Prof. Tiago A. E. Ferreira

1. 

   Modelos Computacionais para a Simulação e Análise da Detecção de Ondas Gravitacionais

   Resumo:

   No ano de 2015/2016 o mundo científico recebeu a incrível informação da detecção experimental das ondas gravitacionais. As ondas gravitacionais são um fenômeno previsto a partir das equações de Einsten e nunca antes foram detectadas pela humanidade, sendo uma perturbação no espaço que se propaga no tempo. Estas pertubações podem ser observadas analisando eventos astronômicos que envolvam corpos extremamente massivos, como a colisão de buracos negros, por exemplo. Contudo, o processo de detecção de tais onda é extremamente complexo e sofisticado, necessitando de um grande poder computacional para a comprovação e análise dos resultados. Com esta ideia em mente, este projeto de pesquisa pretende enveredar em uma área da computação científica extremamente nova, chamada de Astro-Informática, com a pretensão de desenvolver procedimentos computacionais paralelos e de alto desempenho baseado em GP/GPUs para o estudo, simulação e análise de fenômenos cosmológicos que possam vir a gerar ondas gravitacionais. Neste sentido, o projeto proposto irá naturalmente abordar um tema multidisciplinar, mas com total foco na área computacional, em particular computação científica. Com os dados disponibilizados pelo LIGO (Laser Interferometer GravitationalWave Observatory) este é um projeto científico que aplicará os conhecimentos da computação e informática, como modelagem, programação em GPGPU, simulação e análise numérica para o melhor entendimento da dinâmica do universo.

   Lei mais

   

   Computational Models for Simulation and Analysis of Gravitational Wave Detection

   Abstract:

   In the years 2015/2016 the scientific world received the incredible information of gravitational waves experimental detection. Gravitational waves are a phenomenon predicted from the equations of Einstein and never before have been detected, being a perturbation in the space-time. These perturbations can be observed by analyzing astronomical events involving extremely massive bodies, such as the collision of black holes, for example. However, the process of detection of these waves is extremely complex and sophisticated, requiring a great computational power for the verification and analysis of the results. This research project prposes to embark on an ​​ extremely new scientific computation branch, called astroinformatics, with the aim of developing parallel computations and high performance based on GP/GPUs for simulation and analysis of cosmological phenomena that could generate gravitational waves. In this sense, the proposed project will naturally address a multidisciplinary theme, but with a total focus on the computational area, in particular scientific computation. With the data provided by Laser Interferometer Gravitational Wave Observatory (LIGO), this is a scientific project that will apply computer science with modeling, programming in GPGPU, simulation and numerical analysis to better understand the dynamics of the universe.

   Read more

 

---

1. 

   Algoritmos Quânticos Aplicados para o Treinamento de Redes Neurais Artificiais para a Previsão e Análise de Séries Temporais com a Utilização de GPGPU

   Resumo:

   Esta é uma proposta de pesquisa científica e tecnológica que aborda o problema de análise e previsão de séries temporais através de sistemas baseados em redes neurais artificiais (RNA) com a utilização de algoritmos quânticos para a elaboração de metodologias de treinamento e combinação de massiva de preditores baseados em RNAs com a utilização de aparatos e técnicas da computação de alto-desempenho, em particular com uso de unidades de processamento gráfico de propósito geral, ou simplesmente GP/GPU (General Purpose / Graphics Processing Unit), na plataforma CUDA (Compute Unified Device Architecture -- placas gráficas da NVidia). Em uma primeira etapa é proposta a utilização de algoritmos quânticos de busca, em particular o algoritmo de Grover e o algoritmo de caminhadas quânticas, para a criação e implementação de um procedimento de treinamento de redes neurais artificiais feed-forward. Neste sentido, será aplicada uma metodologia teórica já estabelecida para o algoritmo de Grover, objetivando-se o desenvolvimento de operadores quânticos tipo oráculos que sejam capazes de descrever e implementar uma rede neural artificial do tipo MLP. Seguindo esta mesma linha, também está sendo pesquisada metodologias para a aplicação dos algoritmos de caminhadas quânticas para o processo de treinamento das redes neurais. Experimentos computacionais em um plataforma de computação de alto desempenho baseada em GP/GPU serão executados e utilizados para caracterizar estatisticamente o desempenho dos algoritmos quânticos no processo de treinamento das redes neurais. Tais experimentos irão focar o problema de previsão e análise de séries temporais. Em uma segunda etapa, mas não menos importante, será explorada a pesquisa e desenvolvimento de criação massiva de modelos estatístico-computacionais também aplicados ao problema de previsão e análise de séries temporais. Neste sentido, serão pesquisadas formas de utilização das maquinas de aprendizado extremo, ou do inglês Extrem Learning Machines (ELM), implementadas em uma plataforma paralela de alto desempenho baseada em GP/GPU (na plataforma CUDA) para a geração massiva de modelos preditivos. Estará sendo pesquisado o comportamento assintótico do erro de previsão associado ou número de modelos preditores combinados. Desta forma, procedimentos de combinação de modelos matemáticos serão estudados, e em particular, será pesquisada a aplicação de uma metodologia baseada em cópulas matemáticas para a criação de um procedimento massivo e otimizado de combinação não linear destes modelos preditores baseados em redes ELM. Com estes experimentos será possível comprovar, ou refutar, considerações comumente consideradas (porém experimentalmente não testadas com facilidade), como a distribuição dos ruídos associados a uma série temporal e a existência de um valor assintótico para a previsão de um fenômeno estocástico, dentre outras análises.

   Lei mais

   

   Quantum Algorithms for Artificial Neural Networks Training applied to Time Series Forecasting and Analysis Using GPGPU

   Abstract:

   This is a proposal of scientific and technological research that addresses the Time Series Forecasting and Analysis problem through systems based on artificial neural networks (ANN). Here, also proposed an ANN training methodology based on quantum algorithms and the analysis of forecasters combination, where a hugu number of forecaster based on ANN is employed, where the development is done using a high-performance computing devices and techniques, in particular with the use of GPUs, or simply GP/GPU (General Purpose/Graphics Processing Unit), CUDA platform (Compute Unified Device Architecture - NVidia graphics cards). The first step is use quantum search algorithms, in particular the Grover's algorithm and the quantum walk algorithm. It is proposed for the creation and implementation of an artificial neural network training procedure. In this sense, a theoretical methodology will be applied to develop a quantum-type oracle operators capable of describing and implementing an ANN of the MLP type. Following this same line, methodologies for the application of quantum walk algorithms to the ANN training process are also researched. Computational experiments on a high performance GP/GPU based computing platform will be performed and used to statistically characterize the performance of quantum algorithms in the ANN training process. Such experiments will focus on the problem of time series forecasting and analysis. In a second step, we will explore the research and development of massive creation of statistical-computational models also applied to the Time Series Forecasting and Analysis Problem. In this sense, research will study extreme learning machines (ELM), implemented in a high performance parallel platform based on GP/GPU (on the CUDA platform) for the huge generation of predictive models. The asymptotic behavior of the associated prediction error or number of predictor models combined will be investigated. In this way, procedures for combining mathematical models will be studied, and in particular, the application of a mathematical copula-based methodology will be investigated for the creation of a massive and optimized non-linear combination of these predictive models based on ELM networks. With these experiments it will be possible to prove or refute considerations commonly done (but experimentally not easily tested), such as the distribution of noise associated with a time series and the existence of an asymptotic value for the prediction of a stochastic phenomenon, among other analyzes.

   Read more

 

---