Anàlisi del Rendiment i Acceleració de Learned Hash-Indexes en Arquitectures de Supercomputació

Identificador:  TFG:9490

Handle: https://hdl.handle.net/20.500.11797/TFG9490

Autors:  Palazón Balmaseda, Montserrat

Resum:
El creixement exponencial de les dades genòmiques desafia el rendiment de les eines d'anàlisi del genoma, especialment durant el mapatge de lectura llarga. Les taules hash, àmpliament utilitzades en la fase de sembra, pateixen un accés irregular a la memòria i una localitat deficient a la memòria cau en el maquinari modern. Els índexs hash apresos, que utilitzen models com RMI per predir ubicacions clau, ofereixen una alternativa prometedora. Aquesta tesi analitza el seu rendiment i demostra que, amb optimitzacions de programari com ara el processament per lots, la precàrrega i la vectorització, els índexs apresos poden superar els tradicionals. Els nostres resultats mostren que aconsegueixen un augment de la velocitat de 2,90×, una reducció de 3,87× en MPKI i redueixen els cicles lligats a la memòria del 66,80% al 13,65%, desbloquejant el seu potencial en els processadors moderns.