Ejemplos de aplicaciones que tienen un paralelo en el campo de la medicina, en el campo de la tecnología con la organización de la plataforma de NVIDIA CUDA

Introducción

Problemas que hace 10 años no se podían resolver por falta de computadoras que procesaran una gran cantidad de datos y logaran dar resultado precisos y rápidos, hoy en día se hace uso de la computación paralela, clúster y supercomputadoras para resolver problemas y situaciones cada vez más complejos.

En este ensayo se dan ejemplos de las aplicaciones que tiene la computación paralela en el área de medicina, en el área de tecnología con la plataforma CUDA de la organización NVIDIA y la aplicación de cómputo paralelo en redes neuronales.

El cómputo paralelo utiliza más de un procesador para realizar varios procesos o para un problema muy complejo.

El uso del cómputo paralelo ahorra tiempo ya que el problema se divide en subproblemas y cada uno de ellos se procesa en computadoras diferentes para después volverlos agrupar y obtener el resultado.

La computación paralela se utiliza en diversas áreas científicas como el caso de:

En el área médica las tomografías asistidas por computadora requieren de un procesamiento veloz para que se tenga un diagnostico concreto.

En el área de simulaciones por computadora por que se requiere precisión y velocidad de respuesta por ejemplo la simulación metrológica, la oceanografía, simular el flujo sanguíneo para identificar una arteria oculta esto evita la cirugía o un diagnostico por simples imágenes.

En el área industrial se utiliza para el diseño y automatización de proyectos de ingeniería como es la inteligencia artificial, detección de recursos terrestres, procesamiento de imágenes, visión por computador, sistemas expertos por computador y automatización de procesos.

CUDA

Un buen ejemplo de una plataforma de computo paralelo es CUDA el cual es implementado por la organización NVIDIA, esta plataforma aumenta el rendimiento de la computación ya que aprovecha la potencia de la unidad de procesamiento grafico (GPU). Lo que hace CUDA es mandar el código C, C++ y Fortran a la GPU para que esta ejecute una parte secuencial de su carga de trabajo en el CPU mientras se acelera el procesamiento paralelo en la GPU, a este proceso se le llama computación de la GPU. NVIDIA presento su plataforma en el 2006.

Redes Neuronales

Las Redes Neuronales son modelos matemáticos que hace computación inteligente y llevan a cabo tareas que las computadoras normales no pueden realizar como por ejemplo el reconocimiento de patrones, memorias, aprendizaje asociativo, control adaptivo, predicción de series de tiempo, clasificación de señales. Aquí el cómputo paralelo es aplicado en una red de procesadores que son denominados “neuronas” las cuales son capaces de procesar una grandísima cantidad de datos.

Para la fase de aprendizaje de una red neuronal se necesita mucho tiempo computacional y se llevarían días si se ejecuta en una sola computadora, para solucionar esto se implementan algoritmos que se puedan ejecutar en una arquitectura de computadoras paralelas.

Para el entrenamiento de redes neuronales de propagación hacia atrás (BPN) se desarrolló un software, una copia del programa se ejecuta en una computadora que se desempeña como maestro y otra copia se ejecuta en las computadoras esclavas. Se utiliza paralelismo de datos de entrenamiento esto consiste en dividir en partes iguales los casos de entrenamiento entre las copias esclavas.

El programa maestro genera aleatoriamente una colección de valores para la red, estos son mandados a todos los nodos esclavos y es cuando el programa esclavo inicializa su red con los valores y se ejecuta con los casos de entrenamiento que le fueron asignados

...