Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional
| Ano de defesa: | 2021 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
[s.n.]
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://hdl.handle.net/20.500.12733/1641958 |
Resumo: | Orientador: Edson Borin |
| id |
UNICAMP-30_837793447ff2e5e34f68820e4d2ffd20 |
|---|---|
| oai_identifier_str |
oai::1166626 |
| network_acronym_str |
UNICAMP-30 |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
| repository_id_str |
|
| spelling |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacionalSeismic stacking acceleration with GPUs in the computational cloudComputação em nuvemCUDA (Arquitetura de computador)OpenCL (Linguagem de programação de computador)Método sísmico de reflexão - Processamento de dadosProgramação paralela (Computação)Cloud computingCUDA (Computer architecture)OpenCL (Computer program language)Seismic reflection method - Data processingParallel programming (Computer science)Orientador: Edson BorinDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: Técnicas de mapeamento do solo marítimo vêm sendo fundamentais para diversas aplicações da indústria, notadamente para a exploração de petróleo e gás. Tais técnicas são importantes principalmente pelo fato de permitirem aos geofísicos obter parâmetros, tais como a velocidade de propagação do meio, por exemplo, e modelos das regiões de interesse com precisão elevada. Por utilizarem um volume bem elevado de medições sísmicas e apresentarem muitos laços, esses métodos tendem a exigir muitos cálculos e, portanto, muito tempo de processamento quando consideramos arquiteturas tradicionais contendo poucas dezenas de CPUs. Tais características nos convidam a propor e explorar maneiras de tornar a sua execução mais rápida e eficiente. Tendo em vista o fato de que tais métodos apresentam muitos laços cujas iterações são majoritariamente independentes entre si, a paralelização, seja por meio do uso de GPUs ou de nós espalhados na nuvem computacional (ou de ambos), torna-se a alternativa mais viável e simples para acelerá-los. Sendo assim, neste trabalho, foi implementado um método de paralelização com suporte tanto a plataformas compatíveis com o framework CUDA quanto ao padrão OpenCL baseado no algoritmo genético de evolução diferencial para a procura dos parâmetros do meio de maneira a maximizar a medida de semblance para o empilhamento a partir de três modelos distintos de cálculo do tempo de trânsito, sendo eles, em ordem crescente de complexidade, o Common Mid Point, o Zero Offset Common Reflection Surface e, finalmente, o Offset Continuation Trajectory. Foi proposta igualmente uma técnica de seleção de dados para cada um destes mesmos modelos com o intuito de minimizar a quantidade de dados a ser transferida aos aceleradores a cada iteração. Finalmente, tais soluções foram integradas ao framework SPITS para a distribuição das tarefas computacionais entre os vários nós de uma nuvem. Em comparação com algumas soluções presentes na literatura para os tempos de trânsito Common Mid Point e Zero Offset Common Reflection Surface, o desempenho obtido pelo trabalho foi superior e, ao que se diz respeito a execuções em nós computacionais com múltiplas GPUs, verificamos que a propriedade de escalabilidade é respeitada, isto é, o tempo de execução cai na mesma proporção que o número de GPUs cresce. O mesmo se observa para o caso de execuções distribuídas entre vários nós de uma nuvem computacional através da utilização do framework SPITSAbstract: Seismic processing techniques have been very important in many industry applications, notably oil and gas exploration. Because they use an elevated number of seismic measurements and present many loops, such methods tend to be very computationally expensive, spending many hours to be processed in traditional architectures with a few dozen CPUs. Such characteristics invite us to propose and explore ways to develop more efficient and faster computing algorithms. Taking into account that these methods present a high volume of loops, whose inner iterations are mostly independent among each other, paralellization, through the use of GPUs or computer clouds (or both), becomes the most simple and viable way to accelerate them. Therefore, in this work, we implemented a parallelization method supporting both CUDA and/or OpenCL compatible platforms based on the differential evolution genetic algorithm to search for the the environment parameters which maximize the semblance stacking measure using three different traveltime estimation models, which are, in increasing order of complexity, Common Mid Point, Zero Offset Common Reflection Surface and Offset Continuation Trajectory. It was also proposed a data selection technique for each one of these traveltime models in order to minimize the data volume to be sent to the accelerator each iteration. Finally, such solutions have been integrated to the SPITS framework so that many distibuted tasks can be launched on multiple nodes of a cloud. Comparing to some other existing implementations for Common Mid Point and Zero Offset Common Reflection Surface traveltimes, the performance obtained by this work was higher and, concerning executions in nodes with multiple GPUs, we were able to verify that the scalability property was followed, i.e., execution time falls in the same ratio the number of GPUs grows. The same was observed for executions where the total load is distributed among many nodes of a computer cloud through the use of the SPITS frameworkMestradoCiência da ComputaçãoMestre em Ciência da Computação[s.n.]Borin, Edson, 1979-Melo, Alba Cristina Magalhães Alves deBarros, Tiago Tavares LeiteSenger, HermesUniversidade Estadual de Campinas (UNICAMP). Instituto de ComputaçãoPrograma de Pós-Graduação em Ciência da ComputaçãoUNIVERSIDADE ESTADUAL DE CAMPINASPinton, Gustavo Ciotto, 1993-20212021-05-21T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (87 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1641958PINTON, Gustavo Ciotto. Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional. 2021. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: 20.500.12733/1641958. Acesso em: 29 set. 2025.https://repositorio.unicamp.br/acervo/detalhe/1166626https://repositorio.unicamp.br/acervo/detalhe/1166626Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2025-07-24T16:16:48Zoai::1166626Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2025-07-24T16:16:48Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
| dc.title.none.fl_str_mv |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional Seismic stacking acceleration with GPUs in the computational cloud |
| title |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional |
| spellingShingle |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional Pinton, Gustavo Ciotto, 1993- Computação em nuvem CUDA (Arquitetura de computador) OpenCL (Linguagem de programação de computador) Método sísmico de reflexão - Processamento de dados Programação paralela (Computação) Cloud computing CUDA (Computer architecture) OpenCL (Computer program language) Seismic reflection method - Data processing Parallel programming (Computer science) |
| title_short |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional |
| title_full |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional |
| title_fullStr |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional |
| title_full_unstemmed |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional |
| title_sort |
Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional |
| author |
Pinton, Gustavo Ciotto, 1993- |
| author_facet |
Pinton, Gustavo Ciotto, 1993- |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Borin, Edson, 1979- Melo, Alba Cristina Magalhães Alves de Barros, Tiago Tavares Leite Senger, Hermes Universidade Estadual de Campinas (UNICAMP). Instituto de Computação Programa de Pós-Graduação em Ciência da Computação UNIVERSIDADE ESTADUAL DE CAMPINAS |
| dc.contributor.author.fl_str_mv |
Pinton, Gustavo Ciotto, 1993- |
| dc.subject.por.fl_str_mv |
Computação em nuvem CUDA (Arquitetura de computador) OpenCL (Linguagem de programação de computador) Método sísmico de reflexão - Processamento de dados Programação paralela (Computação) Cloud computing CUDA (Computer architecture) OpenCL (Computer program language) Seismic reflection method - Data processing Parallel programming (Computer science) |
| topic |
Computação em nuvem CUDA (Arquitetura de computador) OpenCL (Linguagem de programação de computador) Método sísmico de reflexão - Processamento de dados Programação paralela (Computação) Cloud computing CUDA (Computer architecture) OpenCL (Computer program language) Seismic reflection method - Data processing Parallel programming (Computer science) |
| description |
Orientador: Edson Borin |
| publishDate |
2021 |
| dc.date.none.fl_str_mv |
2021 2021-05-21T00:00:00Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/20.500.12733/1641958 PINTON, Gustavo Ciotto. Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional. 2021. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: 20.500.12733/1641958. Acesso em: 29 set. 2025. |
| url |
https://hdl.handle.net/20.500.12733/1641958 |
| identifier_str_mv |
PINTON, Gustavo Ciotto. Aceleração de métodos de empilhamento sísmico com GPUs na nuvem computacional. 2021. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: 20.500.12733/1641958. Acesso em: 29 set. 2025. |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.none.fl_str_mv |
https://repositorio.unicamp.br/acervo/detalhe/1166626 https://repositorio.unicamp.br/acervo/detalhe/1166626 Requisitos do sistema: Software para leitura de arquivo em PDF |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf 1 recurso online (87 p.) : il., digital, arquivo PDF. |
| dc.publisher.none.fl_str_mv |
[s.n.] |
| publisher.none.fl_str_mv |
[s.n.] |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) instname:Universidade Estadual de Campinas (UNICAMP) instacron:UNICAMP |
| instname_str |
Universidade Estadual de Campinas (UNICAMP) |
| instacron_str |
UNICAMP |
| institution |
UNICAMP |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
| collection |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP) |
| repository.mail.fl_str_mv |
sbubd@unicamp.br |
| _version_ |
1844628674984280064 |