Estudo de Abordagens Para Redução do Tempo de Avaliação de Desempenho de Programas Paralelos

• Elisa Gabriela Machado de Lucena UFRN
• Samuel Xavier-de-Souza UFRN

DOI: https://doi.org/10.5753/erad-ne.2025.11739

Resumo

A análise de escalabilidade em aplicações paralelas pode ser custosa devido à necessidade de múltiplas execuções. Este trabalho propõe a comparação entre uma modelagem analítica e uma abordagem com redes neurais MLP para estimar o tempo de execução. A meta é avaliar o equilíbrio entre custo computacional, precisão e generalização. Espera-se que os resultados contribuam para a evolução do Pascal Analyzer, com a incorporação de técnicas preditivas que acelerem a análise de desempenho.

Referências

da Silva, A. B., Cunha, D. A., Silva, V. R., de A. Furtunato, A. F., and Xavier-de Souza, S. (2017). Pascal viewer: A tool for the visualization of parallel scalability trends. In International Workshop on Extreme-Scale Programming Tools, pages 250–264. Springer.

Furtunato, A. F. A., Georgiou, K., Eder, K., and Xavier-De-Souza, S. (2020). When parallel speedups hit the memory wall. IEEE Access, 8:79225–79238.

Rodrigues, M. d. S. L. (2025). Estimação adaptativa baseada em acurácia para tempo de execução de aplicações paralelas. B.S. thesis, Universidade Federal do Rio Grande do Norte.

Sze, V., Chen, Y.-H., Yang, T.-J., and Emer, J. S. (2017). Efficient processing of deep neural networks: A tutorial and survey. Proceedings of the IEEE, 105(12):2295–2329.