- ES Español (Latinoamérica)

- EN English

2.5. Computación de Alto Rendimiento (HPC)
Esta área se enfoca en los principios y prácticas de desarrollar soluciones computacionales que aprovechan los recursos de computación paralela y distribuida para resolver problemas científicos y de ingeniería a gran escala. Cubre arquitecturas de computadoras, modelos de programación paralela, técnicas de optimización para hardware moderno y la implementación de métodos numéricos en sistemas de alto rendimiento. Este conocimiento permite a los estudiantes abordar problemas computacionalmente intensivos que son inviables en sistemas de un solo procesador.
| Área de Conocimiento (KA) | Core Tier1 | Core Tier2 |
2.5.1 Arquitecturas de Computadoras Paralelas | 1 | 1 |
2.5.2 Programación Paralela de Memoria Compartida | 1 | 1 |
2.5.3 Programación Paralela de Memoria Distribuida | 1 | 1 |
2.5.4 Programación de Aceleradores | 1 | 1 |
2.5.5 Métodos Numéricos Paralelos | 1 | 1 |
2.5.1. HPC/Arquitecturas de Computadoras Paralelas (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba
Temas:
Core
- Taxonomía de Flynn y arquitecturas paralelas
- Jerarquías de memoria y coherencia de caché
- Procesadores multi-núcleo y memoria compartida
- Sistemas de memoria distribuida y clusters
- Aceleradores (GPUs, FPGAs) y computación heterogénea
Aprendizaje esperado (Learning Outcomes):
Core:
- Clasificar arquitecturas paralelas usando la taxonomía de Flynn [Familiarizarse]
- Analizar efectos de la jerarquía de memoria en el rendimiento [Evaluar]
- Comparar sistemas multi-núcleo y de memoria distribuida [Evaluar]
- Seleccionar aceleradores apropiados para tareas computacionales específicas [Evaluar]
2.5.2. HPC/Programación Paralela de Memoria Compartida (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba
Temas:
Core
- Modelo de programación OpenMP
- Creación y gestión de hilos
- Primitivas de sincronización (cerrojos, barreras)
- Compartición de datos y alcance
- Optimización de rendimiento y balanceo de carga
Aprendizaje esperado (Learning Outcomes):
Core:
- Implementar algoritmos paralelos usando OpenMP [Usar]
- Gestionar hilos y paralelismo de tareas [Usar]
- Aplicar mecanismos de sincronización correctamente [Usar]
- Optimizar el rendimiento de memoria compartida [Usar]
2.5.3. HPC/Programación Paralela de Memoria Distribuida (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba
Temas:
Core
- Modelo de programación MPI
- Comunicación punto a punto
- Operaciones de comunicación colectiva
- Topologías de procesos y grupos
- Análisis de escalabilidad y optimización
Aprendizaje esperado (Learning Outcomes):
Core:
- Implementar algoritmos distribuidos usando MPI [Usar]
- Manejar comunicaciones punto a punto y colectivas [Usar]
- Diseñar topologías de procesos eficientes [Usar]
- Analizar escalabilidad de aplicaciones distribuidas [Evaluar]
2.5.4. HPC/Programación de Aceleradores (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba
Temas:
Core
- Arquitectura GPU y modelos de programación
- Modelo de programación CUDA
- Directivas OpenACC
- Diseño y optimización de kernels
- Gestión de memoria en aceleradores
Aprendizaje esperado (Learning Outcomes):
Core:
- Programar GPUs usando CUDA [Usar]
- Aplicar directivas OpenACC para programación de aceleradores [Usar]
- Diseñar kernels GPU eficientes [Usar]
- Gestionar la jerarquía de memoria GPU efectivamente [Usar]
2.5.5. HPC/Métodos Numéricos Paralelos (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba
Temas:
Core
- Algoritmos de álgebra lineal paralela
- Solucionadores paralelos de EDPs
- Métodos de descomposición de dominio
- Balanceo de carga para computaciones numéricas
- Afinamiento de rendimiento y profiling
Aprendizaje esperado (Learning Outcomes):
Core:
- Implementar algoritmos numéricos paralelos [Usar]
- Aplicar descomposición de dominio para EDPs [Usar]
- Balancear carga computacional entre procesadores [Usar]
- Afinar el rendimiento de códigos numéricos paralelos [Usar]