⚡ Paralelismo en CPU (OpenMP)

• Paralelización Multihilo: Distribución y balanceo de carga para el procesamiento concurrente de múltiples series temporales.
• Evaluación de Escalabilidad: Análisis de rendimiento modificando activamente el número de hilos de ejecución.
• Métricas de Rendimiento: Medición analítica del tiempo de ejecución global y optimización del ancho de banda de memoria.

🎮 Paralelismo en GPU (CUDA)

• Optimización del Diseño: Desarrollo del Kernel enfocado en la distribución masiva de bloques de hilos y planificación del uso de memoria compartida y registradores eficientes.

💻 Interfaz de Uso

La sintaxis básica para lanzar el entorno y configurar la plataforma de ejecución se realiza a través de la línea de comandos:

./programa -m MODO -t HILOS [opciones]

Modos soportados (-m):

• 0: Ejecución secuencial en CPU.

• 1: Ejecución paralela en CPU utilizando OpenMP.

• 2: Ejecución en GPU mediante CUDA.

Opciones de configuración:

-t: Define el número de hilos para OpenMP o la cantidad de hilos por bloque para CUDA (el valor por defecto es 4).

-a 1: Activa el modo anidado simple en la versión OpenMP (útil para pruebas de escalabilidad).

-i: Especifica el número de hilos internos a usar en el paralelismo anidado de OpenMP (el valor por defecto es 2).

-p 1: Habilita la salida detallada (print_debug) mostrando las variables evaluadas y el resultado de los gradientes.

-e: Establece la cantidad de monomios a mostrar por pantalla de cada ecuación (el valor por defecto es 5).

Conclusión y Observaciones Técnicas

El codiseño y la paralelización con OpenMP han permitido exprimir los recursos multinúcleo de la CPU, logrando una reducción drástica en los tiempos de cómputo y mejorando significativamente el rendimiento del algoritmo DTW respecto a la versión secuencial.

Nota de infraestructura: Debido a incidencias técnicas ajenas en el servidor de pruebas, sumado a las restricciones temporales del calendario y la curva de experiencia en la plataforma, la ejecución del módulo de hardware en CUDA no pudo validarse en producción de forma óptima. No obstante, el diseño de mapeo y la distribución del kernel base quedan completamente estructurados en la solución.

🛠️ Tecnologías y Herramientas

👥 Autores