{"id":3080,"date":"2019-10-11T12:14:24","date_gmt":"2019-10-11T12:14:24","guid":{"rendered":"https:\/\/www.grycap.upv.es\/?page_id=3080"},"modified":"2020-05-12T15:23:51","modified_gmt":"2020-05-12T15:23:51","slug":"plataforma-gpus","status":"publish","type":"page","link":"https:\/\/grycap.upv.es\/index.php\/plataforma-gpus\/","title":{"rendered":"Plataforma GPUs"},"content":{"rendered":"

\"\"\"\"<\/p>\n

 <\/p>\n

 <\/p>\n

 <\/p>\n

\u00a0<\/strong><\/h1>\n

Algoritmos de Altas Prestaciones para el Modelado, Simulaci\u00f3n y Detecci\u00f3n Temprana de Enfermedades en un Escenario de Medicina Personalizada <\/strong><\/h1>\n

IDIFEDER\/2018\/032 <\/strong>(*)<\/strong><\/h1>\n

Este proyecto se centra en el desarrollo de algoritmos de altas prestaciones sobre plataformas de aceleradores gr\u00e1ficos y FPGAs para el modelado, simulaci\u00f3n y detecci\u00f3n temprana de enfermedades cardiol\u00f3gicas y relacionadas, a partir de t\u00e9cnicas de imagen, modelos fisiol\u00f3gicos y datos gen\u00f3micos. Estas aproximaciones, fundamentales en un escenario de medicina personalizada, en la que se utilizan caracter\u00edsticas espec\u00edficas de los pacientes sobre los modelos y clasificadores, requiere de una capacidad de proceso dif\u00edcilmente accesible.<\/p>\n

El proyecto ha permitido poner en marcha una plataforma de computaci\u00f3n de alto rendimiento basada en aceleradores gr\u00e1ficos y permitir ofrecerla como un servicio en producci\u00f3n. El equipo, tras la adjudicaci\u00f3n de los concursos, dispone de las siguientes caracter\u00edsticas:<\/p>\n

\"\"<\/p>\n

    \n
  • 14 procesadores Intel Skylake Gold 6130, con 14 cores cada uno.<\/li>\n
  • Un total de 5,25 TB de RAM.<\/li>\n
  • 21 tarjetas gr\u00e1ficas NVIDIA Tesla V100, con 32 GB de RAM cada una.<\/li>\n
  • 2 tarjetas FGPA Arria 10GX.<\/li>\n
  • 1 Tarjeta gr\u00e1fica AMD Instinct MI25.<\/li>\n
  • 1 tarjeta NVIDA Tesla P40.<\/li>\n
  • 2 puertos 10GbE y 1 puerto Infiniband emn cada uno de los nodos.<\/li>\n
  • Ofrecido mediante nube privada utilizando OpenStack Rocky.<\/li>\n<\/ul>\n

    El equipo est\u00e1 siendo utilizado en estos momentos para la resoluci\u00f3n de los siguientes problemas:<\/p>\n

      \n
    • Modelos de aprendizaje profundo para la clasificaci\u00f3n de im\u00e1genes ruidosas entre sanas, patol\u00f3gicas y potencialmente patol\u00f3gicas.<\/li>\n
    • Sistemas de almacenamiento y procesamiento de grandes vol\u00famenes de datos gen\u00f3micos para la generaci\u00f3n de conocimiento mediante la realizaci\u00f3n de estudios cualitativos de asociaci\u00f3n genotipo-fenotipo.<\/li>\n
    • Herramienta de apoyo cl\u00ednico basada en la simulaci\u00f3n de modelos card\u00edacos personalizados.<\/li>\n
    • Desarrollo de algoritmos de c\u00e1lculo num\u00e9rico optimizados para GPUs que permitan la simulaci\u00f3n de la propagaci\u00f3n el\u00e9ctrica del coraz\u00f3n en largos periodos de tiempo.<\/li>\n
    • Desarrollo de herramientas que permiten estudiar la seguridad de los f\u00e1rmacos basados en modelos card\u00edacos personalizados.<\/li>\n
    • Herramientas computacionales para facilitar el acceso a recursos de la infraestructura en formato de nube privada, mediante t\u00e9cnicas de virtualizaci\u00f3n y contenedores sobre recursos que incluyen hardware espec\u00edfico, como GPUs.<\/li>\n<\/ul>\n

      Adem\u00e1s, est\u00e1 permitiendo establecer colaboraciones con empresas innovadoras de la Comunitat Valenciana en el mismo \u00e1mbito:<\/p>\n

        \n
      • Desarrollo de herramientas de diagn\u00f3stico autom\u00e1tico para la enfermedad cardiaca reumatoide sobre im\u00e1genes de ecocardio, en colaboraci\u00f3n con la empresa QUIBIM.<\/li>\n
      • Reconstrucci\u00f3n de im\u00e1genes a partir de la se\u00f1al mediante aproximaciones de volumen completo, en colaboraci\u00f3n con la empresa TESORO.<\/li>\n<\/ul>\n

        (*) Actuaci\u00f3n cofinanciada por la Uni\u00f3n Europea a trav\u00e9s del Programa Operativo del Fondo Europeo de Desarrollo Regional (FEDER) de la Comunitat Valenciana 2014-2020, bajo el objetivo: \u201cPromover el desarrollo tecnol\u00f3gico, la innovaci\u00f3n y una investigaci\u00f3n de calidad\u201d<\/p>\n","protected":false},"excerpt":{"rendered":"

              \u00a0 Algoritmos de Altas Prestaciones para el Modelado, Simulaci\u00f3n y Detecci\u00f3n Temprana de Enfermedades en un Escenario de Medicina Personalizada IDIFEDER\/2018\/032 (*) Este proyecto se centra en el desarrollo de algoritmos de altas prestaciones sobre plataformas de aceleradores gr\u00e1ficos y FPGAs para el modelado, simulaci\u00f3n y detecci\u00f3n temprana de enfermedades cardiol\u00f3gicas y […]<\/p>\n","protected":false},"author":4,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-3080","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/grycap.upv.es\/index.php\/wp-json\/wp\/v2\/pages\/3080","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/grycap.upv.es\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/grycap.upv.es\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/grycap.upv.es\/index.php\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/grycap.upv.es\/index.php\/wp-json\/wp\/v2\/comments?post=3080"}],"version-history":[{"count":8,"href":"https:\/\/grycap.upv.es\/index.php\/wp-json\/wp\/v2\/pages\/3080\/revisions"}],"predecessor-version":[{"id":3301,"href":"https:\/\/grycap.upv.es\/index.php\/wp-json\/wp\/v2\/pages\/3080\/revisions\/3301"}],"wp:attachment":[{"href":"https:\/\/grycap.upv.es\/index.php\/wp-json\/wp\/v2\/media?parent=3080"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}