Aceleración de predicciones de crecidas con modelos de balance de energía de nieve en GPU

Acoplamiento de un modelo de balance de energía de nieve con SWEpy: reimplementación en CUDA para simular crecidas

Esta tesis de magíster busca mejorar la predicción de crecidas en zonas de montaña, donde la nieve interviene en el ciclo hidrológico. El punto de partida es una versión inicial en Python de un modelo de balance de energía que estima la acumulación y el derretimiento de nieve a partir de factores como la radiación solar, la temperatura y el viento. El desafío principal es acoplar este modelo con SWEpy, el software de código abierto del Grupo de Hidrología UTFSM que resuelve las ecuaciones de Saint-Venant para simular crecidas, roturas de presas y tsunamis.

El código actual corre en CPU y es muy paralelizable, así que reimplementarás sus partes clave en CUDA, la plataforma de computación paralela de NVIDIA para programar GPU, y moverás los cálculos a la GPU para reducir el tiempo de cómputo. Así se podrán hacer simulaciones más rápidas a gran escala, útiles para pronósticos en tiempo real o para estudiar el cambio climático en regiones como los Andes chilenos.

Objetivos

• Adaptar y acoplar el modelo de balance de energía de nieve con SWEpy.
• Reimplementar el código en CUDA para paralelizar las operaciones en GPU y mejorar el rendimiento respecto de la versión en CPU.
• Validar el modelo acoplado con casos reales (por ejemplo, datos de cuencas nivales de Chile) y evaluar su precisión en escenarios de crecidas.
• Explorar aplicaciones como la predicción de inundaciones en zonas cordilleranas bajo escenarios de cambio climático.