Examinando por Autor "Rincón Perlaza, Joao Andrey"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Acelerador hardware para emular el proceso de la ruta metabólica glucólisis en una célula
    (Universidad del Valle, 2025) Rincón Perlaza, Joao Andrey; Velasco-Medina, Jaime; GRUPO DE BIONANOELECTRÓNICA
    La simulación de sistemas biológicos complejos mediante software tradicional enfrenta limitaciones significativas en términos de tiempo de cómputo y consumo energético, debido a la naturaleza secuencial de los procesadores de propósito general (CPU). Este trabajo de grado presenta el diseño, implementación y validación de un acelerador hardware basado en FPGA para emular la dinámica de la ruta metabólica de la glucólisis. Se desarrolló un modelo matemático reducido de cinco reacciones enzimáticas, capturando las características no lineales esenciales como la cinética de saturación de Michaelis Menten y la regulación alostérica de la enzima fosfofructoquinasa (PFK). Este sistema de ecuaciones diferenciales ordinarias (EDOs) fue discretizado mediante el método de Euler y traducido a una arquitectura de hardware digital utilizando el lenguaje VHDL. Para optimizar el rendimiento en la plataforma Terasic DE2-115 (Cyclone IV E), se diseñó una unidad aritmética de punto fijo de 32 bits (formato Q12.20) que incluye multiplicadores segmentados (pipelined) y un divisor iterativo basado en el algoritmo de Newton Raphson para resolver la complejidad de la inhibición enzimática. La validación funcional se realizó mediante una estrategia cruzada, comparando las trazas obtenidas por el hardware (adquiridas mediante el analizador lógico SignalTap II) con un modelo de referencia de alta precisión en python. Los resultados demuestran que el acelerador reproduce la dinámica biológica con una fidelidad superior al 99.5%, logrando un factor de aceleración (speedup) de aproximadamente 2,500 veces respecto al tiempo biológico real. El diseño ocupó únicamente el 22% de los elementos lógicos y el 13% de los multiplicadores de la FPGA, demostrando una alta escalabilidad para la futura emulación de tejidos celulares masivos en tiempo real.