Relazione Attivit`
a Svolte
Candidato: Daniele De Sensi
April 11, 2018
Attivit`
a di ricerca di interesse
Il candidato si `e occupato di ricerca in metodologie per la riduzione del consumo energetico in applicazioni parallele. Nello specifico, l’obiettivo principale `e la definizione di una metodologia per la reconfigurazione dinamica di applicazioni parallele, essendo in grado di fornire garanzie esplicite all’utente in termine di performance o di consumo energetico.
Attivit`
a formative frequentate
Scuola di dottorato: ACACES
Il candidato ha frequentato nel Luglio 2016 la scuola di dottorato ACACES, tenutasi a Fiuggi. Il candidato ha presentato ai partecipati alla scuola un poster contenente una panoramica sulla tesi di dottorato. Sono stati seguiti inoltre i seguenti corsi: Reconfigurable Computing: Technology and Practice, Efficient GPU Comput-ing, Self-Aware, Variation-Aware, Cross-Layer Embedded System Design, Data Center Power Management: Green, Efficiency, and Beyond.
Bertinoro International Spring School 2015 (BISS 2015)
La scuola si `e tenuta presso lo University Residential Center di Bertinoro (FC) dall’8 al 13 Marzo 2015. In particolare ho seguito i corsi:
• Game Theory: Models, Numerical Methods, and Applications. Dario Bauso, Universit`a di Palermo. 15 ore.
• Protection of sensitive information. Catuscia Palamidessi, INRIA Saclay e LIX. 15 ore. • Introduction to Modern Cryptography. Giuseppe Persiano, Universit`a di Salerno. 15 ore.
Corso: Algorithms for Big Data
Corso “Algorithms for Big Data”, tenuto dal Prof. Paolo Ferragina e dal Dott. Andrea Marino, tenuto per un totale di 20 ore tra Novembre 2015 e Marzo 2015 nell’ambito del Dottorato di Ricerca in Informatica. Il candidato ha prodotto un algoritmo per comprimere dati in maniera efficiente dal punto di vista energetico. Il candidato ha inoltre prodotto due algoritmi paralleli per il calcolo del diametro di grafi di grandi dimensioni. Entrambi gli algoritmi prodotti sono stati realizzati in collaborazione con un altro studente di dottorato.
Corso: Machine Learning for Big Data
Corso “Machine Learning for Big Data”, tenuto dal Prof. Stan Matwin, per un totale di 20 ore tra Febbraio 2016 e Marzo 2016 nell’ambito del Dottorato di Ricerca in Informatica. Il candidato ha prodotto una valutazione della piattaforma Amazon Machine Learning, analizzandola su un caso d’uso reale.
Corso: Sensor networks, internet of things and smart environments
Corso “Sensor networks, internet of things and smart environments” del Prof. Stefano Chessa, tenuto nell’ Aprile-Maggio 2016 nell’ambito del Dottorato di Ricerca in Informatica. 20 ore.
Corso: Perspectives in parallel programming
Corso “Perspectives in parallel programming” del Prof. Marco Danelutto, tenuto nel Maggio 2015 nell’ambito del Dottorato di Ricerca in Informatica. 20 ore.
Factory Seminars, Universit`a di Pisa
Ciclo di seminari fACTORY (A Cycle of Talks on Research in industrY). Un totale di 9 seminari sul rapporto tra ricerca e industria tra il 22/06/2015 16/02/2015 presso il dipartimento di Informatica.
Mauriana Pesaresi Seminars, Universit`a di Pisa
Ciclo di seminari “Mauriana Pesaresi”. Un totale di 7 seminari attesi ed 1 seminario tenuto dal candidato, seminari riguardanti attivit`a di ricerca o interessi scientifici dello speaker. Il ciclo `e ancora in corso e quindi solo parzialmente frequentato. Il seminario del candidato `e stato tenuto in data 29/09/2016 ed ha avuto come argomento le tecniche allo stato dell’arte per la riduzione del consumo energetico di applicazioni parallele.
Seminari Monitoraggio di Rete
Ciclo di seminari su problematiche relative all’analisi e al monitoraggio di rete, seguito fra Marzo e Aprile 2016.
Pubblicazioni
Il candidato, `e stato autore o coautore dei seguenti articoli a rivista o conferenza (peer-reviewed):
Articoli a rivista
1. De Sensi D., Torquati M., Danelutto M.
A Reconfiguration Algorithm for Power-Aware Parallel Applications ACM Transactions on Architecture and Code Optimization, 2016 DOI: 10.1145/3004054
2. De Sensi D., De Matteis T., Torquati M., Mencagli G., Danelutto M.
Bringing Parallel Patterns out of the Corner: the P3ARSEC Benchmark Suite
ACM Transactions on Architecture and Code Optimization, 2017 DOI: 10.1145/3132710
3. De Sensi D., Torquati M., Danelutto M.
Mammut: High-level management of system knobs and sensors SoftwareX, Vol. 6, pp. 150-154, 2017
DOI: 10.1016/j.softx.2017.06.005 4. Danelutto M., De Sensi D., Torquati, M.
A Power-Aware, Self-Adaptive Macro Data Flow Framework Parallel Processing Letters, 2016
DOI: 10.1142/S0129626417400047
5. Danelutto, Marco and De Matteis, Tiziano and De Sensi, Daniele and Mencagli, Gabriele and Torquati, Massimo and Aldinucci, Marco and Kilpatrick, Peter
The RePhrase Extended Pattern Set for Data Intensive Parallel Computing International Journal of Parallel Programming, pp. 1–20, November 2017 DOI:10.1007/s10766-017-0540-z
6. Brogi, Antonio and Danelutto, Marco and De Sensi, Daniele and Ibrahim, Ahmad and Soldani, Jacopo and Torquati, Massimo
Analysing Multiple QoS Attributes in Parallel Design Patterns-Based Applications International Journal of Parallel Programming, pp. 1–20, November 2016
DOI:10.1007/s10766-016-0476-8
7. De Sensi, Daniele and De Matteis, Tiziano and Danelutto, Marco Simplifying Self-Adaptive and Power-Aware Computing with Nornir Submitted to Future Generation Computer Systems
Under Review
8. Torquati, Massimo and De Sensi, Daniele and Mencagli, Gabriele and Aldinucci, Marco and Danelutto, Marco
Power-Aware Pipelining with Automatic Concurrency Control
Submitted to Concurrency and Computation: Practice and Experience Under Review
Articoli in conferenze e workshop
1. Danelutto M., De Matteis T., De Sensi D., Mencagli G., Torquati M. P3ARSEC: Towards Parallel Patterns Benchmarking
Proceedings of the 32nd Annual ACM Symposium on Applied Computing (SAC), 2017 DOI: 10.1145/3019612.3019745
2. De Sensi D., De Matteis T.
Nornir: A Customisable Framework for Autonomic and Power-Aware Applications Proceedings of Euro-Par Workshops, 2017
DOI: 10.1007/978-3-319-75178-8 4 3. Danelutto M., De Sensi D., Torquati, M.
Energy Driven Adaptivity in Stream Parallel Computations
Proceedings of 23rd Intl. Conf. on Parallel, Distributed and Network-Based Processing (PDP), 2015 DOI: 10.1109/PDP.2015.92
4. Danelutto M., De Sensi D., Torquati, M.
A Power-Aware, Self-Adaptive Macro Data Flow Framework
Proceedings of HLPP: International Workshop on High-Level Parallel Programming, 2016 5. De Sensi D.
Predicting Performance and Power Consumption of Parallel Applications
Proceedings of 24th Intl. Conf. on Parallel, Distributed and Network-Based Processing (PDP), 2016 DOI: 10.1109/PDP.2016.41
6. Aldinucci M., Danelutto M., De Sensi D., Mencagli G., Torquati, M. Towards Power-Aware Data Pipelining on Multicores
Proceedings of HLPP: International Workshop on High-Level Parallel Programming, 2017 7. Danelutto M., De Matteis T., De Sensi D., Torquati, M.
Evaluating Concurrency Throttling and Thread Packing on SMT Multicores
Proceedings of 25th Intl. Conf. on Parallel, Distributed and Network-Based Processing (PDP), 2017 DOI: 10.1109/PDP.2017.39
8. De Sensi D., Kilpatrick P., Torquati M. State-aware Concurrency Throttling
Proceedings of Parallel Computing (ParCo) Conference, 2017 DOI: 10.3233/978-1-61499-843-3-201
Soggiorno all’estero
Il candidato `e stato ospitato presso la Queen’s University di Belfast nel periodo incluso fra l’Ottobre 2016 e l’Aprile 2017. Durante il soggiorno all’estero il candidato ha avuto la possibilit`a di approfondire le seguenti tematiche:
• Gestione dinamica di voltaggio e refresh rate su memoria principale, analizzando l’impatto su perfor-mance e consumo energetico.
• Caratterizzazione dell’accesso allo stato condiviso in applicazioni parallele strutturate a pattern. Il lavoro `e stato presentato alla conferenza internazionale ParCo.
• Gestione simultanea di performance e consumo energetico su applicazioni multiple.
Inoltre, il candidato ha tenuto due seminari al Centro di Data Science e Scalable Computing: • Towards a Green Runtime Support for Parallel Applications (Venerdi 4 Novembre 2016); • P3ARSEC: Towards Parallel Patterns Benchmarking (Venerdi 31 Marzo 2017).