Symulacja komputerowa może podejmować coraz większe wyzwania wraz z rozwojem technologii obliczeń równoległych. Potrzeba zrównoleglania obliczeń staje się szczególnie ważna w obliczu pytań o to jak produkować skuteczniejsze leki lub w jaki sposób wyglądał świat po wielkim wybuchu. Takie symulacje mogą wymagać milionów iteracji. W przeszłości architektura równoległa opierała się na klastrach procesorów CPU. Obecnie istnieje alternatywa w postaci wielordzeniowych kart graficznych. W efekcie dzisiejsze obliczenia numeryczne są znacznie szybsze niż kiedykolwiek wcześniej.

Kluczem do sukcesu procesorów graficznych jest umieszczenie kilkudziesięciu, lub nawet kilkuset rdzeni w jednym procesorze. Najszybsze obecnie komputery na świecie, w tym Chinski Tianhe-1A, który niedawno pobił dotychczasowego lidera listy Top500, Jaguara, zawdzięcza swój sukces w dużej mierze procesorom graficznym. Można przypuszczać, że przyszłością HPC są komputery łączące procesory CPU i GPU. Pytanie brzmi, w jaki sposób nauka może skorzystać w pełni z takich hybrydowych architektur?

Wady i zalety GPU

Procesory graficzne pojawiły w celu akceleracji algorytmów obróbki grafiki. Szybko stały się gorącym produktem w świecie gier komputerowych. Procesory GPU stały się w końcu standardowym elementem kart graficznych, co otworzyło nowe możliwości dla systemów komputerowych. Zwykle obliczenia są wykonywane efektywnie na CPU, ale ta część algorytmu, która może być wykonana równolegle jest wysyłana do GPU.

Liderem wśród producentów procesorów graficznych jest NVIDIA, a tuż za nią plasuje się AMD, po przejęciu ATI. Najwięksi producenci procesorów, Intel i AMD, wciąż jednak koncentrują się na procesorach CPU, choć pracują również nad procesorami hybrydowymi CPU/GPU.

Wybór pomiędzy CPU i GPU nie jest oczywisty. Jak zauważa Vijay Pande, dyrektor projektu Folding@home, procesory graficzne dysponują potencjalnie dużą większą mocą obliczeniową, jednak procesory CPU są bardziej wszechstronne. Projekt Folding@home, którego celem jest symulowanie zjawisk dynamiki molekularnej, dysponuje największą na świecie mocą obliczeniową, ponad 5 petaflopów. Dzięki tak imponującej mocy, nauka jest w stanie analizować dane na poziomie nieosiągalnym przy klasycznych metodach doświadczalnych.

Okiełznać fale

Wiele obszarów badań naukowych, takich jak

akustyka, elektrotechnika, czy dynamika płynów, wymaga rozwiązywania równania fali, będącego liniowym równaniem różniczkowym cząstkowym drugiego rzędu. Firmy paliwowe wykorzystują to równanie w poszukiwaniu złóż ropy. Niedawno, grupa naukowców pod kierownictwem Dinesha Manochy rozwiązała równanie fali akustycznej przy pomocy wyłącznie procesorów graficznych, co pozwoliło przyśpieszyć obliczenia 100-krotnie.

Innym przykładem sukcesu procesorów graficznych jest algebra liniowa. Stan Tomov, naukowiec z Uniwersytetu w Tennessee, pracuje nad oprogramowaniem, które wykorzystuje maksymalne możliwości dostępnego sprzętu, niezależnie czy jest to klaster CPU czy procesor graficzny. Początkowo Tomov był sceptyczny wobec użycia procesorów graficznych w algebrze liniowej, ze względu na ograniczenia związane z dostępem do pamięci. Procesory GPU nowej generacji rozwiązują jednak ten problem za pomocą szybkiej pamięci podręcznej. W efekcie Tomov był w stanie przyśpieszyć swoje obliczenia 10-krotnie w porównaniu do klastrów CPU.

Symulowanie gwiazd

Kluczem do uczynienia z GPU podstawowej technologii do zastosowań naukowych jest wypracowanie rozwiązań ogólnych, które ograniczyłyby konieczność tworzenia specjalnego kodu dla każdego nowego problemu. Jednym z głównych problemów jest konieczność trzymania danych blisko procesora, który ma te dane przetwarzać tak, by minimalizować czas dostępu do danych. Co więcej, dla sprawnego przenoszenia kodu numerycznego, konieczne jest aby ten sam kod mógł być kompilowany pod różne architektury.

Martin Messer z Oak Ridge symuluje łączenie się pierwiastków w supernowie. Moc obliczeniowa oferowana przez klasyczne klastry CPU nie była wystarczająca do uzyskania realistycznych wyników. Prowadzona przez niego grupa naukowców pracuje aktualnie nad kodem, który zadziała na hybrydowym systemie składającym się z CPU i GPU. Dzięki temu Messer ma nadzieję uzyskać dużo większą precyzję obliczeń.

Podobne próby są podejmowane przez wielu naukowców. Na razie próba wykorzystania mocy GPU wiąże się nierozerwalnie z problemem przenośnego kodu, jednak nowe narzędzia programistyczne, takie jak OpenCL, oraz intensywność wydawania nowych bibliotek programistycznych napisanych w sposób przenośny pozwala mieć nadzieję, że już niedługo stosowanie GPU do użytku ogólnego będzie czymś naturalnym.

Komputerowa analiza chemiczna odkrywa HPC

Naukowcy z Uniwersytetu w Tennessee zmodyfikowali program do predykcji własności związków chemicznych tak, by wykorzystywał moc superkomputerów. Projekt ma do dyspozycji zasoby Oak Ridge National Laboratory, w tym jeden z najszybszych komputerów świata o nazwie Jaguar. Program bada miliony kombinacji związków chemicznych, głównie protein, w poszukiwaniu substancji, które mogą spełniać określone wymagania. Dzięki mocy superkomputerów, analiza miliona związków chemicznych może być wykonana w przeciągu jednego dnia. W ten sposób naukowcy mogą pozwolić sobie na dużo większą swobodę w badaniu różnorodnych klas związków, również takich, które do tej pory były ignorowane. Naukowcy podjęli współpracę z amerykańskim ministerstwem zdrowia, planując wspólnie poszukiwanie leku na raka prostaty.

Małe i średnie przedsiębiorstwa rozważają skorzystanie z obliczeń o wysokiej wydajności

Trzydzieści lat temu ceny superkomputerów zaczynały się od 5 mln dolarów. Dwadzieścia lat temu dobry sprzęt można było nabyć już za milion dolarów. Dzisiaj wystarczy 100 tysięcy. W tym czasie rynek sprzętu HPC wzrósł z 2 do 8 miliardów dolarów. Czy to oznacza, że obliczenia o wysokiej wydajności zadomowiły się w przemyśle? Jak wskazują ostatnie badania, przemysł wciąż napotyka wiele trudności na drodze do pełnego wykorzystania możliwości HPC, ale sprawy wydają się dążyć we właściwym kierunku.

Amerykańskie małe i średnie przedsiębiorstwa, które poradziły sobie z wdrożeniem technologii HPC, jak np. dostawcy sprzętu lotniczego (BMI, Intelligent Light, L&L Products, Swift Engineering), odnotowują znaczące postępy w innowacji i gotowości wobec zmieniających się wymagań rynku. Organizacje rządowe starają się wspierać przedsiębiorców inwestujących w obliczenia o wysokiej wydajności. Tak to wygląda za oceanem. A skoro USA wyznacza trendy w IT, to możemy się spodziewać podobnego rozwoju rynku HPC w Europie.

na podstawie How Goes the Democratization of Supercomputing?

Nowy procesor od IBM'a już wkrótce, Intel i AMD idą łeb w łeb

IBM pracuje nad nowym wielordzeniowym procesorem BlueGene/Q. Ma on składać się z 18 rdzeni, z czego 1 rdzeń będzie przeznaczony wyłącznie do obsługi systemu Linux, a 1 rdzeń ma być nadmiarowy, w celu zwiększenia niezawodności jednostki obliczeniowej. To cacko ma być podstawą architektury nowego superkomputera o nazwie Sequoia, o porażającej mocy obliczeniowej 20-petaflopów, którego IBM ma zamiar zbudować do 2012 roku. Moc obliczeniowa pojedynczego procesora BlueGene/Q powinna sięgać około 205 gigaflopów.

Tymczasem AMD pracuje nad swoim 16-rdzeniowym procesorem Interlagos, z architekturą Bulldozer. Teoretyczna moc obliczeniowa tego procesora to 224 gigaflopy. To dokładnie tyle samo, ile można spodziewać się od nowego procesora Sandy Bridge, przygotowywanego przez Intel.

na podstawie Manycore Ahead

OpenFOAM na GPU

Użytkownicy biblioteki OpenFOAM, służącej do symulacji zjawisk dynamiki płynów, mogą cieszyć się z nowego pluginu, wydanego przez SpeedIT, który pozwala uruchamiać obliczenia na kartach graficznych. Dodatek został przetestowany na kartach NVIDII z serii Tesla. Zaletą nowego narzędzia jest umiejętność automatycznego podziału obliczeń na równoległe procesy oraz automatyczny wybór najszybszych spośród aktualnie dostępnych procesorów.

Wyszukiwanie fraz w filmach

Firma UbiCast, oferująca usługę internetowych transmisji video, podjęła współpracę z firmą Nexiwave.com, specjalizującą się w technologii rozpoznawania głosu i wyszukiwania słów w ścieżce audio. W efekcie, firma UbiCast oferuje domyślnie swoim klientom usługę wyszukiwania fraz w filmach umieszczanych w internecie za pośrednictwem ich serwisu.

Nowa usługa jest pierwszą tego typu usługą dostępną na duża skalę. Dotychczas, wyszukiwanie słów w ścieżkach audio było nieefektywne. Sytuację zmieniło zastosowanie technologii kart graficznych, które znacząco przyśpieszyły przetwarzanie danych dźwiękowych.

Oprócz wyszukiwania słów, nowa technologia daje możliwość konwersji ścieżki dźwiękowej na tekst, automatycznego tworzenia napisów do filmów, synchronizacji napisów ze ścieżką dźwiękową oraz rozpoznawania głosu.

Prognoza pogody może nareszcie stać się wiarygodna

Pamiętacie projekty o tajemniczych nazwach Seti@home, Folding@home, DrugDiscovery@home? Są to projekty polegające na prowadzeniu obliczeń numerycznych z wykorzystaniem komputerów z całego świata i łącz internetowych. Te totalnie rozproszone systemy dysponują większymi mocami obliczeniowymi od najszybszych superkomputerów. Ostatnio do tej elitarnej serii projektów dołączył Weather@home, którego celem jest tworzenie prognozy pogody na podstawie analizy ogromnej ilości danych pogodowych z całego świata.

Projekt, który dopiero raczkuje, ma początkowo skupić się na terenach zachodniej części USA, południowej Afryki i Europy. Wadą systemu rozproszonego jest konieczność używania prostszych modeli pogodowych, ze względu na istotny wpływ czasu transmisji danych. Strata powodowana w ten sposób jest jednak rekompensowana przez dużo większą moc obliczeniową. Podczas gdy zazwyczaj 30 iteracji algorytmu zadowala specjalistów od pogody, w ramach projektu Weather@home uzyskano już efektywność rzędu 45 tysięcy iteracji.

Każdy kto ma ochotę wesprzeć projekt, może użyczyć mocy obliczeniowej swojego komputera. Zainteresowanych odsyłamy do strony climateprediction.net

na podstawie Grass Roots Climate Modeling