Paralelização e aceleração em GPU de algoritmos de inteligência artificial : classificação e agrupamento.

Abstract

Este projeto tem como objetivo investigar como estratégias de paralelização podem acelerar algoritmos de Inteligência Artificial (IA ) baseados em geometria computacional, por meio do uso de Graphics Processing Unit (GPU) - Unidades de Processamento Gráfico. O trabalho foca em duas aplicações principais que utilizam o Grafo de Gabriel como estrutura: a aceleração de classificadores de margem larga como o NN-clas e a proposição de um novo algoritmo de clusterização. As GPUs oferecem uma arquitetura massivamente paralela, adequada para a custosa etapa de construção de Grafos de Gabriel (O(N³)), o que possibilita ganhos significativos de desempenho. Essa pesquisa avalia o impacto de diferentes granularidades de threads na construção do grafo e demonstra como a mesma estrutura pode ser utilizada tanto para algoritmos supervisionados quanto para os não supervisionadas. A aceleração pode ser proveitosa em áreas críticas como saúde e engenharia, onde a agilidade no processamento de grandes volumes de dados é essencial.