Bruno Schulze

Entender os fatores que limitam o desempenho das aplicações e seus requisitos computacionais pode auxiliar nas otimizações de software e na aquisição, no desenvolvimento e na escolha de um hardware que melhor atende às necessidades de desempenho da aplicação. Neste trabalho é proposta uma metodologia de avaliação e caracterização de desempenho de aplicações científicas usando o modelo Roofline. Foram desenvolvidas uma série de experimentos com diferentes aplicações, as quais são analisadas seguindo a metodologia proposta. Os resultados permitem identificar os aspectos que limitam o desempenho, sugerir otimizações de software e de hardwares que aumentem a eficiência de execução das aplicações avaliadas.

O principal objetivo deste trabalho é a avaliação de duas meta-heurísticas inspiradas na natureza, Algoritmos Genéticos e Colônia de Formigas, para o dese...

Scientic Computing typically requires large computational needs which have been addressed with High Performance Distributed Computing. It is essential to ecient...

As the high processing computing becomes even more critical for scientific research across various fields, increasing performance without raising the energy con...

The main objective of this work is the evaluation of two nature inspired meta-heuristics, Genetic Algorithms and Ant Colony, for the development of an application that can generate optimized routes for aircraft, attending the requirements of the Brazilian Navy. This work presents the methods developed, complying with two main constraints: checkpoints mobility and limited aircraft autonomy. It also presents the results of tests performed with the methods developed and an evaluation of their performances.

Modelo para previsão de posição de objetos em 3d / 3d object position forecast model

Performance and energy efficiency are now critical concerns in high performance scientific computing. It is expected that requirements of the scientific problem should guide the orchestration of different techniques of energy saving, in order to improve the balance between energy consumption and application performance. To enable this balance, we propose the development of an autonomous framework to make this orchestration and present the ongoing research to this development, more specifically, focusing in the characterization of the scientific applications and the performance modeling tasks using Machine Learning.