Este año postularon al premio 281 propuestas de nueve países de Latinoamérica

Investigadores obtienen por segundo año consecutivo el Google Research Award for Latin America

Investigadores obtienen el Google Research Award for Latin America
Patricio Huepe y Gonzalo Navarro, quienes desarrollaron el proyecto "Engineering compressed random access memories".
Patricio Huepe y Gonzalo Navarro, quienes desarrollaron el proyecto "Engineering compressed random access memories".

“Engineering compressed random access memories” se titula el proyecto desarrollado por el académico Gonzalo Navarro y el alumno de Magíster del DCC Patricio Huepe, que obtuvo por segundo año consecutivo el Google Research Award para Latinoamérica.

Este premio apoya el desarrollo de investigación innovadora en ciencias de la computación, ingeniería y campos relacionados. Este año, se recibieron 281 proyectos provenientes de nueve países de América Latina; 27 de ellos fueron seleccionados, tres correspondientes a investigaciones de nuestro país, dos de los cuales fueron propuestas de la FCFM, incluyendo el trabajo liderado por el profesor Navarro.

En particular, la investigación del académico de la FCFM se centra en la implementación práctica de memorias comprimidas, es decir, memorias que desde fuera funcionen como una memoria RAM normal, donde se puede leer y escribir en cualquier posición, pero que de manera interna la información se mantenga comprimida, de modo que virtualmente se tenga una memoria RAM más grande.

Según explicó Navarro, durante el primer año de desarrollo se avanzó “en completar la revisión bibliográfica, definir la alternativa que íbamos a elegir para implementar y diseñar la arquitectura de la solución, incluyendo un sistema de caché para minimizar el impacto de la compresión en los tiempos de respuesta de la RAM comprimida”.

El académico detalló que uno de los desafíos que debió abordar fue encontrar una propuesta teórica de solución que ofreciera buenas garantías de desempeño y fuera a la vez suficientemente práctica como para poder implementarse.

“La mayoría de los desafíos está por venir. El más importante es lograr que este mecanismo tenga un desempeño marcadamente mejor que el resultante de simplemente usar la memoria virtual para cuando los datos no caben en la memoria principal. Tenemos que lograr que el impacto de usar compresión, que es algo bastante laborioso, en un nivel tan básico del funcionamiento de los programas, sea el mínimo posible”, concluyó Navarro.