Profiling of Monte Carlo simulations in particle therapy and code optimization strategy

L’obiettivo di questa tesi è il profiling di codici per Simulazioni Monte Carlo nell’ambito della terapia adronica. Questo ci permette di analizzare le più importanti criticità durante l’esecuzione di tali simulazioni. Due sono stati gli aspetti di maggior interesse: il tempo necessario all’esecuzione e la memoria allocata. Tali aspetti sono stati scelti per due ragioni differenti: al fine di migliorare le performance, in termini di velocità e riducendo l’impatto della memoria di ogni simulazioni. Le simulazioni sono state eseguite utilizzando un toolkit per il profiling modificando diversi aspetti della simulazione per definire le dipendenze rispetto a diverse proprietà della simulazione stessa. Mediante lavoro sistematico è stato possibile muoversi dalla semplice simulazione di un Bragg Peak in 1D fino ad un caso clinico più articolato, pianificando il trattamento di un paziente reale. I risultati ottenuti sono stati descritti e analizzati dal punto di vista sia del software che dell’hardware. Questo lavoro si conclude con l'analisi di possibili strategie di ottimizzazione sia per ridurre il tempo di esecuzione attraverso la programmazione in parallelo su architettura GPU e sia per la riduzione del consumo di memoria con possibili interventi all'interno del codice stesso.