Logotipo del repositorio

Publicación:
Diseño e implementación de un agente en espacio de usuario para la gestión dinámica de frecuencia (DVFS) en sistemas heterogéneos mediante modelos ligeros de machine learning

dc.contributor.advisorDíaz Toro, Gilberto Javier
dc.contributor.authorCáceres Torres, Yeison Adrián
dc.contributor.authorPérez Porras, Ricardo Andrés
dc.contributor.evaluatorBenavides Arévalo, Bernardo Andrés
dc.contributor.evaluatorBarrios Hernández, Carlos Jaime
dc.date.accessioned2026-11-19T14:01:56Z
dc.date.issued2026-11-19
dc.description.abstractSe diseñó, implementó y evaluó un agente en espacio de usuario que identifica ese régimen mediante contadores PMU en CPU y NVML en GPU, y ajusta la frecuencia para reducir el Producto Energía-Retardo (EDP). Se construyó un conjunto de datos etiquetado con Roofline y se entrenaron clasificadores ligeros, validados dejando fuera cada familia algorítmica, con exactitud balanceada por celda de 0.728 (XGBoost, CPU) y 0.819 (random forest, GPU). Se derivaron políticas por régimen y se evaluó el agente frente a los gobernadores performance y powersave. En la asignación evaluada, cerca del 84 % de la potencia de paquete y DRAM permaneció al reducir la frecuencia de los seis núcleos delegados; ningún nivel inferior mejoró consistentemente el EDP. La política de CPU fue no actuar y la sobrecarga de su proceso empeoró el EDP CPU+GPU. En kernels memory-bound de GPU, fijar 1260 MHz mejoró el EDP en 8.9 %. En la aplicación compuesta de familias vistas y en CloverLeaf, el proceso de GPU redujo el EDP CPU+GPU en 3.8 y 3.9 % bajo performance, y en 2.6 y 3.2 % bajo powersave, con cinco bloques favorables (p = 0.0625). En la compuesta, 1260 MHz fijos igualaron al agente; en un escenario construido con cómputo sensible al reloj, este superó al reloj fijo en 2.2 a 2.8 % (seis bloques, p = 0.031; prueba de mecanismo). En LAMMPS y familias no vistas quedó cerca de la paridad. La ventaja de clasificar por fase requiere validación externa adicional.
dc.description.abstractenglishA user-space agent was designed, implemented and evaluated to identify this regime using CPU PMU counters and GPU NVML measurements, and adjust frequency to reduce the Energy-Delay Product (EDP). A Roofline-labeled dataset was built and lightweight classifiers were trained, validated by leaving each algorithmic family out, achieving per-cell balanced accuracy of 0.728 (XGBoost, CPU) and 0.819 (random forest, GPU). Policies were derived for each regime and the agent was evaluated against the performance and powersave governors. In the evaluated allocation, about 84 % of package and DRAM power remained when the frequency of the six delegated cores was lowered; no lower level consistently improved EDP. The CPU policy was not to act, and its process overhead worsened CPU+GPU EDP. On memory-bound GPU kernels, fixing the clock at 1260 MHz improved EDP by 8.9 %. On the composite application with seen families and on CloverLeaf, the GPU process reduced CPU+GPU EDP by 3.8 and 3.9 % under performance, and by 2.6 and 3.2 % under powersave, with all five blocks favorable (p = 0.0625). On the composite application, a fixed 1260 MHz clock matched the agent; in a constructed scenario with clock-sensitive computation, the agent outperformed the fixed clock by 2.2 to 2.8 % (six blocks, p = 0.031; mechanism test). On LAMMPS and unseen families, it stayed close to parity. The advantage of classifying execution phases requires further external validation.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.description.orcidCáceres Torres, Yeison Adrián (0009-0009-7166-6671)
dc.description.orcidPérez Porras, Ricardo Andrés (0009-0002-0805-7813)
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/48823
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectDVFS
dc.subjectEficiencia Energética
dc.subjectComputación de Alto Rendimiento
dc.subjectModelo Roofline
dc.subjectTelemetría Microarquitectónica
dc.subjectAprendizaje Automático Supervisado
dc.subject.keywordEnergy Efficiency
dc.subject.keywordHigh-Performance Computing
dc.subject.keywordRoofline Model
dc.subject.keywordMicroarchitectural Telemetry
dc.subject.keywordSupervised Machine Learning
dc.subject.keywordDVFS
dc.titleDiseño e implementación de un agente en espacio de usuario para la gestión dinámica de frecuencia (DVFS) en sistemas heterogéneos mediante modelos ligeros de machine learning
dc.title.englishDesign and implementation of a user-space agent for dynamic voltage and frequency scaling (DVFS) in heterogeneous systems using lightweight machine learning models
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.typePublication
local.degreee.modalityTrabajo de Investigación

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
Carta Autorización de Uso.pdf
Tamaño:
179.69 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Nota de Proyecto.pdf
Tamaño:
369.19 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Documento.pdf
Tamaño:
3.38 MB
Formato:
Adobe Portable Document Format

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
2.17 KB
Formato:
Item-specific license agreed to upon submission
Descripción:

VIGILADA MINEDUCACIÓN

Ordenanza No. 83 de 1.944 (junio 22)

Carácter académico: Universidad

Notificaciones judiciales: notjudiciales@uis.edu.co 

.

Código SNIES: 1204   Nit: 890.201.213-4

Línea Anticorrupción:  +57 (601) 562 9300 EXT: 3633

Línea transparente: +57 (607) 630 3031