@MastersThesis{Miranda:2022:CoMPHP,
               author = "Miranda, Eduardo Furlan",
                title = "Common MPI-based HPC approaches in Python evaluated for selected 
                         test cases",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2022",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2022-02-17",
             keywords = "high performance computing, Python programming environment, 
                         parallel computing, processamento de alto desempenho, ambiente de 
                         programa{\c{c}}{\~a}o Python, computa{\c{c}}{\~a}o paralela.",
             abstract = "A number of the most common MPI-based high-performance computing 
                         approaches available in the Python programming environment of the 
                         LNCC Santos Dumont supercomputer are compared using three selected 
                         test cases. Python includes specific libraries, development tools, 
                         implementations, documentation and optimization or parallelization 
                         resources. It provides a straightforward way to allow programs to 
                         be written with a high level of abstraction, but the 
                         parallelization features to exploit multiple cores, processors or 
                         accelerators such as GPUs are diverse and may not be easily 
                         selectable by the programmer. This work compares common approaches 
                         in Python to increase computing performance for three test cases: 
                         a 2D heat transfer problem solved by the finite difference method, 
                         a 3D fast Fourier transform applied to synthetic data, and 
                         asteroid classification using a random forest. The corresponding 
                         serial and parallel implementations in Fortran 90 were taken as 
                         references to compare the computational performance. In addition 
                         to the performance results, a discussion of the trade-off between 
                         easiness of programming and computational performance is included. 
                         This work is intended as a primer for using parallel HPC resources 
                         in Python. RESUMO: Algumas das abordagens de 
                         computa{\c{c}}{\~a}o de alto desempenho mais comuns baseadas em 
                         MPI dispon{\'{\i}}veis no ambiente de programa{\c{c}}{\~a}o 
                         Python do supercomputador LNCC Santos Dumont s{\~a}o comparadas 
                         usando tr{\^e}s casos de teste selecionados. Python inclui 
                         bibliotecas espec{\'{\i}}ficas, ferramentas de desenvolvimento, 
                         implementa{\c{c}}{\~o}es, documenta{\c{c}}{\~a}o e recursos de 
                         otimiza{\c{c}}{\~a}o ou paraleliza{\c{c}}{\~a}o. Ele fornece 
                         uma maneira direta de permitir que programas sejam escritos com um 
                         alto n{\'{\i}}vel de abstra{\c{c}}{\~a}o, mas os recursos de 
                         paraleliza{\c{c}}{\~a}o para explorar v{\'a}rios n{\'u}cleos, 
                         processadores ou aceleradores, como GPUs, s{\~a}o diversos e 
                         podem n{\~a}o ser facilmente selecion{\'a}veis pelo programador. 
                         Este trabalho compara abordagens comuns em Python para se obter 
                         processamento de alto desempenho desempenho utilizando tr{\^e}s 
                         casos de teste: um problema de transmiss{\~a}o de calor 
                         bidimensional resolvido por diferen{\c{c}}as finitas, uma 
                         transformada r{\'a}pida de Fourier tridimensional aplicada a 
                         dados sint{\'e}ticos e uma classifica{\c{c}}{\~a}o de 
                         aster{\'o}ides por floresta aleat{\'o}ria. As correspondentes 
                         implementa{\c{c}}{\~o}es seriais e paralelas em Fortran 90 foram 
                         tomadas como refer{\^e}ncia para compara{\c{c}}{\~a}o de 
                         desempenho nesses casos de teste. Al{\'e}m dos resultados de 
                         desempenho, inclui-se uma discuss{\~a}o sobre o compromisso entre 
                         facilidade de programa{\c{c}}{\~a}o e desempenho de 
                         processamento. Este trabalho pretende ser uma 
                         introdu{\c{c}}{\~a}o para o uso de recursos de processamento de 
                         alto desempenho baseados em MPI para Python.",
            committee = "Mendes, Celso Luiz (presidente) and Stephany, Stephan (orientador) 
                         and Santiago J{\'u}nior, Valdivino Alexandre de and Fazenda, 
                         {\'A}lvaro Luiz",
         englishtitle = "Solu{\c{c}}{\~o}es comuns baseadas em MPI para processamento de 
                         alto desempenho em Python avaliadas em casos de teste 
                         selecionados",
             language = "en",
                pages = "195",
                  ibi = "QABCDSTQQW/46C4U9H",
                  url = "http://urlib.net/ibi/QABCDSTQQW/46C4U9H",
           targetfile = "publicacao.pdf",
        urlaccessdate = "23 abr. 2024"
}