Parallel Computing Toolbox

Parallel Computing Toolbox - Main Image The MathWorks anuncia una nueva versión de Parallel Computing Toolbox con mejoras en la creación de matrices distribuidas que permiten a los usuarios de MATLAB acceder directamente desde una sesión de MATLAB a datos almacenados en ordenadores multinúcleo o en un cluster de ordenadores. Además, ahora los algoritmos principales de Statistics Toolbox y de Communications Toolbox se ejecutan más rápidamente cuando se usan con Parallel Computing Toolbox.

Con las nuevas funciones de Parallel Computing Toolbox, los ingenieros y los científicos pueden hacer mejor uso de hardware avanzado directamente desde sus escritorios. Las matrices distribuidas y la mejora de las herramientas de paralelización de The MathWorks que las usan, permite a los usuarios de MATLAB manipular fácilmente y sin cambios significativos en el código del algoritmo, grandes conjuntos de datos que residen en un cluster de ordenadores o en un ordenador multinúcleo.

«A medida que aumenta la potencia del hardware de los sistemas, los usuarios de MATLAB se enfrentan con más frecuencia a problemas de manejo intensivo de datos que involucran conjuntos de datos muy complejos», afirma Silvina Grad-Freilich, directora de marketing de distribución de aplicaciones y computación paralela de The MathWorks. «Al añadir capacidades de cálculo paralelo a nuestros productos, los usuarios pueden aprovechar más fácilmente las ventajas de las aplicaciones paralelizadas para trabajar con grandes conjuntos de datos. Y como los usuarios pueden continuar dentro del entorno MATLAB, el coste es pequeño, se agiliza el flujo de trabajo y se consiguen resultados más rápidamente», añade Grad-Freilich.

Parallel Computing Toolbox se puede usar ahora con dos conjuntos adicionales de herramientas de The MathWorks para acelerar algoritmos específicos en hardware multiproceso sin que los usuarios necesiten escribir ni modificar ni una línea de código. En particular, se han modificado los algoritmos de Statistics Toolbox, incluidos los algoritmos de bootstrap y de cross-validation, que son métodos de remuestreo que usan repetidamente la evaluación de funciones estadísticas sobre múltiples muestras de datos. De forma similar, los algoritmos de Communications Toolbox han sido modificados para que se puedan ejecutar en paralelo simulaciones intensivas de modelos de rendimiento de tasa de error. Estas mejoras se implementaron en el conjunto de algoritmos de las herramientas que aprovechan las operaciones en paralelo, como las de Optimization Toolbox y las de Genetic Algorithm and Direct Search Toolbox.

Did you like this? Share it:
This entry was posted in Actualidad and tagged . Bookmark the permalink.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *