Jednostki przetwarzania graficznego (GPU) nVidia GeForce wyposażone w technologię CUDA zwykło się kojarzyć z grami komputerowymi. Ich moc docenił jednak świat zaawansowanych obliczeń komputerowych. Berkeley’s Open Infrastructure for Network Computing (BOINC), jedna z wiodących platform rozproszonych obliczeń na świecie, używa technologię nVidia CUDA wykorzystując moc masowego przetwarzania równoległego GPU nVidia do osiągnięcia oszałamiających rezultatów, które mogą zmienić tempo odkryć naukowych poprzez takie projekty jak GPUGRID, czy Einstein@home. Przełomem okazała się zoptymalizowana pod GPU aplikacja kliencka SETI@home, która analizuje dane 8-krotnie szybciej niż procesor główny.
“Technologia nVidia CUDA dała badaniom naukowym moc obliczeniową, która wcześniej nie była dostępna dla naukowców – fizycznie i finansowo,” powiedział Dr. Davis Anderson, założyciel BOINC i naukowiec U.C Berkley Space Science Laboratory. “Technologia CUDA sprawia, że naukowcom jest łatwo zoptymalizować projekty BOINC pod GPU nVidia i tworzyć aplikacje stosowane do dynamiki molekularnej, przewidywania struktur proteinowych, modelowania klimatu i pogody, wizualizacji medycznych oraz wielu innych zadań.”
BOINC stanowi unikalne podejście do super computingu, w którym wiele komputerów łączonych jest poprzez Internet, a ich łączna moc obliczeniowa jest używana do rozwiązywania obszernych zadań obliczeniowych. BOINC dostarcza platformę obliczeń rozproszonych dla szerokiego wachlarza projektów naukowych obejmujących pomoc w leczeniu poważnych chorób, problem globalnego ocieplenia, odkrywania pulsary i wykonują wiele innych odkryć naukowych na domowych komputerach.
SETI@Home
Naukowcy zajmujący się projektem SETI otrzymali wielki przyrost mocy obliczeniowej, kiedy nVidia i BOINC wypuściły zoptymalizowaną aplikację kliencką, która pozwala SETI@home korzystać z GPU GeForce. SETI@home, największy projekt BOINC obejmujący ponad 200000 aktywnych użytkowników, polega na wyszukiwaniu śladów pozaziemskiej inteligencji przy pomocy radioteleskopów wykrywających sygnały radiowe docierające do nas z kosmosu. Wydajność GPU GeForce GTX 280 w SETI@home jest ponad 2 razy większa niż w przypadku najszybszego, wielordzeniowego procesora konsumenckiego (Intel Core i7 965 3.2Ghz) oraz prawie 8 razy większa niż w przypadku przeciętnego, dwurdzeniowego procesora (Intel Core2 Duo E8200 2.66Ghz)ii.
GPUGRID
GPUGRID to pierwszy z projektów BOINC, wykorzystujących moc technologii obliczeniowej CUDA wraz z GPU nVidia GeForce. Używa on kart graficznych nVidia zaangażowanych w projekcie komputerów do obliczeń wysoce skomplikowanych symulacji struktur bio-molekularnych. Umożliwienie aplikacji korzystania z mocy GPU nVidia spowodowało, iż 1000 kart graficznych zapewnia ten sam poziom mocy obliczeniowej co 20000 CPU w tych samych projektach. Jest to aż 20-krotne przyspieszenie.
"Symulacje molekularne wykonywane w ramach społecznościowych projektach obliczeniowych są jednymi z najczęstszych typów obliczeń wykonywanych przez naukowców, są również niezwykle skomplikowane obliczeniowo i często wymagają użycia superkomputera,” powiedział Dr. Gianni De Fabritiis, naukowiec Jednostki Rozwojowej w oddziale informatyki biomedycznej w Municipal Institute of Medical Research i uniwersytetu Pompeu Fabra w Barcelonie. „Wykorzystanie mocy GPUGRID na GPU nVidia stanowi innowację w dziedzinie społecznościowych obliczeń komputerowych poprzez dostarczenie zaawansowanych aplikacji ze świata super computingu dla ekonomicznych rozwiązań komputerowych. Wywrze to znaczny wpływ na sposób przeprowadzania badań biomedycznych.”
Einstein@Home
Technologia nVidia CUDA już wkrótce wesprze również trzeci co do wielkości projekt BOINC, Einstein@home, który wykorzystuje moc współdzielonych sieci obliczeniowych do poszukiwania wirujących gwiazd neutronowych (w tym także pulsarów) poprzez wykorzystanie danych z wykrywaczy fal grawitacyjnych.
Pulsar Vela - zdjęcie z obserwatorium Chandra
„Oczekujemy, że konwersja Einstein@home na GPU zwiększy przepustowość naszych systemów obliczeniowych o rząd wielkości,” powiedział Bruce Allen, dyrektor Instytutu Fizyki im. Maxa Plancka i przewodniczący Einstein@home w towarzystwie naukowym LIGO. „Pozwoliłoby to na bardziej dogłębne i dokładniejsze poszukiwania ciągłych źródeł fal grawitacyjnych.”
„Przetwarzanie równoległe jest kluczem do obliczeń wizualnych w domu, biurze, czy też laboratorium rozwojowym. GPU wykorzystujące technologię CUDA są motorem napędowym tego trendu. Obliczanie rozproszone jest idealnym rozwiązaniem dla przetwarzania równoległego, nie jest więc niespodzianką, iż wykorzystujące je aplikacje czerpią korzyści z niezrównanej mocy obliczeniowej GPU” powiedział Michel Steele, przedstawiciel nVidia. „Procesory GPU nVidia zmieniają sposób w jaki pracujemy, bawimy się, gramy i odkrywamy.”
W celu ściągnięcia aplikacji klienckiej nVidia SETI@home odwiedź setiathome.berkeley.edu/cuda.php. Aby uzyskać więcej informacji o BOINC odwiedź boinc.berkeley.edu. Więcej informacji o projekcie Einstein@Home jest dostępnych pod adresem einstein.phys.uwm.edu, a o GPUGRID pod www.gpugrid.net.
Komentarze
4