Evaluación de Aceleradores de Diseño Específico en Apple Silicon para Aplicaciones de Propósito General
Loading...
Official URL
Full text at PDC
Publication date
2025
Authors
Advisors (or tutors)
Editors
Journal Title
Journal ISSN
Volume Title
Publisher
Citation
Abstract
La computación de altas prestaciones (High Performance Computing, HPC) trata de resolver problemas complejos gracias al uso eficiente de la potencia de los ordenadores. A lo largo de la historia, algunos aparatos como las GPU han demostrado potencial en este campo para resolver problemas de propósito general en lugar de los específicos para los que se diseñaron. Siguiendo esta línea, el presente trabajo evalúa el potencial de los aceleradores neuronales de Apple para este tipo de cargas de trabajo. Mediante la adaptación de algoritmos clásicos de HPC en el Apple Neural Engine (ANE), este trabajo demuestra que ofrece un rendimiento competitivo y, de forma destacada, una
eficiencia energética superior a la de la CPU y la GPU.
High performance computing attempted to solve complex problems using computer power. Throughout history, some devices like GPUs show the potential in this field to solve general-purpose problems instead of the specific problems that they were created for. Following this line, the present work evaluates the potential of Apple’s neural accelerators for this type of workload. By adapting classic HPC algorithms on the Apple Neural Engine (ANE), this work demonstrates that it offers competitive performance and, outstandingly, superior energy efficiency compared to the CPU and GPU.
High performance computing attempted to solve complex problems using computer power. Throughout history, some devices like GPUs show the potential in this field to solve general-purpose problems instead of the specific problems that they were created for. Following this line, the present work evaluates the potential of Apple’s neural accelerators for this type of workload. By adapting classic HPC algorithms on the Apple Neural Engine (ANE), this work demonstrates that it offers competitive performance and, outstandingly, superior energy efficiency compared to the CPU and GPU.
Description
Trabajo de Fin de Máster en Ingeniería Informática, Facultad de Informática UCM, Departamento de Arquitectura de Computadores y Automática, Curso 2024/2025.