Performance improvements applied in an electromagnetic inversion application focused on homogeneous and heterogeneous computational environments

• Ano de defesa: 2022
• Autor(a) principal: Dagostini, Jessica Imlau
• Orientador(a): Schnorr, Lucas Mello
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Paralelismo; Algorítmo; Métodos computacionais; Petróleo
• Palavras-chave em Inglês: HPC; mCSEM; MPI; Load Balancing; Oil/Gas
• Link de acesso: http://hdl.handle.net/10183/238841

A exploração física de petróleo executada pela indústria de petróleo e gás costuma deman dar valores da ordem de milhões de dólares. Esta indústria então recorre a métodos numéricos e computacionais para ajudar a mapear corretamente as áreas oceânicas com maior probabilidade de incidência de petróleo e gás e evitar operações de perfuração desnecessárias. Um desses métodos é o marine Controlled Source Electromagnetic (mCSEM), em Português, Método Eletromagnético Marinho de Fonte Controlada. Este método utiliza receptores marítimos fixados em uma região específica do fundo do mar para coletar dados eletromagnéticos dessa região. Um emissor eletromagnético ligado a um navio se move sob esses receptores e emana um sinal eletromagnético de baixa frequência. Depois que as ondas eletromagnéticas atravessam a subsuperfície sob o fundo do mar e refletem, os receptores medem o campo em questão e armazenam esses dados. Precisamos então de um processo de inversão de dados para recuperar a resistividade impressa pelos materiais subterrâneos. Uma vez que o petróleo e o gás possuem valores de resistividade conheci dos, podemos estimar melhor se a região possui reservatórios deste materiais e onde eles estão localizados. Todos esses processos são computacionalmente caros, exigindo que a aplicação seja o mais otimizada possível para entregar resultados o mais rápido possível. Este trabalho estuda uma aplicação de inversão de dados que utiliza equações diretas finitas e a técnica do ponto médio comum, do inglês Common Mid-Point, para lidar com dados coletados a partir do método mCSEM. Esta aplicação possui três etapas principais: modelagem direta, resolução do sistema linear e correção, onde a primeira é paralelizada para oferecer melhor desempenho. Encontramos espaço para melhorias computacionais em nossa aplicação com uma análise de desequilíbrio de carga, uma vez que identificamos um problema na política original de distribuição de carga. Implementamos e avaliamos heurísticas de balanceamento de carga para melhorar a escalabilidade em clusters ho mogêneos e heterogêneos. Melhoramos o tempo de execução da aplicação em 44% em ambientes homogêneos e em 78% em ambientes heterogêneos. Além disso, desenvolvemos um planejamento de capacidade de execução, do inglês capacity planning, para esta aplicação. Projetamos uma ferramenta que utiliza rastros de execuções controladas anteriores com um caso de estudo específico para prever o comportamento da aplicação para um conjunto determinado de combinações de máquinas. Tal ferramenta auxilia neste planejamento ao permitir que os usuários manipulem esses dados simulados utilizando uma visualização interativa.