SLADKÝ, D. Akcelerace algoritmu zpětné projekce pro simulaci šíření ultrazvuku [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2025.
David Sladký pracoval na této diplomové práci poměrně intenzivně. V jejím rámci vytvořil několik variant algoritmu zpětné projekce a podrobně analyzoval jejich výkon a škálovatelnost. Drobnou výtkou je chybějící srovnání s jinými existujícími algoritmy. Celkově však byla jeho aktivita nadprůměrná a postup prací dobře promyšlený a systematicky rozvržený.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Cílem diplomové práce bylo prozkoumat různé varianty implementace algoritmu zpětné projekce sdůrazem na dosažení maximálního výkonu na vícejádrových pracovních stanicích a serverech. Práce představuje různé strategie průchodu simulačními daty a analyzuje možnosti paralelizace a vektorizace výpočtu. Výsledkem je vysoce výkonný algoritmus svynikající škálovatelností i na rozsáhlých NUMA systémech. | ||
| Práce s literaturou | Práce s literaturou byla poměrně dobrá, i když rešerše v oblasti aktuálních implementací algoritmu zpětné projekce a jejich výkonnosti mohla být podstatně rozsáhlejší. | ||
| Aktivita během řešení, konzultace, komunikace | K aktivitě studenta během řešení práce nemám žádné vážnější výhrady. Pracoval aktivně, prezentoval průběžné výsledky každých čtrnáct dní a práci dokončil s výrazným časovým předstihem. Je také třeba vyzdvihnout, že celá implementace je přehledně zdokumentovaná v repozitáři na GitLabu výzkumné skupiny SC@FIT. Dokumentace zahrnuje podrobný popis řešení ve formě issues , kontrolní body ve formě merge requestů a více než 400 commitů. | ||
| Aktivita při dokončování | Aktivita při dokončování práce byla dobrá, finální verzi jsem obdržel s dostatečným předstihem. Klíčové připomínky byly řádně zapracovány. | ||
| Publikační činnost, ocenění |
Práce splňuje stanovené cíle a zadání v plném rozsahu. Student prokázal dobrou orientaci v problematice, vytvořil funkční a optimalizovanou implementaci algoritmu zpětné projekce a podrobil ji důkladné experimentální analýze. Přestože prezentační úroveň, formální úprava a práce s literaturou vykazují určité rezervy, technická kvalita a funkčnost realizačního výstupu jsou na dobré úrovni. Celkově se jedná o práci s praktickým přínosem a odpovídající úrovni magisterského studia. Doporučuji práci k obhajobě a práci hodnotím stupněm C (75 bodů).
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | |||
| Rozsah splnění požadavků zadání | Všechny body zadání jsou splněny. | ||
| Rozsah technické zprávy | Práce je nadměrného rozsahu, značnou část zabírá kapitola 5 Implementace, která je až příliš dlouhá. | ||
| Prezentační úroveň technické zprávy | 70 | Práce je logicky členěná. Některé kapitoly jsou ovšem příliš krátké a mohly by být zřejmě sloučeny s jinou kapitolou. Například kapitola 4 Cíle práce má pouze dvě strany, cíle práce mohly být rozebrány v kapitolách věnujícím se úvodu nebo motivaci práce. Kapitola 7 Popis výpočetníhi prostředí a datových sad mohla být též sloučena s kapitolou 8. Kapitola 5 Implementace z pohledu obsahu nepatří do textu diplomové práce. Text má spíše charakter dokumentace zdrojového kódu, což je pro některé účely práce relevantní, ale domnívám se, že by se tato kapitola mohla výrazně zkrátit. Rozshlý popis jednotlivých tříd a jejich metod by bylo možné nahradit přehledným diagramem tříd, který tu naopak chybí. | |
| Formální úprava technické zprávy | 67 | Formální úprava je na přijatelné úrovni, ovšem lze v ní najít několik nedostatků, které snižují její formální úroveň. Níže uvádím nejvýraznější z nich: V některých případech chybí zavedení anglického/českého akvivalentu, takže anglická zkratka poté nekoresponduje s textem (např. v kapitole 1 Úvod: "fotoakustická tomografie (PAT), kapitola 3 Advanced Vector Extensions (AVX a AVX2) - chybí český ekvivalent). Práce obsahuje překlepy (řežiji, přítupů, složí jako, atp.) . V práci se místy vyskytují hovorové obraty (vlezou se do paměti, škálovatelné upgrady, tracovací mód, nejde jednoduše skočit na, vyhodí výjimku, poskytnout referenční baseline pro, kompilátor od intelu, atp.). Citace se často vyskytují na samostatném řádku (chybí nezalomitelná mezera). Některé obrázky jsou příliš malé, např. 3.4, 8.19, 8.20. Obrázek 8.1 - vyznačení dlaždic je nečitelné. Podsekce 3.7.1, 3.7.2 a 3.7.3 byly evidentně generovány pomocí ChatGPT, a v některých případech volně přeloženy do češtiny. To je evidentní zejména z nadpisů, kde jednotlivá slova začínají vždy velkými písmeny. Dále se vyskytují zvláštní obraty jako "podmínky závodu, "běhové knihovní funkce" apod. Použití umělé inteligence dle mého názoru není chybou, ovšem je nutné provést korekci a ujistit se o správnosti vygenerovaného textu. Kapitola 8 - některé obrázky jsou zbytečné a nemají vypovídající hodnotu, např. obrázek 8.8., 8.10, 8.22, výsledky mohly být uvedeny přímo v textu. U obrázku 8.9 by bylo vhodné logaritmické měřítko. Obrázek 8.24 - určitě šlo použít více barev tak, aby se v obrázku nevyskytovaly křivky se stejnou barvou. | |
| Práce s literaturou | 70 | Student zvolil literaturu vhodnou k dané problematice, avšak citoval z pouhých 16 zdrojů, co je na diplomovou práci velice málo. Všechny citace jsou úplné a v souladu se zvyklostmi a normami. Zdroje jsou relevantní. | |
| Realizační výstup | 90 | Realizační výstup diplomové práce hodnotím jako technicky kvalitní a funkční. Student vytvořil modulární implementaci algoritmu zpětné projekce s důrazem na paralelizaci a optimalizaci výkonu pomocí OpenMP, SIMD (včetně AVX) a zefektivnění přístupu do paměti. Software byl testován na různých výpočetních platformách a výsledky měření zahrnují nejen časové údaje, ale také metriky výpadků cache či analýzy pomocí Roofline modelu, což svědčí o systematickém přístupu k validaci výpočtů. Výstup považuji za odpovídající úrovni diplomové práce a oceňuji důkladnost v návrhu, implementaci i testování. | |
| Využitelnost výsledků | Práce rozšiřuje existující poznatky v oblasti fotoakustické tomografie a paralelního zpracování dat. Nejedná se o čistě kompilační práci – autor navrhl a implementoval nové varianty algoritmu zpětné projekce optimalizované pro moderní vícejádrové architektury, přičemž ověřil jejich výkonnost na reálných výpočetních systémech. Výsledky práce jsou prakticky využitelné v aplikacích, které vyžadují rychlou rekonstrukci obrazu z akustických dat – například v medicínské diagnostice nebo při průmyslové nedestruktivní kontrole materiálů. Díky použitém optimalizacím má implementace potenciál stát se součástí vědeckého software skupiny SC@FIT nebo být dále rozvíjena pro specifické výpočetní platformy. |
eVSKP id 164253