https://repositorio.ufsc.br/handle/123456789/274880 2026-09-06T16:56:09Z https://repositorio.ufsc.br/handle/123456789/275357 Verificação Funcional de Multicore Chips através de Aprendizagem por Reforço Meditsch, Diego Martins A otimização de etapas do fluxo de síntese de circuitos integrados engloba um conjunto de etapas visando o projeto de circuitos integrados mais robustos, eficientes e adequados a cada demanda características das aplicações finais destes circuitos. Um caso especial de projeto de circuitos integrados é o projeto de processadores, especialmente processadores multicore. Processadores multicore interagem através da memória compartilhada, cujo comportamento é especificado por um modelo de consistência de memória (MCM). Para verificar a corretude desse sistema antes de sintetiza-lo em silício, geram-se programas concorrentes que ao serem executados criam estímulos na interface de cada core com o sistema de memória compartilhada. Diante desses estímulos, faz-se uso de checkers que averiguam se o comportamento resultante foi o esperado para cada instância de execução dos programas gerados. A geração de testes que maximizem a cobertura de possíveis interações entre cores e sistema de memória, assim como fazê-lo no menor tempo possível é a área de interesse desta pesquisa. Dentro desse contexto, busca-se desenvolver agentes inteligentes que sejam capazes de gerar sequências de testes que atinjam alta cobertura em tempo mínimo, de maneira independente do MCM-alvo e ISA de cada processor. Para este fim, o trabalho descrito nesse relatório fez uso de técnicas de Reinforcement Learning aplicadas a um agente inteligente, que através da interação com o ambiente é treinado em tempo de execução para a geração efetiva de testes. O desenvolvimento foi realizado sobre a infraestrutura já presente no laboratório, buscando atingir resultados superiores aos agentes já existentes - tanto na literatura externa quanto em versões anteriores produzidas in loco. Para isso, buscou-se aprimorar os gerafores anteriores através da implementação e experimentação de novas maneiras de representar o ambiente com o qual o agente inteligente interage, por meio da modificação da interface entre o agente e o ambiente, que é capturada pelo checker, buscando amostrar novos tipos de eventos gerados pelo MCM, os quais serão usados para a melhor representação de estados do sistema. Uma melhor representação de estados, nesse contexto, promete melhorar a cobertura atingida pelo agente. Tecnologia e inovação 2026-09-03T00:00:00Z https://repositorio.ufsc.br/handle/123456789/275284 Soluções para a Convergência entre Computação de Alto Desempenho e Computação em Nuvem Soda, Artur Luiz Rizzato Toru Instâncias spot da AWS oferecem descontos de até 90% em relação ao preço convencional, mas podem ser revogadas a qualquer momento com apenas dois minutos de aviso, descartando todo o progresso acumulado por aplicações MPI de longa duração. Modificar aplicações científicas legadas para lidar explicitamente com falhas raramente é viável, deixando a maioria dos códigos sem qualquer resiliência frente a revogações. Diante disso, este trabalho integra o MANA, um sistema de Checkpoint/Restart transparente e independente de rede para aplicações MPI, ao orquestrador HPC@Cloud, automatizando o ciclo completo de recuperação sem exigir alterações no código da aplicação. Ao detectar um aviso de revogação, o sistema salva o estado de todos os processos e retoma a execução por uma de duas estratégias: a Replace, que provisiona um novo nó para restaurar a capacidade original do cluster, e a Degraded, que reinicia imediatamente nos nós sobreviventes com paralelismo reduzido. A avaliação foi conduzida com 282 execuções sobre os npb CG-C, EP-D e LU-C em clusters de 2, 4 e 8 workers. Os resultados mostram que o desempenho da recuperação é governado por dois fatores combinados: tamanho do cluster e momento da falha. A Degraded torna-se progressivamente vantajosa conforme o cluster cresce; a Replace permanece preferível em clusters pequenos com falhas no início da execução. Economicamente, o desconto das instâncias spot compensa o overhead do MANA em jobs de duração moderada a longa, estabelecendo limiares práticos de viabilidade para o uso de Checkpoint/Restart transparente em infraestrutura spot. Tecnologia e inovação 2026-09-01T00:00:00Z