Biblioteca122.739 documentos en línea

Artículo

Multi-GPU Development of a Neural Networks Based Reconstructor for Adaptive OpticsDesarrollo multi-GPU de un reconstructor basado en redes neuronales para óptica adaptativa.

Resumen

Las aberraciones introducidas por la turbulencia atmosférica en telescopios grandes se compensan utilizando sistemas de óptica adaptativa, donde el uso de espejos deformables y múltiples sensores se basa en sistemas de control complejos. Recientemente, el desarrollo de telescopios de mayor escala como el E-ELT o TMT ha creado un desafío computacional debido a la creciente complejidad de los nuevos sistemas de óptica adaptativa. El Reconstructor Atmosférico Complejo basado en Aprendizaje Automático (CARMEN) es un algoritmo basado en redes neuronales artificiales, diseñado para compensar la turbulencia atmosférica. Durante los últimos años, se ha demostrado que el uso de GPUs es una gran solución para acelerar el proceso de aprendizaje de redes neuronales, y se han creado diferentes marcos de trabajo para facilitar su desarrollo. La implementación de CARMEN en diferentes marcos de trabajo Multi-GPU se presenta en este artículo, junto con su desarrollo en un lenguaje originalmente desarrollado para GPU, como CUDA. Esta implementación

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento