Gracias al desarrollo de la tecnología, los procesadores han pasado a ser una parte importante cuando de buen desempeño se trata, cada vez salen nuevos dispositivos con mayor número de núcleos convirtiéndose en una necesidad tratar de rediseñar los algoritmos pensados únicamente para ser ejecutados en CPUs, de manera que puedan aprovechar las nuevas plataformas de alto desempeño.
Además de los procesadores Multinúcleo y Clusters existen otras herramientas para trabajar con computación paralela como lo son las Unidades de Procesamiento Gráfico conocidas como GPU¿s, las cuales fueron diseñadas para desarrollar cálculos para gráficos en 3D. Las GPU actuales alcanzan un rendimiento hasta de 768Gflop (http://www.nvidia.es/page/gpu_computing.html.), alcanzando incluso a tener más de 1000 elementos de procesamiento, indicando que es mucho más potente que la CPU.
El punto crucial de este trabajo de grado es adaptar un algoritmo secuencial que corre sobre una Unidad de Propósito General CPUs y adaptarlo a la computación paralela aprovechando los recursos ofrecidos por las GPUs. En concreto es acelerar el algoritmo que estudia el comportamiento de las partículas con respecto a la posición y velocidad a través de ablación laser. Finalmente evaluar los resultados obteniendo los tiempos de ejecución tanto de CPU como de GPU.
