1/1/2023 - 31/12/2026
El proyecto integra actividades de investigación y formación de recursos humanos (en grado y postgrado) aplicada orientada a la optimización del uso de arquitecturas multiprocesador para computación de alto desempeño, computación distribuida y paralela, sistemas de tiempo real y robótica, considerando las nuevas tendencias tecnológicas y la importancia creciente de los temas de fog-edge-cloud, consumo energético y tolerancia a fallas. El foco del proyecto es de amplio interés, debido a la creciente necesidad de soluciones eficientes a problemas con alta demanda computacional, y al cambio tecnológico que permite el crecimiento de los sistemas distribuidos basados en redes de sensores (IoT) con capacidad de procesamiento local y al mismo tiempo con capacidad de comunicación con capas de procesamiento de mayor potencia de cómputo (fog/cloud). En relación a los algoritmos, interesa la construcción, evaluación y optimización de soluciones utilizando algoritmos concurrentes, paralelos y distribuidos sobre diferentes plataformas de software y arquitecturas multiprocesador, teniendo en cuenta los lenguajes y paradigmas de programación. Se busca aprovechar al máximo las potencialidades de las arquitecturas, la administración de los recursos en cada nivel, la optimización del balance entre procesamiento local y comunicaciones, la reducción de fallos (resiliencia) y la eficiencia energética. Se aborda la investigación en el estudio y adaptación de las clásicas métricas de rendimiento computacional (speedup, eficiencia, escalabilidad), las de rendimiento energético y el costo de programación, considerando esquemas de tolerancia a fallas. Se propone el desarrollo de metodologías de cómputo destinadas a Sistemas de Tiempo Real, atendiendo en especial los aspectos relacionados con planificación de tareas y comunicaciones, realizando implementaciones de robots y en general, sistemas de adquisición y control. Asimismo, se busca analizar y proponer modelos matemáticos que permitan caracterizar fenómenos y sistemas particulares, proponiendo soluciones numéricas viables para resolver estos modelos. Se plantea aplicar los conceptos en problemas numéricos y no numéricos de cómputo intensivo y/o sobre grandes volúmenes de datos (aplicaciones científicas, simulaciones, imágenes, bioinformática, big data, realidad virtual y aumentada, reconocimiento de patrones, etc).