción Big Data - Estructura Big Data - Soluciones Conclusiones Q&A Big Data - Introducción Que es Big Data? Big data es el termino

Más detalles

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Diego R. Martínez diegorm@dec.usc.es Dpto. Electrónica y Computación Universidad

Más detalles

Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co. Universidad Pedagógica y Tecnológica de Colombia. Colombia

Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co. Universidad Pedagógica y Tecnológica de Colombia. Colombia Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co Universidad Pedagógica y Tecnológica de Colombia Colombia Amézquita-Mesa, Diego Germán; Amézquita-Becerra, Germán; Galindo-Parra, Omaira

Más detalles

Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo

Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo RESUMEN El grupo Computación de Altas Prestaciones

Más detalles

Cada día producimos. velocidad de procesamiento de miles de millones de El súper ordenador capaz de ordenar y analizar el caos

Cada día producimos. velocidad de procesamiento de miles de millones de El súper ordenador capaz de ordenar y analizar el caos MareNostrum, el supercomputador 11 /19 Capacidad de cálculo infinita, velocidad de procesamiento de miles de millones de instrucciones por segundo. El súper ordenador capaz de ordenar y analizar el caos

Más detalles

Propuesta para la Creación de un Programa de e-cienciae

Propuesta para la Creación de un Programa de e-cienciae Área Temática de Salud Propuesta para la Creación de un Programa de e-cienciae Vicente Hernández Universidad Politécnica de Valencia Contenidos Introducción. Justificación. Necesidades y Perspectivas.

Más detalles

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 Anexo A. Partida 3 Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 CLUSTER LANCAD3 El bien a adquirir se describe a continuación y consiste en cúmulo de supercómputo

Más detalles

UNIVERSIDAD AUTÓNOMA DEL CARMEN Dependencia Académica de Ciencias Químicas y Petroleras Facultad de Química. Maestría en. Ingeniería Petrolera

UNIVERSIDAD AUTÓNOMA DEL CARMEN Dependencia Académica de Ciencias Químicas y Petroleras Facultad de Química. Maestría en. Ingeniería Petrolera UNIVERSIDAD AUTÓNOMA DEL CARMEN Dependencia Académica de Ciencias Químicas y Petroleras Facultad de Química Maestría en Ingeniería Petrolera Descripción del Programa Programa con orientación profesional.

Más detalles

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico.

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico. Desarrollo de un cluster computacional para la compilación de algoritmos en paralelo en el Observatorio Astronómico. John Jairo Parra Pérez Resumen Este artículo muestra cómo funciona la supercomputación

Más detalles

- Facilidad para el manejo de especificaciones, reglamentos y normas de obligado cumplimiento.

- Facilidad para el manejo de especificaciones, reglamentos y normas de obligado cumplimiento. Competencias generales - Capacidad para redactar, desarrollar y firmar proyectos en el ámbito de la ingeniería de telecomunicación, que tengan por objeto, según la especialidad, la concepción, el desarrollo

Más detalles

High Performance Computing y Big Data en AWS. +info: (http://gac.udc.es) HPC y Big Data en AWS 16 Abril, 2012 1 / 14

High Performance Computing y Big Data en AWS. +info: (http://gac.udc.es) HPC y Big Data en AWS 16 Abril, 2012 1 / 14 High Performance Computing y Big Data en AWS +info: (http://gac.udc.es) HPC y Big Data en AWS 16 Abril, 212 1 / 14 High Performance Computing High Performance Computing (HPC) Afonta grandes problemas empresariales,

Más detalles

Figura 1.4. Elementos que integran a la Tecnología de Información.

Figura 1.4. Elementos que integran a la Tecnología de Información. 1.5. Organización, estructura y arquitectura de computadoras La Gráfica siguiente muestra la descomposición de la tecnología de información en los elementos que la conforman: Figura 1.4. Elementos que

Más detalles

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Clusters Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Introducción Aplicaciones que requieren: Grandes capacidades de cómputo: Física de partículas, aerodinámica, genómica, etc. Tradicionalmente

Más detalles

Ingeniería de Software: Parte 2

Ingeniería de Software: Parte 2 Ingeniería de Software: Parte 2 Agustín J. González ElO329: Diseño y Programación Orientados a Objeto Adaptado de: http://www.dsic.upv.es/~uml http://inst.eecs.berkeley.edu/~cs169/ entre otras fuentes.

Más detalles

Métodos Iterativos para Resolver Sistemas Lineales

Métodos Iterativos para Resolver Sistemas Lineales Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................

Más detalles

Linux Clusters Gilberto Diaz gilberto@ula.ve Centro de Cálculo Científico Universidad de Los Andes Mérida - Venezuela

Linux Clusters Gilberto Diaz gilberto@ula.ve Centro de Cálculo Científico Universidad de Los Andes Mérida - Venezuela Linux s Gilberto Diaz gilberto@ula.ve Centro de Cálculo Científico Universidad de Los Andes Mérida - Venezuela Eterna necesidad Desde la invención de las computadoras el hombre constantemente ha mantenido

Más detalles

Las computadoras analógicas no computan directamente, sino que perciben constantemente valores, señales o magnitudes físicas variadas.

Las computadoras analógicas no computan directamente, sino que perciben constantemente valores, señales o magnitudes físicas variadas. Clasificación de las computadoras Análoga: Las computadoras analógicas no computan directamente, sino que perciben constantemente valores, señales o magnitudes físicas variadas. Características de las

Más detalles

CARACTERÍSTICAS GENERALES. a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007

CARACTERÍSTICAS GENERALES. a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007 CARACTERÍSTICAS GENERALES a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007 b) Título que se otorga Ingeniero/a en Sistemas Inteligentes c) Espacio donde se imparte

Más detalles

Modelación Matemática y Computacional en Ciencias e Ingenierías

Modelación Matemática y Computacional en Ciencias e Ingenierías Universidad Nacional Autónoma de México Facultad de Ciencias Modelación Matemática y Computacional en Ciencias e Ingenierías Presenta: Antonio Carrillo Ledesma La Ciencia en las Calles Noviembre de 2009

Más detalles

DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC

DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC José Luis Guisado Lizar http://cum.unex.es/profes/profes/jlguisado Grupo de Evolución Artificial (GEA) Universidad de Extremadura

Más detalles

Organizaciones Virtuales e Integración de Información. José Abásolo Prieto

Organizaciones Virtuales e Integración de Información. José Abásolo Prieto Organizaciones Virtuales e Integración de Información José Abásolo Prieto Universidad de los Andes Objetivo de la charla Mostrar que aunque la problemática de integración de información distribuida y heterogénea

Más detalles

FLUJOS TURBULENTOS BIFASICOS 3D EN LLENADO DE MOLDES DE FUNDICION Y EN IMPACTO DE OLAS EN ESTRUCTURAS Nelson Moraga, Carlos Garrido y Daniel Garrido

FLUJOS TURBULENTOS BIFASICOS 3D EN LLENADO DE MOLDES DE FUNDICION Y EN IMPACTO DE OLAS EN ESTRUCTURAS Nelson Moraga, Carlos Garrido y Daniel Garrido FLUJOS TURBULENTOS BIFASICOS 3D EN LLENADO DE MOLDES DE FUNDICION Y EN IMPACTO DE OLAS EN ESTRUCTURAS Nelson Moraga, Carlos Garrido y Daniel Garrido Departamento de Ingeniería Mecánica Universidad de La

Más detalles

Actualidad de la tecnología de detección de intrusos en las redes

Actualidad de la tecnología de detección de intrusos en las redes VIII Evento Internacional de Redes y Telecomunicaciones CITMATEL 2003 Actualidad de la tecnología de detección de intrusos en las redes MSc. Walter Baluja García walter@tesla.cujae.edu.cu Dpto. Telemática

Más detalles

CLASIFICACIÓN DE LAS COMPUTADORAS. Ing. Erlinda Gutierrez Poma

CLASIFICACIÓN DE LAS COMPUTADORAS. Ing. Erlinda Gutierrez Poma CLASIFICACIÓN DE LAS COMPUTADORAS Ing. Erlinda Gutierrez Poma Tipos de Computadoras Dentro de la evolución de las computadoras, han surgido diferentes equipos con diferentes tamaños y características según

Más detalles

Monitorización y Optimización de la Distribución de Energía Eléctrica

Monitorización y Optimización de la Distribución de Energía Eléctrica Monitorización y Optimización de la Distribución de Energía Eléctrica Luis Miguel López Ramos Adaptado de Monitoring and optimization for Smarter Power Grids: a Signal Processing Perspective Con permiso

Más detalles

OptiRamp OptiRamp Sistema de Control de Despacho Avanzado para Ductos

OptiRamp OptiRamp Sistema de Control de Despacho Avanzado para Ductos OptiRamp OptiRamp Sistema de Control de Despacho Avanzado para Ductos Los sistemas de control, SCADAs, y servidores de datos históricos han evolucionado para proveer una extensa cantidad de información

Más detalles

Mejores prácticas para el éxito de un sistema de información. Uno de los problemas de información dentro de las empresas es contar con datos

Mejores prácticas para el éxito de un sistema de información. Uno de los problemas de información dentro de las empresas es contar con datos ANEXO VI. Mejores prácticas para el éxito de un sistema de información Uno de los problemas de información dentro de las empresas es contar con datos importantes del negocio y que éstos estén aislados

Más detalles

EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM)

EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM) EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM) Carlos Bernal, Ana Silva, Marceliano Marrón, Juan Antonio Ortega, Claudio J. Arjona Área de HPC Centro Informático Científico de

Más detalles

LECCIONES DEL CURSO DE MODELACIÓN MATEMÁTICA Y COMPUTACIONAL

LECCIONES DEL CURSO DE MODELACIÓN MATEMÁTICA Y COMPUTACIONAL LECCIONES DEL CURSO DE MODELACIÓN MATEMÁTICA Y COMPUTACIONAL POSGRADOS DE CIENCIAS DE LA TIERRA Y DE CIENCIA E INGENIERÍA DE LA COMPUTACIÓN UNAM AUTOR: ISMAEL HERRERA REVILLA 1 Basado en el Libro Mathematical

Más detalles

CLUSTER FING: ARQUITECTURA Y APLICACIONES

CLUSTER FING: ARQUITECTURA Y APLICACIONES CLUSTER FING: ARQUITECTURA Y APLICACIONES SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción Clusters Cluster

Más detalles

Diseño e Implementación de Herramientas de Simulación de Procesos para la Industria SucroenergéticaColombiana (CENIPROF V2.0)

Diseño e Implementación de Herramientas de Simulación de Procesos para la Industria SucroenergéticaColombiana (CENIPROF V2.0) Diseño e Implementación de Herramientas de Simulación de Procesos para la Industria SucroenergéticaColombiana (CENIPROF V2.0) Jairo Moreno Ingeniero Químico jmoreno@cenicana.org Comité de Fábrica, Agosto

Más detalles

Supercomputación Tendencias

Supercomputación Tendencias Supercomputación Tendencias Isidro Cano HPC Mgr. HP Iberia Modelos de uso de recursos informáticos: Ordenador Personal Servidor departamental Centro de Cálculo local Cloud Computing Externalización de

Más detalles

CAPÍTULO V MÉTODO DE ANÁLISIS POR ELEMENTOS FINITOS Y DESCRIPCIÓN DEL SOFTWARE ALGOR.

CAPÍTULO V MÉTODO DE ANÁLISIS POR ELEMENTOS FINITOS Y DESCRIPCIÓN DEL SOFTWARE ALGOR. CAPÍTULO V MÉTODO DE ANÁLISIS POR ELEMENTOS FINITOS Y DESCRIPCIÓN DEL SOFTWARE ALGOR. 5.1 Historia del Método de Elementos Finitos. El Método de Elemento Finito o Finite Element Analysis (FEA), es un método

Más detalles

POR QUÉ SOLIDWORKS FLOW SIMULATION ES LA OPCIÓN PERFECTA PARA LOS INGENIEROS DE PRODUCTO

POR QUÉ SOLIDWORKS FLOW SIMULATION ES LA OPCIÓN PERFECTA PARA LOS INGENIEROS DE PRODUCTO I N F O R M E T É C N I C O POR QUÉ SOLIDWORKS FLOW SIMULATION ES LA OPCIÓN PERFECTA PARA LOS INGENIEROS DE PRODUCTO La dinámica de fluidos de ingeniería (EFD) es una nueva variedad de software de dinámica

Más detalles

GENERACIÓN DE MALLAS DE HEXAEDROS EN GEOMETRÍAS MÚLTIPLEMENTE CONEXAS MEDIANTE SUBMAPPING

GENERACIÓN DE MALLAS DE HEXAEDROS EN GEOMETRÍAS MÚLTIPLEMENTE CONEXAS MEDIANTE SUBMAPPING 7th Workshop on Numerical Methods in Applied Science and Engineering (NMASE 08) Vall de Núria, 9 a 11 de enero de 2008 c LaCàN, www.lacan-upc.es GENERACIÓN DE MALLAS DE HEXAEDROS EN GEOMETRÍAS MÚLTIPLEMENTE

Más detalles

COMPUTACIÓN DE ALTA PERFORMANCE

COMPUTACIÓN DE ALTA PERFORMANCE COMPUTACIÓN DE ALTA PERFORMANCE 2011 1 TOLERANCIA A FALLOS COMPUTACIÓN DE ALTA PERFORMANCE Curso 2011 Sergio Nesmachnow (sergion@fing.edu.uy) Santiago Iturriaga (siturria@fing.edu.uy) Gerardo Ares (gares@fing.edu.uy)

Más detalles

Construcción de sistemas de soporte a la toma de decisiones

Construcción de sistemas de soporte a la toma de decisiones INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Construcción de sistemas de soporte a la toma de decisiones M. En C. Eduardo Bustos Farías 1 Desarrolla en Sistemas de Apoyo de Decisión Como

Más detalles

Modelo de aplicaciones CUDA

Modelo de aplicaciones CUDA Modelo de aplicaciones CUDA Utilización de GPGPUs: las placas gráficas se utilizan en el contexto de una CPU: host (CPU) + uno o varios device o GPUs Procesadores masivamente paralelos equipados con muchas

Más detalles

Computación paralela y distribuida

Computación paralela y distribuida Computación paralela y distribuida MSC-0302 Nombre de la asignatura: Computación paralela y distribuida Línea de trabajo: Tecnologías web Tiempo de dedicación del estudiante a las actividades de: DOC TIS

Más detalles

Por Carlos Fernández Sánchez Coordinador de sistemas HPC Fundación Centro Tecnológico de Supercomputación de Galicia. CESGA

Por Carlos Fernández Sánchez Coordinador de sistemas HPC Fundación Centro Tecnológico de Supercomputación de Galicia. CESGA Çenabling Grids for E-science El grid al servicio de la e-ciencia ` Por Carlos Fernández Sánchez Coordinador de sistemas HPC Fundación Centro Tecnológico de Supercomputación de Galicia. CESGA Hoy en día

Más detalles

Descomposición de dominios con el método alternante de Schwarz

Descomposición de dominios con el método alternante de Schwarz Descomposición de dominios con el método alternante de Schwarz MSc Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 14/10/ 1/44 Contenido Contenido Solución de ecuaciones diferenciales

Más detalles

área de enseñanzas técnicas 1. INGENIERÍAS TÉCNICAS Informática de Gestión Informática de Sistemas 2. INGENIERÍAS Informática Química

área de enseñanzas técnicas 1. INGENIERÍAS TÉCNICAS Informática de Gestión Informática de Sistemas 2. INGENIERÍAS Informática Química área de enseñanzas técnicas 1. INGENIERÍAS TÉCNICAS Informática de Gestión Informática de Sistemas 2. INGENIERÍAS Informática Química Ingeniería Técnica en Informática de Gestión Ingeniería Técnica en

Más detalles

UNIVERSIDAD CARLOS III DE MADRID TESIS DOCTORAL. Caracterización de Yacimientos Usando el Método de Conjuntos de Nivel

UNIVERSIDAD CARLOS III DE MADRID TESIS DOCTORAL. Caracterización de Yacimientos Usando el Método de Conjuntos de Nivel UNIVERSIDAD CARLOS III DE MADRID TESIS DOCTORAL Caracterización de Yacimientos Usando el Método de Conjuntos de Nivel Autor: Rossmary Villegas Velásquez Director: Oliver Dorn DEPARTAMENTO DE CIENCIA E

Más detalles

METODOS NUMERICOS CATEDRA 0 2. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil

METODOS NUMERICOS CATEDRA 0 2. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil CATEDRA 0 2 Facultad de Ingeniería de Minas, Geología y Civil Departamento académico de ingeniería de minas y civil METODOS NUMERICOS Ingeniería Civil ING.CRISTIANCASTROP. Capitulo II Herramientas de Cálculo

Más detalles

CONTENIDO. 1. Introducción. 2. Reseña histórica del computador. 3. Definición de computador.

CONTENIDO. 1. Introducción. 2. Reseña histórica del computador. 3. Definición de computador. CONTENIDO 1. Introducción. 2. Reseña histórica del computador. 3. Definición de computador. 4. Sistemas numéricos. 4.1 Generalidades. 42 Sistema binario. 4.3 Sistema octal,. 4.4 Sistema decimal. 4.5 Sistema

Más detalles

Patrones de Alto nivel: Patrones de Arquitectura Patrones de nivel medio: Patrones de Diseño Patrones de bajo nivel: Idioms

Patrones de Alto nivel: Patrones de Arquitectura Patrones de nivel medio: Patrones de Diseño Patrones de bajo nivel: Idioms Patrones Patrones Es una solución reusable de problemas comunes. Los patrones solucionan problemas que existen en muchos niveles de abstracción. desde el análisis hasta el diseño y desde la arquitectura

Más detalles

En el siguiente apartado se detallan ciertos conceptos que ayudan a comprender en mayor medida el Proyecto.

En el siguiente apartado se detallan ciertos conceptos que ayudan a comprender en mayor medida el Proyecto. APÉNDICES En el siguiente apartado se detallan ciertos conceptos que ayudan a comprender en mayor medida el Proyecto. APÉNDICE 1. Herramientas Las herramientas que se usaron en el análisis, desarrollo

Más detalles

Trabajo final de Ingeniería

Trabajo final de Ingeniería UNIVERSIDAD ABIERTA INTERAMERICANA Trabajo final de Ingeniería Weka Data Mining Jofré Nicolás 12/10/2011 WEKA (Data Mining) Concepto de Data Mining La minería de datos (Data Mining) consiste en la extracción

Más detalles

Grado en Ingeniería en Organización Industrial

Grado en Ingeniería en Organización Industrial Grado en Ingeniería en Organización Industrial 1. Competencias básicas del MEC: Competencias a adquirir por el estudiante: MEC1 Competencias básicas del MEC Que los estudiantes hayan demostrado poseer

Más detalles