La ejecución de aplicaciones científicas complejas en Arreglos Reconfigurables de Grano Grueso (CGRAs) ofrece mejoras en el tiempo de ejecución y/o consumo de energía en comparación con implementaciones de software optimizadas o incluso soluciones de hardware completamente personalizadas. En este trabajo, exploramos el potencial de los métodos de análisis de aplicaciones en tales soluciones de hardware personalizadas. Ofrecemos métricas de análisis de varias aplicaciones científicas y adaptamos los resultados que serán utilizados por MC-Def, un nuevo Marco de Definición de CGRA Mixto que apunta a una arquitectura de CGRA Mixto que aprovecha las ventajas de CGRAs y las de FPGAs mediante la utilización de una matriz de celdas personalizada, junto con una matriz LUT separada que se utiliza para la adaptabilidad. Además, presentamos los resultados de implementación con respecto a las implementaciones de hardware creadas en VHDL de nuestra celda CGRA en diversas aplicaciones científicas.