Resumen
Un gran número de áreas de la ciencia están siendo beneficiadas por la reducción de tiempo de cómputo gracias al uso de las Unidades Gráficas de Proceso (GPU). En el caso de la Epidemiología, tales unidades agilizan la simulación de escenarios con poblaciones grandes, escenarios en los que el tiempo de procesamiento es muy significativo. El presente artículo introduce la simulación de eventos epidemiológicos basado en un modelo de Autómatas Celulares Estocásticos (AC), el cual ofrece la implementación de las características principales de una enfermedad infecciosa a gran escala: contacto, vecindario, trayectorias y transmisibilidad. Un caso de estudio es simulado en una implementación del algoritmo AC para una enfermedad infecciosa de tipo SEIRS (Susceptible, Expuesto, Infectado, Recuperado y Susceptible). Una población de 1 000 000 de individuos es paralelizada a través de un algoritmo de balanceo de procesos implementado en el lenguaje de programación C-CUDA. El resultado dado por el software paralelizado por GPU es comparado contra un análisis hecho del modelo paralelizado por multi-hilos CPU. Los resultados demuestran que el tiempo de cómputo puede ser reducido significativamente gracias al uso de C-CUDA.