Please use this identifier to cite or link to this item: https://doi.org/10.15480/882.1184
Fulltext available Open Access
DC FieldValueLanguage
dc.contributor.advisorZimmermann, Karl-Heinz-
dc.contributor.authorHanif, Muhammad Kashif-
dc.date.accessioned2014-10-02T12:52:04Zde_DE
dc.date.available2014-10-02T12:52:04Zde_DE
dc.date.issued2014-
dc.identifier.other797911502de_DE
dc.identifier.urihttp://tubdok.tub.tuhh.de/handle/11420/1186-
dc.description.abstractAlignment ist die fundamentale Operation, um biologische Sequenzen zu vergleichen. Dabei geht es darum, Ähnlichkeiten zu finden, die aus strukturellen, funktionalen oder evolutionären Beziehungen entstanden sind. Heute ist die Verarbeitung von Sequenzen aus großen DNA- oder Protein-Datenbanken eine immense Herausforderung. Graphikprozessoren (Graphics Processing Unit – GPU) basieren auf einer hochparallelen Architektur von Multikernen and eignen sich für die Verarbeitung von großen Datenmengen. In der Arbeit wird progressives Alignment und seine parallele Implementierung durch moderne GPUs untersucht. Es zeigt sich, dass Wellenfront- und Matrixprodukt-Techniken am besten mit den Datenabhängigkeiten zurecht kommen und sich gut für die Implementierung auf GPUs eignen. Die Leistung dieser Methoden wird analysiert und die Methode mit der besten Performanz wird in die Alignmentstufe des wohlbekannten Softwarepakets ClustalW integriert. Ähnliche Untersuchungen werden für das Hidden-Markov-Modell angestellt. Allgemeine Prinzipien und ein Leitfaden für die GPU-Programmierung von matrixbasierten Algorithmen werden behandelt.de
dc.description.abstractAlignment is the fundamental operation used to compare biological sequences. It also serves to identify regions of similarity that are eventually consequences of structural, functional, or evolutionary relationships. Today, the processing of sequences from large DNA or protein databases is a big challenge. Graphics Processing Units (GPUs) are based on a highly parallel, many-core streaming architecture and can be used to tackle the processing of large biological data. In the thesis, progressive alignment methods and their parallel implemenation by modern GPUs are studied. It turns out that wavefront and matrix-matrix product techniques can cope best with the data dependencies and so are highly appropriate for the implementation on a GPU. The performance of these methods is analyzed and the method with the highest speed-up is used to realize the alignment stage in the well-known software package ClustalW. Similar studies are made for the hidden Markov model. General principles and guidelines for GPU programming of matrix-based algorithms are discussed.en
dc.language.isoende_DE
dc.rightsinfo:eu-repo/semantics/openAccess-
dc.rights.urihttp://doku.b.tu-harburg.de/doku/lic_ohne_pod.phpde
dc.subjectgraphics processing unitsde_DE
dc.subjecthidden Markov modelde_DE
dc.subjectdynamic programmingde_DE
dc.titleMapping dynamic programming algorithms on graphics processing unitsde_DE
dc.title.alternativeAbbildung von Algorithmen der dynamischen Programmierung auf Graphikprozessorende
dc.typeThesisde_DE
dcterms.dateAccepted2014-07-03-
dc.identifier.urnurn:nbn:de:gbv:830-tubdok-12843de_DE
dc.identifier.doi10.15480/882.1184-
dc.type.thesisdoctoralThesisde_DE
dc.type.dinidoctoralThesis-
dc.subject.bcl54.25:Parallele Datenverarbeitungde
dc.subject.gndDynamische Optimierungde
dc.subject.bclcode54.25-
dc.subject.ddccode004-
dcterms.DCMITypeText-
tuhh.identifier.urnurn:nbn:de:gbv:830-tubdok-12843de_DE
tuhh.publikation.typdoctoralThesisde_DE
tuhh.publikation.fachbereichElektrotechnik und Informationstechnikde_DE
tuhh.opus.id1284de_DE
tuhh.gvk.ppn797911502de_DE
tuhh.oai.showtruede_DE
tuhh.pod.allowedfalsede_DE
dc.identifier.hdl11420/1186-
tuhh.title.germanAbbildung von Algorithmen der dynamischen Programmierung auf Graphikprozessorende
tuhh.abstract.germanAlignment ist die fundamentale Operation, um biologische Sequenzen zu vergleichen. Dabei geht es darum, Ähnlichkeiten zu finden, die aus strukturellen, funktionalen oder evolutionären Beziehungen entstanden sind. Heute ist die Verarbeitung von Sequenzen aus großen DNA- oder Protein-Datenbanken eine immense Herausforderung. Graphikprozessoren (Graphics Processing Unit – GPU) basieren auf einer hochparallelen Architektur von Multikernen and eignen sich für die Verarbeitung von großen Datenmengen. In der Arbeit wird progressives Alignment und seine parallele Implementierung durch moderne GPUs untersucht. Es zeigt sich, dass Wellenfront- und Matrixprodukt-Techniken am besten mit den Datenabhängigkeiten zurecht kommen und sich gut für die Implementierung auf GPUs eignen. Die Leistung dieser Methoden wird analysiert und die Methode mit der besten Performanz wird in die Alignmentstufe des wohlbekannten Softwarepakets ClustalW integriert. Ähnliche Untersuchungen werden für das Hidden-Markov-Modell angestellt. Allgemeine Prinzipien und ein Leitfaden für die GPU-Programmierung von matrixbasierten Algorithmen werden behandelt.de_DE
tuhh.abstract.englishAlignment is the fundamental operation used to compare biological sequences. It also serves to identify regions of similarity that are eventually consequences of structural, functional, or evolutionary relationships. Today, the processing of sequences from large DNA or protein databases is a big challenge. Graphics Processing Units (GPUs) are based on a highly parallel, many-core streaming architecture and can be used to tackle the processing of large biological data. In the thesis, progressive alignment methods and their parallel implemenation by modern GPUs are studied. It turns out that wavefront and matrix-matrix product techniques can cope best with the data dependencies and so are highly appropriate for the implementation on a GPU. The performance of these methods is analyzed and the method with the highest speed-up is used to realize the alignment stage in the well-known software package ClustalW. Similar studies are made for the hidden Markov model. General principles and guidelines for GPU programming of matrix-based algorithms are discussed.de_DE
tuhh.publication.instituteRechnertechnologie E-13de_DE
tuhh.identifier.doi10.15480/882.1184-
tuhh.type.opusDissertation-
tuhh.institute.germanRechnertechnologie E-13de
tuhh.institute.englishComputer Technology E-13en
tuhh.institute.id46de_DE
tuhh.type.id8de_DE
thesis.grantorTechnische Universität Hamburgde
tuhh.gvk.hasppntrue-
dc.type.driverdoctoralThesis-
dc.identifier.oclc930768226-
thesis.grantor.universityOrInstitutionTechnische Universität Hamburgde_DE
thesis.grantor.placeHamburgde_DE
thesis.grantor.departmentComputer Technology E-13de
dc.type.casraiDissertation-
item.cerifentitytypePublications-
item.creatorGNDHanif, Muhammad Kashif-
item.creatorOrcidHanif, Muhammad Kashif-
item.openairetypeThesis-
item.fulltextWith Fulltext-
item.advisorGNDZimmermann, Karl-Heinz-
item.mappedtypedoctoralThesis-
item.languageiso639-1en-
item.grantfulltextopen-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
crisitem.author.deptEingebettete Systeme E-13-
crisitem.author.parentorgStudiendekanat Elektrotechnik, Informatik und Mathematik-
Appears in Collections:Publications with fulltext
Files in This Item:
File Description SizeFormat
Muhammad_Kashif_Hanif.pdf1,01 MBAdobe PDFView/Open
Thumbnail
Show simple item record

Page view(s)

770
Last Week
1
Last month
13
checked on Oct 26, 2021

Download(s)

1,041
checked on Oct 26, 2021

Google ScholarTM

Check

Note about this record

Cite this record

Export

Items in TORE are protected by copyright, with all rights reserved, unless otherwise indicated.