CUDA от NVIDIA дает ощутимую поддержку в исследовательской деятельности

CUDA от NVIDIA дает ощутимую поддержку в исследовательской деятельности

Занимаясь научным исследованием в Университете Лаваль, мы начали использовать GPU-Accelerated Libraries, такие как CULAи MAGMA [bit.ly/1o8m10a]. К примеру, в соседней лаборатории инженеры-механики исследуют поведение различных механизмов систем. Все данные заносятся в матрицы, после этого производятся математические операции для моделирования. CULA используется нами для вычислений линейной алгебры. В своей научной работе мы исследуем гигантское количество обратных ссылок на сайты, для определения зависимостей уязвимостей сайтов. Аналогично нашим соседям по департаменту, мы используем матричный анализ. И использование библиотек линейной алгебры от NVIDIA CUDA в параллельном вычислении на графических ядрах дает отличный прирост производительности. Использование библиотек достаточно простое, мы используем С/С++, все библиотеки имеют практически аналогичные названия для работы с CPU и отличаются только префиксом [bit.ly/1PQjuC6] для параллельных вычислений с использованием GPU.
Данная технология позволяет нам, исследователям, увеличивать вычислительные мощности при низких затратах. Ведь всем нам известна стоимость современного ЦП от Intel. Затраты не сопоставимы с ценой, даже бюджетной видеокарты. Так как производительность GPU бюджетных видеокарт сопоставима с производительностью современного CPU от Intel (AMD не берется в расчет, из-за его реально низких показателейпроизводительности параллельных процессов).
В настоящее время мы используем «Compute Canada» для произведения вычислений. Однако нам хотелось бы испытать платформу Jetson для наших вычислительных потребностей. Таким образом самим построить систему вычислений на данной платформе. Так же у нас есть идеи использования SLI-подключения для параллельных вычислений на нескольких GPU. Однако самое узкое место, для увеличения производительности таким экстенсивным путем, является PCI Express. Ведь все команды от CPU идут через него для вычислений на GPU. А с помощью платформы Jetson мы смогли избежать данное узкое место. Хотелось бы отметить, что даже PCI Express 4.0, которое имеет по заявленным характеристикам 16 GT/s [bit.ly/1TbMDsy] не сможет обеспечить пропускную способность для максимальной производительности современных CUDA GPUs от NVIDIA [bit.ly/1TbO6il]. У данной технологии есть огромный потенциал в аэрокосмических расчетах. Однако и на Земле она нам очень нужна!