/articles/toma

To get this branch, use:
bzr branch http://darksoft.org/webbzr/articles/toma

« back to all changes in this revision

Viewing changes to paper.tex

  • Committer: Suren A. Chilingaryan
  • Date: 2018-04-25 11:20:53 UTC
  • Revision ID: csa@suren.me-20180425112053-fxc3s4tdx1vmyqb7
Re-integrate proofs in long version, step1

Show diffs side-by-side

added added

removed removed

Lines of Context:
paper.tex
18
18
\maketitle
19
19
\thispagestyle{empty}
20
20
\begin{abstract}
21
 
A synchrotron light source is a powerful tool to investigate internal structures
22
 
at micro- and nanoscopic scale and dynamic events at high temporal resolution
23
 
down to the microsecond range. High resolution is achieved using fast cameras
24
 
shooting thousands frames per second and generating  multi-terabyte datasets 
25
 
within several minutes. To reconstruct the data, traditionally a Filtered Back 
26
 
Projection algorithm is used. In this article we will explain how the algorithm 
27
 
can be mapped on the existing parallel hardware efficiently. We introduce the
28
 
differences between different hardware architectures and propose algorithm 
29
 
modifications tuned to the particular architecture. The faster reconstruction 
30
 
is not only reduces required investments in the hardware, but also allows
31
 
to reduce latencies in online monitoring and image-based control systems
32
 
employed at synchrotrons.
 
21
% Back-projection is... Also used in slow reconstruction.
 
22
Synchrotron X-ray imaging is a powerful method to investigate internal structures down to the micro- and nanoscopic scale. Fast cameras recording thousands of frames per second allow time-resolved studies with a high temporal resolution. Fast image reconstruction is essential to provide the synchrotron instrumentation with the imaging information required to track and control process under study. Usually Filtered Back Projection algorithm is used here. In this article we will explain how the algorithm can be mapped on the existing parallel hardware efficiently. We introduce the differences between considered architectures and propose algorithm modifications optimized for each of them. We further show that targeting architectures-specific features allows to boost performance 2-7 times compared to the current state-of-the art techniques found in the standard reconstructions codes.
33
23
\end{abstract}
34
24
 
 
25
 
35
26
%\section{Questions}
36
27
\noindent\rule[0.5ex]{\linewidth}{1pt}
37
28
\textbf{Questions}: