Tribunal:
     PRESIDENT: FONTOURA DE GUSMAO CERQUEIRA, RENATO
     SECRETARI: TOUS LIESA, RUBÉN
     VOCAL: DE MORAES, RAFAEL JESUS
Resum de tesi: La industria del petróleo y gas (O&G) ocupa un lugar destacado entre los principales usuarios comerciales de potentes supercomputadoras en todo el mundo, como lo indican las listas de clasificación global de Computación de alto rendimiento (HPC), como TOP500 y Green500. Las aplicaciones de geociencia, en particular los simuladores geomecánicos y de flujo, plantean cargas de trabajo exigentes para HPC al abordar complejos desafíos de ingeniería en la industria del petróleo y gas, junto con el procesamiento sísmico.El auge de los entornos HPC híbridos bajo demanda y en la nube presenta nuevos desafíos para los usuarios finales. Más allá de la experiencia en sus campos, los usuarios deben explorar las complejidades de la arquitectura informática para seleccionar el hardware óptimo y la opción de paralelización. También deben considerar decisiones sobre el modelo de negocio de los proveedores de la nube, como la gestión de instancias puntuales, la selección de diferentes regiones de la nube o incluso diferentes proveedores de la nube. Además, los usuarios luchan con las complejidades de configurar su propio software de geociencia debido a la multitud de parámetros numéricos ajustables. Los valores predeterminados pueden no ser óptimos para modelos de yacimientos específicos, lo que requiere del usuario conocimiento fuera de su campo de especialización.Esta tesis tiene como objetivo cambiar el paradigma en la utilización de HPC para las geociencias al confiar las decisiones de arquitectura informática a algoritmos de optimización conscientes del dominio. Este enfoque no solo mejora la usabilidad para el usuario final, sino que también puede traducirse en reducciones sustanciales tanto de tiempo como de costos. Estos algoritmos podrían conducir a una mejor utilización de las supercomputadoras locales y a la optimización de costos de los recursos de la nube. Evaluamos la viabilidad de este enfoque a través de las contribuciones de tres algoritmos.El primer algoritmo de este trabajo se denominó TunaOil, que es una metodología novedosa que utiliza ejecuciones previas de simulación para entrenar un oráculo que propone parámetros numéricos casi óptimos para simulaciones posteriores dentro de un flujo de trabajo iterativo. Esto permite ajustar los parámetros de simulación sin ejecuciones adicionales, ahorrando un tiempo valioso. Los experimentos muestran que la contribución de este algoritmo mejora hasta un 31% el tiempo de ejecución general.El segundo algoritmo, denominado MScheduler, es un metaprogramador diseñado para simulaciones en la nube. El mismo ejecuta de manera eficiente trabajos SLURM mediante el uso de máquinas virtuales (VM) puntuales para minimizar los costos y garantizar la finalización del trabajo, incluso en caso de terminación de la VM. Las contribuciones clave incluyen una metodología novedosa para puntos de control de simulación de yacimientos, un programador basado en costos y una análisis de la estrategia utilizando trabajos de producción reales. MScheduler reduce significativamente los costos financieros (de 32 a 66%) con un ligero aumento en el makespan (de 8 a 19%). El tercer algoritmo utiliza algoritmos de aprendizaje automático (ML) para predecir los tiempos de ejecución de simulacion, mejorando la eficiencia de los recursos del clúster. El modelo desarrollado clasifica el intervalo de duración de los trabajos de simulación de yacimientos SLURM con una precisión de más de 70%, superando el rendimiento estándar descrito en la literatura sobre programación de trabajos, contribuyendo así a mejorar las decisiones de programación.Juntos, estos algoritmos marcan un cambio de paradigma en la utilización de HPC para aplicaciones de geociencia. Liberan a los usuarios finales de opciones complejas de arquitectura informática, contribuyendo para una mejor toma de decisiones con beneficios en tiempo y costes.

Tribunal:
     PRESIDENT: MARZO LAZARO, JOSE LUIS
     SECRETARI: BARLET ROS, PERE
     VOCAL: NIN GUERRERO, JORDI
Resum de tesi: Aquesta investigació aborda l'assignació de recursos en xarxes de comunicació, amb èmfasi en l'impacte de la incertesa humana sobre el rendiment d'aquestes xarxes, especialment aquelles que utilitzen tecnologies avançades. La hipòtesi central d'aquesta tesi és que les variacions en el comportament humà influeixen en l'eficiència operativa de les xarxes de comunicació. Per validar aquesta hipòtesi, s'ha dissenyat una metodologia que inclou una revisió exhaustiva de la literatura especialitzada, complementada amb una anàlisi qualitativa i quantitativa rigorosa en escenaris simulats.En aquest context, s'investiga un cas pràctic específic: l'ús d'aplicacions mòbils per a vehicles de lloguer amb conductor, com Uber i Cabify, operant en un network slice d'una xarxa 5G. Aquestes aplicacions, instal·lades en dispositius mòbils, faciliten la connexió entre usuaris i conductors, mostrant la disponibilitat de vehicles en temps real. El procés comença quan un usuari selecciona un punt d'origen i destinació en l'aplicació, que proposa una ruta òptima. Tanmateix, el conductor pot modificar la ruta proposada sense penalitzacions, introduint incertesa que pot afectar negativament el rendiment de la xarxa.En les simulacions, es presta especial atenció al Call Drop Rate (CDR) en funció de possibles falles durant el procés de handover. Les simulacions es desenvolupen en múltiples etapes: inicialment en un escenari mínim, dissenyat per verificar la influència de la incertesa en el rendiment de les xarxes. En la segona etapa, s'avalua el model en el simulador Simulation of Urban Mobility (SUMO), que aporta major realisme a l'entorn vehicular. Aquest simulador s'integra amb el framework Artery-C, que incorpora elements relacionats amb la tecnologia 5G. En la fase final, s'utilitzen dades de l'escenari InTAS, que modela informació detallada de la ciutat d'Ingolstadt, proporcionant un entorn de prova robust per a la validació del model.L'objectiu principal d'aquesta investigació és desenvolupar i avaluar un model que capturi la incertesa humana des de múltiples perspectives, adoptant un enfocament interdisciplinari. Els resultats indiquen que la incertesa humana afecta significativament el rendiment de les xarxes de comunicació. A través d'un enfocament interdisciplinari, s'ha dissenyat un model innovador que integra aspectes sociològics, psicològics i computacionals, capturant la incertesa humana en contextos de tecnologies avançades. L'adaptabilitat i eficàcia del model han estat corroborades mitjançant eines computacionals avançades.Els resultats mostren la rellevància de desenvolupar metodologies que optimitzin l'assignació de recursos i millorin el rendiment de la xarxa, alineant-se amb els objectius estratègics dels operadors. Aquest enfocament representa una via prometedora per incrementar l'eficiència i eficàcia en la implementació de solucions tecnològiques en entorns dinàmics i complexos.Aquest estudi contribueix al camp de l'assignació de recursos en xarxes de comunicació, demostrant la importància d'adoptar estratègies adaptables. Per a investigacions futures, es proposa estendre el model per analitzar diferents network slices, considerant característiques úniques i restriccions imposades pels proveïdors de serveis. Això inclouria l'avaluació de la temporalitat dels recursos per millorar l'elasticitat i resposta del model. A més, es suggereix desenvolupar un mètode innovador per a l'assignació dinàmica de recursos que incorpori la incertesa humana, permetent decisions adaptatives en temps real. Aquests enfocaments promourien una gestió i optimització més efectives dels recursos de xarxa en diversos contextos i temporalitats.

Tribunal:
     PRESIDENT: ANTONIU, GABRIEL
     SECRETARI: GARCÍA ALMIÑANA, JORDI
     VOCAL: TALIA, DOMENICO
Resum de tesi: La gestió eficient de les dades és un aspecte fonamental dels fluxos de treball de les aplicacions, especialment en el context dels entorns informàtics d'alt rendiment. Aquesta tesi examina el potencial dels emmagatzematges d'objectes com a candidats robustos per als sistemes de emmagatzematge d'alt rendiment (HPC).La primera contribució d'aquesta tesi és la adaptació d'un emmagatzematge d'objectes distribuït combinat amb el disseny arquitectònic de la seva integració amb un marc computacional. L'emmagatzematge d'objectes resultant pot utilitzar eficientment els recursos HPC. Això s'aconsegueix aprofundint en les capacitats actives i dona lloc a un augment de la localitat de dades i el rendiment de l'execució.Després d'aquesta primera contribució en proposem dues addicionals que mostren el potencial d'aquest emmagatzematge actiu d'objectes en el context HPC. Per a la segona contribució, introduïm un nou mecanisme de programari per iterar conjunts de dades i realitzar execució distribuïda en aquest entorn. La nostra proposta pot abstreure la relació entre la distribució de dades i la distribució de tasques, alhora que ofereix avantatges de rendiment en una àmplia varietat d'escenaris, sense sacrificar la programabilitat del model de programació basat en tasques.La tercera contribució d'aquesta tesi està relacionada amb la integració d'una tecnologia de maquinari, la memòria no volàtil (NVM). La idea principal és aprofitar l'aspecte actiu de l'emmagatzematge d'objectes i combinar-lo amb la natura d'adressament per bytes (no per blocs) d'aquest nou tipus de memòries. Les característiques de la NVM permeten realitzar càlculs in situ, sense necessitat de transferir dades des d'aquesta capa de memòria persistent, i el mecanisme actiu pot invocar l'execució al costat de les seves dades. Aquests dos aspectes es relacionen i permeten al programari d'emmagatzematge gestionar l'espai NVM mentre millora la localitat de les dades i redueix els requeriments de memòria globalment.Totes les contribucions s'implementen com a part de dataClay (el sistema d'emmagatzematge, un programari d'emmagatzematge d'objectes). Aquesta tesi inclou la implementació i avaluació d'aquestes propostes amb aplicacions científiques d'ús comú. A més de completar i avaluar la integració de dataClay i COMPSs (el marc d'execució), els mecanismes de programari per iterar conjunts de dades també s'implementen i avaluen amb Dask (un altre marc d'execució basat en tasques). Els diferents escenaris explorats mostren els beneficis que aporten les nostres contribucions a les pila de programari proposades dins l'ecosistema HPC.

Tribunal:
     PRESIDENT: SCARSELLI, FRANCO
     SECRETARI: SPADARO, SALVATORE
     VOCAL: PERINO, DIEGO
Resum de tesi: En el contexto de una revolución digital, la sociedad contemporánea se encuentra inmersa en una era donde las demandas de las aplicaciones en red superan las capacidades de las soluciones de gestión convencionales. Precisamente, esta tesis navega a través de las complejidades de los entornos de redes modernas, donde los enfoques de gestión tradicionales se están quedando cortos debido a aplicaciones emergentes como la realidad aumentada, la realidad virtual o la telepresencia holográfica, las cuales exigen ultra baja latencia y adaptabilidad dinámica. Estas redes en evolución conforman la columna vertebral de la sociedad moderna, manteniendo numerosos servicios vitales pero planteando una complejidad elevada para los Proveedores de Servicios de Internet (ISP) y los operadores de red.En medio de esta complejidad, la necesidad de soluciones innovadoras para optimizar y gestionar las redes actuales es más evidente que nunca. Una proposición central de esta tesis es el marco MAGNNETO (Optimización Multiagente con Redes Neuronales Gráficas, en sus siglas en inglés), una iniciativa revolucionaria basada en Aprendizaje Automático (ML). Su objetivo principal es facilitar la optimización distribuida en escenarios de redes. Al integrar una arquitectura de Redes Neuronales Gráficas (GNN) en un entorno de Aprendizaje por Refuerzo Multiagente (MARL), da pie a un proceso de optimización completamente distribuido y aprovecha la naturaleza distribuida inherente de los entornos de red, abordando problemas de escalabilidad y facilitando aplicaciones en tiempo real. Esta iniciativa es adaptable, ofreciendo versatilidad para abordar varios casos de uso y mostrando robustez para cumplir con los desafiantes requisitos de aplicaciones reales.Una contribución sustancial de este trabajo es la implementación exitosa de MAGNNETO en diferentes casos relevantes de redes, centrándose prominentemente en dos escenarios altamente impactantes en el campo de las redes de computadores. En primer lugar, se aborda el problema crucial de la optimización de la Ingeniería de Tráfico (TE) en redes de ISP. Con el objetivo de reducir la congestión de la red, se introduce MAGNNETO-TE, una variante del marco específicamente diseñada para minimizar la utilización máxima del enlace en estas redes. Notablemente, esta adaptación marca un cambio de paradigma al igualar el rendimiento de optimizadores TE tradicionales líderes en el estado del arte, pero a una fracción de su coste de ejecución.Además, la investigación explora el complejo ámbito del Control de Congestión (CC) en Redes de Centros de Datos (DCN), otro servicio crítico en nuestro mundo digital actual caracterizado por patrones de tráfico dinámicos y estrictos requisitos de baja latencia. Aquí, MAGNNETO-CC emerge como una solución potente, ofreciendo una estrategia distribuida que armoniza con protocolos de CC ampliamente desplegados, superando a las más avanzadas metodologías basadas en ML y a las configuraciones de CC estáticas más usadas actualmente.Mirando hacia el futuro, la tesis también delinea posibles vías para mejorar MAGNNETO, abordando especialmente los desafíos asociados a las arquitecturas GNN actuales. Visualiza la integración de técnicas de aprendizaje profundo topológico para fomentar un enfoque novedoso y prometedor para la optimización distribuida que tiene el potencial de explotar correlaciones arbitrarias entre múltiples elementos, yendo más allá del dominio de grafos tradicional. Al abordar la necesidad urgente de almacenamiento eficiente del tráfico de red, la metodología propuesta se revela como una solución robusta basada en ML para la compresión de datos con pérdida.En resumen, esta tesis enfrenta los desafíos fundamentales de optimizar sistemas de redes basados en grafos, tratando de redefinir el panorama de la optimización y gestión distribuida de redes en esta era de transformación digital.

Tribunal:
     PRESIDENT: SIDDIQUI, MUHAMMAD SHUAIB
     SECRETARI: BERRAL GARCÍA, JOSEP LLUÍS
     VOCAL: TABATABAEIMEHR, FATEMEHSADAT
Resum de tesi: Las redes de sensores (SN) desempeñarán un papel integral en los ecosistemas de redes 5G y más allá (B5G), especialmente para casos de uso y servicios altamente distribuidos como Gemelos Digitales (DT). Así pues, la red de transporte subyacente debe proporcionar conectividad entre las redes de sensores distribuidas y el sistema de gestión del DT, que suele estar lejos de las fuentes de datos de los sensores (típicamente, en un servidor centralizado). En vista de ello, es esencial que las redes B5G proporcionen requisitos críticos como alta capacidad de transmisión, comunicación sensible a la latencia y garantía de veracidad e integridad de los datos, todo ello para permitir servicios de DT. Para cumplir con estos requisitos, se puede recurrir a la monitorización y el análisis de datos de SN basados en estadística e Inteligencia Artificial (IA) con el fin de proporcionar una transmisión de datos inteligente y eficiente. Mediante estos procedimientos, los datos generados por las SNs se pueden comprimir y analizar localmente para reducir el volumen total de datos que debe transmitirse al servidor centralizado. Además, la naturaleza inherente de los algoritmos de compresión y análisis añade privacidad y seguridad a los datos transmitidos sin afectar a su integridad. El uso de este tipo de técnicas basadas en IA abre la oportunidad de realizar Transferencia de Conocimiento (KT) entre DTs que operan sobre una infraestructura compartida. Dado que compartir datos sin procesar puede vulnerar la privacidad, los métodos basados en IA permiten intercambiar información relevante a la vez que se ofuscan detalles críticos, permitiendo así un funcionamiento coordinado y seguro entre segmentos diferenciados.Esta tesis doctoral tiene como objetivo mejorar el funcionamiento de las SNs densas, que se necesitan de una infraestructura de transporte subyacente que incluya capacidades de computación entre los nodos. Mediante la aplicación de procedimientos estadísticos y basados en IA, los métodos propuestos perseguirán varios objetivos, como són: reducir el volumen de datos transportados a través de la red manteniendo la privacidad y la integridad; detectar anomalías o eventos en los datos recogidos para proporcionar alarmas y notificaciones tempranas; y facilitar la operación de servicios a través de varios dominios de SN.Entrando en detalle, el primer objetivo consiste en desarrollar métodos para reducir el volumen de datos recogidos por los sensores mediante métodos estadísticos y basados en IA para la compresión de datos y la manipulación de la frecuencia de muestreo. Se han propuesto enfoques de compresión basados tanto estadística como en el uso de autocodificadores (AE), así como un método de adaptación de la frecuencia de muestreo que funciona con ambos. Mediante simulacion con conjuntos de datos reales, se demuestra una capacidad significativa para reducir el volumen de los datos, alcanzando el 1% de su tamaño original en algunos casos, y conduciendo a la reducción del consumo de energía a una décima parte en el caso de sensores con disponibilidad limitada de energía.Finalmente, el tercer objetivo consiste en investigar métodos para mejorar la gestión y coordinación de sistemas de DT multidominio mediante KT, preservando al mismo tiempo la privacidad de cada DT individual. Se ha propuesto un método de extracción de conocimiento basado en AEs que extrae información codificada sobre el estado del DT que comparte y la envía al DT de destino. Resultados numéricos demuestran que el DT de destino es capaz de utilizar la información codificada y privada sobre el estado del DT que comparte antes de que los un evento correlado entre ambos DTs afecte al DT de destino.

Tribunal:
     PRESIDENT: PESCAPÈ, ANTONIO
     SECRETARI: ARIAS VICENTE, MARTA
     VOCAL: RÉTVÁRI, GÁBOR
Resum de tesi: El modelatge de xarxes és fonamental en el camp de les xarxes informàtiques. Els models són útils per investigar nous protocols i mecanismes, permetent als administradors estimar el seu rendiment abans del seu desplegament real a les xarxes de producció. Els models de xarxa també ajuden a trobar configuracions de xarxa òptimes, sense necessitat de provar-les a les xarxes de producció.Sens dubte, la manera més freqüent de construir aquests models de xarxa és mitjançant l'ús de metodologies de simulació d'esdeveniments discrets (DES) que proporcionen una precisió excel·lent. Els simuladors de xarxa d'última generació inclouen una àmplia gamma de protocols de xarxa, transport i encaminament, i són capaços de simular escenaris realistes. Tanmateix, això comporta un cost computacional molt elevat que depèn linealment del nombre de paquets que s'estimulen. Com a resultat, són poc pràctics en escenaris amb volums de trànsit realistes o topologies grans. A més, i com que són computacionalment costosos, no funcionen bé en escenaris en temps real.Una altra alternativa de modelització de xarxes és la teoria de la cua (QT) on les xarxes es representen com a cues interconnectades que s'avaluen analíticament. Tot i que QT soluciona la principal limitació del DES, imposa supòsits forts sobre el procés d'arribada de paquets, que normalment no es compleixen a les xarxes reals.En aquest context, l'aprenentatge automàtic (ML) ha sorgit recentment com una solució pràctica per aconseguir models basats en dades que poden aprendre models de trànsit complexos alhora que són extremadament precisos i ràpids. Més concretament, les xarxes neuronals de gràfics (GNN) han sorgit com una excel·lent eina per modelar dades estructurades en gràfics que mostren una precisió excepcional quan s'apliquen a xarxes d'ordinadors.Aquesta tesi pretén ser un pas endavant en l'aplicació de les xarxes neuronals de gràfics per al modelatge de xarxes. Tanmateix, encara persisteixen alguns reptes:1. Cues i polítiques de programació: modelar cues, polítiques de programació i mapes de qualitat de servei (QoS) dins de les arquitectures GNN suposa un altre repte, ja que aquests elements són fonamentals per al comportament de la xarxa.2. Models de trànsit: modelar amb precisió patrons de trànsit realistes, que presenten una forta autocorrelació i cues pesades, segueix sent un repte per a les solucions basades en GNN.3. Entrenament i generalització: els models ML, incloses les GNN, requereixen dades d'entrenament representatives que cobreixen diversos escenaris operatius de la xarxa. La creació d'aquests conjunts de dades a partir de xarxes de producció reals és inviable, ja que requereix bancs de proves controlats. El repte rau a dissenyar GNN capaços d'estimar amb precisió en xarxes no vistes, que abastin diferents topologies, trànsit i configuracions.4. Generalització a xarxes més grans: les xarxes del món real sovint són significativament més grans que els bancs de proves. Escalar les GNN per gestionar xarxes amb centenars o milers de nodes és un repte urgent, que requereix aprofitar el coneixement de la xarxa específic del domini i enfocaments arquitectònics nous.Aquesta tesi representa un pas endavant en l'aprofitament de les xarxes neuronals de grafs per al modelatge de xarxes, amb un enfocament a abordar aquests reptes crítics.

Tribunal:
     PRESIDENT: ZENNARO, MARCO
     SECRETARI: MACCARI, LEONARDO
     VOCAL: FILIPPINI, ILARIO
Resum de tesi: Aquesta tesi té com a objectiu investigar l'eficàcia i l'aplicabilitat de la xarxa de backhaul sense fil (WBN) en dos contextos divergents: xarxes urbanes ultradenses per a 5G i solucions de connectivitat per a zones rurals o dividides digitalment. WBN ofereix un marc adaptable i resistent per a la transmissió de dades, cosa que els converteix en una opció atractiva per a la propera generació de xarxes sense fils, especialment 5G. En entorns urbans densos, on la demanda d'elevades taxes de dades és urgent, els backhauls de malla sense fils poden servir com un actiu estratègic per assolir el rendiment de dades promès per a les xarxes 5G. Aquestes xarxes requereixen inherentment un desplegament dens de nodes per complir la seva promesa de comunicació d'alta velocitat i baixa latència. Per tant, analitzem el paper que poden tenir els backhauls de malla sense fils en zones densament poblades, posant èmfasi en el seu potencial per complir o fins i tot superar les expectatives d'alta velocitat de dades de 5G.Per contra, a les zones rurals o digitalment dividides, la viabilitat econòmica de desplegar xarxes tradicionals de coure o fibra òptica d'última milla sovint resulta prohibitiva. En aquests casos, WBN, desplegat com a xarxa comunitària sense fils (WCN) o com a part de la infraestructura d'un proveïdor de serveis d'Internet sense fils (WISP), pot oferir una alternativa viable.Aquesta tecnologia podria reduir la bretxa digital proporcionant una connectivitat d'Internet robusta i rendible a les regions poc ateses.Per corroborar les meves troballes, vaig aprofitar la tecnologia de sistemes d'informació geogràfica (GIS) i mètodes computacionals basats en GPU juntament amb anàlisis i simulacions de gràfics. La tecnologia GIS, aprofitant diferents conjunts de dades oberts com ara els models de superfície digital (DSM) i els mapes vectorials, fan possible unacomprensió detallada del paisatge geogràfic, crucial per construir models de viabilitat detallats en diversos entorns. Els mètodes computacionals basats en GPU acceleren l'anàlisi del model, permetent una avaluació en profunditat en un període de temps raonable. Com a resultat, vaig poder optimitzar diversos aspectes de la xarxa, com ara la col·locació de nodes, la topologia de la xarxa i el consum d'energia, que són paràmetres crítics per al desplegament efectiu d'aquestes xarxes.Aquest treball integra aquests mètodes i tecnologies computacionals per oferir una visió completa de com es poden desplegar de manera eficient els backhauls de malla sense fil tant en entorns urbans com rurals. Els resultats ofereixen informació valuosa sobre l'arquitectura de xarxa més adequada per a cada context, amb especial atenció a l'escalabilitat i la resiliència. En resum, aquesta tesi contribueix a una comprensió més àmplia del potencial que tenen els backhauls de malla sense fil per abordar els requisits de connectivitat de diversos entorns, que van des de l'entorn urbà ultradens requerit. per 5G als reptes únics que plantegen les zones rurals i digitalment dividides.

Tribunal:
     PRESIDENT: GARCÍA LÓPEZ, PEDRO
     SECRETARI: RUIZ RAMÍREZ, MARC
     VOCAL: CIRILLO, DAVIDE
Resum de tesi: En els darrers anys, l'augment exponencial de les dades que s'estan generant ha suposat la necessitat d'implementar noves metodologies per processar els enormes conjunts de dades que s'estan creant. La Computació d'Alt Rendiment o High-Performance Computing (HPC) reuneix un conjunt de tecnologies basades principalment en computació paral·lela, que ajuden a reduir el temps dedicat a analitzar aquests conjunts de dades. Un camp de recerca on calen aquestes tecnologies és la Genòmica Computacional. A més, la complexitat dels conjunts de dades genòmiques limita l'ús de mètodes convencionals bàsics per al descobriment de relacions significatives complexes, fet que introdueix la necessitat d'algorismes d'aprenentatge automàtic o Machine Learning (ML) i mètodes estadístics sòlids.A la primera part de la tesi, el nostre objectiu és identificar patrons complexos de reordenaments genòmics somàtics en mostres de càncer. La dificultat de la classificació rau en l'ocurrència de milers de reordenaments alhora, sovint compostos per múltiples trencaments d'ADN. Aquí presentem un nou enfocament estadístic per analitzar variants estructurals (SV) de 2392 mostres de tumors del Consorci d'Anàlisi Pan-Càncer de Genomes Complets (PCAWG) i identificar-ne una recurrència significativa. La metodologia proposada no sols és capaç d'identificar patrons complexos de SV en diferents tipus de càncer, sinó també de demostrar que no són esdeveniments aleatoris, identificant una nova classe de patró compost per tres SV que no es va descriure anteriorment.A la segona part de la tesi abordem un altre repte de la genètica humana, que és l'estudi de la relació entre variants d'un sol nucleòtid (SNV) i malalties complexes, com ara la diabetis tipus 2, l'asma o l'Alzheimer. L'estudi d'aquestes associacions malaltia-variant se sol fer de manera única i independent. Tot i això, aquí hem creat un algorisme que utilitza la reducció de dimensionalitat multifactorial (MDR) per detectar combinacions de variants associades amb la diabetis tipus 2 (T2D). Aquesta metodologia s'ha provat a la cohort del projecte NUgene de la Universitat Northwestern utilitzant 1.883.192 parells de variants amb algun grau d'associació amb la diabetis tipus 2 i identificant un subconjunt de 104 parells significatius, dos dels quals exhibeixen una possible relació funcional amb la diabetis tipus 2. L'algoritme es va publicar en un repositori de codi obert, i es va poder utilitzar per buscar interaccions per parells significatives en altres conjunts de dades.En tots dos marcs desenvolupats dins de la tesi, l'ús d'arquitectures de supercomputació a gran escala ha estat necessari. Per garantir un accés obert a les tecnologies HPC, els governs i el món acadèmic estan impulsant la introducció d'arquitectures informàtiques noves en entorns científics a gran escala. Aquest és el cas del RISC-V, una arquitectura de conjunt d'instruccions estàndard oberta. Per avaluar aquestes tecnologies, a les dues darreres parts de la tesi, proposem l'ús del nostre cas d'ús VIA com a punt de referència, proporcionant la primera aplicació genòmica per a RISC-V. Amb aquest cas dús, proporcionem un cas representatiu per al processament pesant de dades ETL (Extracció, Transformació, Càrrega). Desenvolupem una versió de la càrrega de treball VIA per a RISC-V i adaptem la nostra implementació en superordinadors basats en x86 (per exemple, Marenostrum IV al Barcelona Supercomputing Center (BSC)) per fer una comparació justa amb RISC-V, ja que algunes tecnologies no estan disponibles. Amb aquest benchmark, hem pogut indicar els desafiaments i les oportunitats per als propers desenvolupaments i dissenys de RISC-V, a partir d'una primera comparació entre les arquitectures x86 i RISC-V en execucions de càrregues de treball genòmiques sobre implementacions de maquinàries reals.

Tribunal:
     PRESIDENT: PETERSEN MOURA TRANCOSO, PEDRO
     SECRETARI: JIMENEZ GONZALEZ, DANIEL
     VOCAL: GOMEZ LUNA, JUAN
Resum de tesi: El progressiu desenvolupament de la Llei de Moore per a millorar el rendiment de fils individualsmitjançant la freqüència de rellotge i les millores en el node de procés s’ha vist obstaculitzat acausa de limitacions físiques. Això ha resultat en un canvi cap a l’ús de processadors multinucliper aconseguir guanys de rendiment. No obstant això, el rendiment dels processadors multinucliestà limitat per la Llei d’Amdahl, que limita qualsevol acceleració per les parts sequencials delprograma. En conseqüència, la indústria tecnològica està posant l’accent en la especialització iel desenvolupament d’acceleradors per millorar el rendiment d’aplicacions específiques.La genòmica és el camp que es dedica a l’estudi dels gens. Amb els desenvolupaments actu-als en tecnologies de seqüenciació es produeix una enorme quantitat de dades més ràpidament ieconòmicament que el previst per la Llei de Moore. No obstant això, l’assemblatge i l’anàlisid’aquestes dades és molt lent en processadors de propòsit general. Per tant, els acceleradorssón essencials en el camp de la genòmica, especialment per a l’assemblatge d’ADN. Utilitzanthardware dissenyat per a aquest domini concret, com ara FPGAs o ASICs, els investigadorsen genòmica poden aconseguir millores significatives en el rendiment en comparació amb elsprocessadors de propòsit general. Gràcies als acceleradors, la velocitat de l’assemblatge d’ADNpot mantenir-se al ritme de la seqüenciació d’ADN, el que permet un anàlisi i descobrimentsmés ràpids en genòmica.L’objectiu principal d’aquesta tesi és accelerar dues aplicacions crítiques de l’assemblatged’ADN, el recompte de k-mers i l’alineament de seqüències, utilitzant FPGAs i ASICs. Laprimera contribució es centra en accelerar l’aplicació de recompte de k-mers utilitzant FPGAs ila seva adaptació en una aplicació de genòmica anomenada SMUFIN. La segona i la terceracontribució es centren en accelerar amb FPGAs el nou algoritme d’alineament de seqüènciesWFA. L’accelerador de la segona contribució està dissenyat per a seqüències curtes d’ADNde fins a 300 bases, que són generades per tecnologies de seqüenciació de pròxima generació.L’accelerador de la tercera contribució està dissenyat per a seqüències llargues d’ADN defins a 50.000 bases, que són generades per tecnologies de seqüenciació de tercera generació.En la quarta contribució dissenyem un ASIC per accelerar l’alineament de seqüències ambWFA i l’integrem en un SoC RISC-V. En totes les contribucions analitzem diferents parts del’aplicació i portem les parts més lentes a l’accelerador. També modifiquem i redisenyem lesparts restants de la CPU per adaptar-les al codi de l’acceleradorEn la nostra primera contribució, el nostre accelerador de recompte de k-mers millora elrendiment del recompte de k-mers de SMUFIN en un factor de 2,14×, mentre que consumeixun 2,93× menys energia i un 1,57× menys memòria en comparació amb la implementaciósoftware de referència. El rendiment dels acceleradors d’alineament de seqüències de lasegona i la tercera contribució s’avalua utilitzant una i dues FPGAs. En comparació amb laimplementació software de referència de l’algoritme WFA, el segon accelerador millora elrendiment fins a 8,8× i 13,5× amb una i dues FPGAs, respectivament, i millora la eficiènciaenergètica fins a 9,7× i 14,6× amb una i dues FPGAs, respectivament. El tercer acceleradorarriba a millores de rendiment de fins a 5,6× i 9,9× amb una i dues FPGAs, respectivament, iuna millor eficiència energètica de fins a 7,5× i 10,9× amb una i dues FPGAs, respectivament.En la quarta contribució el nostre accelerador ASIC integrat en el SoC millora el rendimentfins a 1076× en comparació amb la implementació software de l’algoritme WFA a Sargantana,la CPU RISC-V del xip.

Tribunal:
     PRESIDENT: CASTELLÓ GIMENO, ADRIÁN
     SECRETARI: AYGUADÉ PARRA, EDUARD
     VOCAL: EL HAJJ, IZZAT
Resum de tesi: El desenvolupament ràpid de la tecnologia informàtica ha aplanat el camí perquè els models deprogramacióbasats endirectives exerceixin un paper principal en el manteniment de la portabilitat del programari d'aplicacions de rendimentcrític.Elsesforços en aquests models impliquen un cost d'enginyeria mínim per permetre l'acceleració computacional enmúltiplesarquitectures, mentre que als programadors només cal afegir metainformació al codi seqüencial. Tot i això, les optimitzacionsperobtenir la millor eficiència possible solen ser un desafiament. La inserció de directives per part del programador pot provocarefectes secundaris que limitin la possible optimització disponible del compilador, cosa que podria provocar unadegradaciódelrendiment. Això s'agreuja quan s'apunta a l'execució asincrònica o sistemes multi-GPU, ja que els pragmes no s'adaptenautomàticament a aquests mecanismes i requereixen ajustaments de codi costosos i que requereixen molt de temps per partdels programadors. A més, els models de programació basats en directives com OpenACC i OpenMP sovint impedeixen que elsprogramadors facin optimitzacions addicionals per aprofitar les característiques arquitectòniques avançadesde les GPUperquèel càlcul real generat és ocult per al desenvolupador de l'aplicació.Aquesta dissertació explora noves possibilitats per optimitzar el codi basat en directives tant des de la perspectiva del tempsdexecució com de la compilació. Primer presentem un marc d'execució per a OpenACC per facilitar l'anàlisi i lacompilaciódinàmica. Especialment, el nostre marc realitza una execució asincrònica automàtica i un ús demúltiplesGPU segons l'estatd'execució del nucli i la disponibilitat de dades, mentre aprofita un mecanisme sobre la marxa per a lacompilaciói l'optimitzaciódel programa. Agreguem un mètode versàtil de traducció de codi per a la utilització de múltiples dispositiusmitjançantel qual lesaplicacions optimitzades manualment es poden distribuir automàticament mantenint l'estructura i el paral·lelismedel codioriginal.En segon lloc, implementem una nova tècnica d'optimització flexible que opera inserint una fase d'emulador de codi al final delprocés de compilació. La nostra eina emula el codi generat mitjançant anàlisi simbòlica en substituir informació dinàmicaiaixípermetre que s'apliquin més optimitzacions de codi de baix nivell. Implementem la nostra eina per admetre les directives CUDA iOpenACC com a interfície del procés de compilació, cosa que permet optimitzacions de GPU de baix nivell per a OpenACC queabans no eren possibles. En tercer lloc, us proposem l'ús d'una tècnica d'optimització moderna, lasaturaciód'igualtat, peroptimitzar el codi seqüencial utilitzat a la programació basada en directives per a GPU. El nostre enfocament aconsegueixmenys computació, menys accés a la memòria i un alt rendiment de la memòria simultàniament. El nostre marc totalmentautomatitzat construeix la forma SSA a partir d'entrades que es reescriuran completament mantenint lesdependènciesi extraientcasos òptims. En general, cobrim tècniques de temps dexecució i mètodes doptimització basats eninformació dinàmica,operacions de baix nivell i oportunitats a nivell dusuari.

Tribunal:
     PRESIDENT: SANCHEZ ARTIGAS, MARC
     SECRETARI: GUITART FERNANDEZ, JORDI
     VOCAL: TAHERKORDI, AMIRHOSEIN
Resum de tesi: Recentment, la informàtica sense servidor ha captat l'atenció de l'acadèmia i la indústria pel seu aprovisionament de recursos a demanda, permetent als usuaris centrar-se exclusivament en la seva lògica de negoci principal descomponint les tasques en petites funcions sense estat.La informàtica sense servidor ofereix avantatges com un model de cost 'pagament segons l'ús', major flexibilitat i escalat automàtic transparent dels recursos.Los investigadors estan explorant cada vegada més el potencial de la informàtica sense servidor en anàlisis complexos i intensius en dades. Aquestes tasques, pesades en recursos i altament paralleles, involucren comunicacions significatives entre funcions. No obstant això, aquest canvi presenta reptes, requerint una alineació amb les necessitats i restriccions específiques d'aquestes aplicacions. Aquesta tesi demostra que és possible executar eficientment càrregues de treball modernes d'anàlisis intensius en dades, tradicionalment desplegades en clústers gestionats a la núvol, dins d'entorns d'informàtica sense servidor utilitzant comunicació directa entre funcions i polítiques d'assignació de recursos optimitzades en rendiment i costos. Per demostrar aquesta tesi, primerament construïm un model de rendiment per a càrregues de treball sense servidor, considerant el compartiment de dades, el volum i les tecnologies de comunicació. El model, amb un error relatiu del 5,52%, avalua el rendiment d'una càrrega de treball representativa en entorns sense servidor, analitzant la granularitat i la concurrencia de tasques, la localització de les dades, l'assignació de recursos i les polítiques de planificació. Els nostres resultats indiquen que el rendiment de les càrregues de treball d'anàlisis intensius en dades pot ser fins a 4,32x més ràpid depenent de com estiguin desplegats.A continuació, presentem Floki, un sistema de reenviament de dades que aborda el coll d'ampolla de l'emmagatzematge centralitzat. Permet la comunicació directa entre parelles de funcions productor-consumidor utilitzant mètodes de comunicació de mida fixa, permetent la transferència de dades transparent i reduint la còpia de dades de xarxa. Aquest enfocament orientat al flux de treball millora el rendiment i minimitza els requisits de recursos sense restringir la ubicació de les funcions. La avaluació experimental, realitzada en els patrons de comunicació principals en sistemes distribuïts, mostra que Floki redueix el temps de punta a punta fins a 74,95x, disminuint el temps més extens de compartició de dades de 12,55 a 4,33 minuts, estalviant gairebé dos terços del temps. A més a més, Floki aconsegueix fins a 50.738x d'estalvi de recursos, equivalent a una assignació de memòria d'aproximadament 1,9MB en lloc d'una assignació d'emmagatzematge d'objectes de 96GB.Finalment, investiguem com aconseguir una utilització eficient dels recursos en els entorns moderns sense servidor i proposem Dexter, un nou gestor d'assignació de recursos, aprofitant l'elasticitat de la informàtica sense servidor. Dexter monitoritza de manera contínua l'execució de l'aplicació, assignant dinàmicament recursos a un nivell de granularitat fina combinant estratègies predictives i reactives per garantir l'eficiència en rendiment-costos (optimitzant el cost total de temps d'execució). A diferència dels models de Machine Learning (ML) de caixa negra, Dexter arriba a una solució prou bona, prioritzant la simplicitat, la generalitat i la facilitat d'entendre. L'avaluació experimental demostra que la solució aconsegueix una reducció de costos significativa de fins a 4,65x, mentre millora l'eficiència dels recursos fins a 3,50x, en comparació amb l'assignació de recursos per defecte de Spark sense servidor. Dexter també permet fins a 5,71x de estalvis de recursos. Dexter és una solució robusta per a càrregues de treball noves , aconseguint una eficiència de rendiment-costos fins a 2,72x més alta gràcies al seu enfocament conservador d'escalat de recursos.