Estudo comparativo entre OpenGL e CUDA em acessos aleatórios à vizinhança de primeira ordem
Bibliographic record
Abstract
Os avanços da arquitetura das GPUs e sua rápida evolução em direção a GPUs de propósito geral (GPGPU) tem feito com que uma série de aplicações adotem soluções de interoperabilidade entre GPGPU e computação gráfica, com o primeiro usado para cálculos pesados e o segundo para a renderização de modelos gráficos 3D em imagens de alta resolução em tempo interativo.APIs de GPGPU como CUDA, por exemplo, expõe explicitamente diversos recursos de hardware, tais como memória compartilhada e mecanismos de sincronização de threads.Isso é particularmente atraente para aplicações com acessos aleatórios (não-contíguos) à memória, pois permite que o desenvolvedor escreva código mais eficiente para gerenciamento desses acessos.Ao mesmo tempo, diversos trabalhos mostram que, para aplicações gráficas ou que demandam visualizações gráficas dos resultados, a implementação somente em OpenGL tem melhor desempenho que implementações com interoperabilidade entre CUDA e OpenGL.Nesta dissertação nós apresentamos uma comparação entre o uso de OpenGL e CUDA para acessos aleatórios à vizinhança de primeira ordem.Nós investigamos duas aplicações representativas desse problema: estimativa de tensores de curvatura e simulação de N-corpos.Em ambos os casos nós implementamos
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".