APS 2 - Otimizações e Paralelismo em GPU

Um cliente precisa tomar decisões rápidas no mercado de ações. Para isso, ele utiliza simulações estocásticas para prever o comportamento futuro de um ativo com base em dados históricos.

O modelo utilizado pelo cliente é baseado no movimento browniano geométrico, implementado através da equação de Black-Scholes. A partir de um preço inicial e da volatilidade do mercado, ele simula milhares de cenários possíveis para o preço da ação ao longo do tempo.

Cada linha gerada representa um possível “caminho” do preço do ativo, enquanto a linha final média representa o comportamento mais provável segundo o método de Monte Carlo.

No entanto, o sistema atual é extremamente lento, dificultando a tomada de decisões, especialmente em um ambiente onde o tempo de resposta é decisivo.

Seu trabalho será melhorar esse sistema.

Acesse o seu repositório pelo link do Classroom

A data limite de entrega é 25/05/2026 ás 23h59

A APS será avaliada em dois aspectos principais:

• Implementação (código) → 4 pontos
• Relatório (.ipynb) → 6 pontos

Implementação (4 pontos)

A nota da implementação será atribuída de acordo com o nível máximo atingido.

2 pontos

Requisitos de código:

• Pelo menos uma função portada para GPU
• Uso de pelo menos uma técnica de otimização

Requisitos de execução:

• Arquivo SLURM corretamente configurado para submissão dos testes no Cluster Franky

Configuração obrigatória nos testes:

• Laços Internos: 100
• Laços Externos: 50000
• Histórico (dias): 948
• Previsão (dias): 948
• Preço Inicial: 0.5
• Taxa de Risco: 0.5

Observação:

Sem execução comprovada nessa configuração, a pontuação não será atribuída.

3 pontos

Requisitos de código:

• Pelo menos uma função portada para GPU
• Uso de pelo menos uma técnica de otimização

Requisitos de execução:

• Arquivos SLURM corretamente configurados para submissão dos testes nos dois clusters:

• Cluster Franky

• Cluster Santos Dumont
• Comparação de desempenho entre os dois ambientes

Requisitos de análise:

• Deve evidenciar diferenças de desempenho entre as arquiteturas

Configuração obrigatória:

• Laços Internos: 100
• Laços Externos: 80000
• Histórico (dias): 1422
• Previsão (dias): 1422
• Preço Inicial: 0.5
• Taxa de Risco: 0.5

Observação:

Sem execução comprovada nessa configuração, a pontuação não será atribuída.

4 pontos

Requisitos de código:

• Pelo menos duas funções portadas para GPU
• Uso de duas ou mais técnicas de otimização

Requisitos de execução:

• Arquivos SLURM corretamente configurados para submissão dos testes nos dois clusters:

• Cluster Franky

• Cluster Santos Dumont

Requisitos de análise:

• Deve demonstrar entendimento do impacto de:

• arquitetura da GPU

• memória
• paralelismo
• escalabilidade

Configuração obrigatória:

• Laços Internos: 100
• Laços Externos: 100000
• Histórico (dias): 2370
• Previsão (dias): 2370
• Preço Inicial: 0.5
• Taxa de Risco: 0.5

Observação:

Sem execução comprovada nessa configuração, a pontuação não será atribuída.

Relatório (.ipynb) (6 pontos)

O relatório deve conter os logs de execução, análise e explicação dos resultados.

Critérios de avaliação

Conceito	Estrutura	Integração e Visualização	Profundidade da Análise
Até 2 pts	Estrutura desorganizada ou fragmentada	Gráficos/tabelas sem conexão com o texto	Descrição superficial
Até 4 pts	Organização clara e técnica	Visualizações próximas das explicações	Relaciona resultados com conceitos básicos
Até 6 pts	Estrutura integrada (nível científico)	Narrativa fluida com dados sustentando argumentos	Explica desempenho com base em arquitetura (CPU vs GPU, memória, paralelismo, escalabilidade)

Requisitos mínimos do relatório

Para qualquer nota diferente de zero, o relatório deve conter:

• Descrição dos experimentos realizados
• Parâmetros utilizados (loops, tempo, etc.)
• Evidência de execução (prints, logs ou tabelas)

• Pelo menos:

• 1 tabela

• 1 gráfico

Observações importantes

• Resultados sem evidência de execução não serão considerados
• Execuções fora das configurações obrigatórias não pontuam
• Análises inconsistentes com os dados não serão considerados