Technologia GPU typu open source dla superkomputerów: badacze odkrywają zalety i wady

Opublikowane ponownie przez Plato

Obserwuje: 0

Strona główna > Naciśnij przycisk > Technologia GPU typu open source dla superkomputerów: badacze dostrzegają zalety i wady

Władimir Stegaiłow, profesor Uniwersytetu HSE KREDYT Władimir Stegaiłow

Abstrakcyjny:
Naukowcy z HSE International Laboratory for Supercomputer Atomistic Modeling and Multi-scale Analysis, JIHT RAS i MIPT porównali wydajność popularnych programów do modelowania molekularnego na akceleratorach GPU produkowanych przez AMD i Nvidia. W artykule opublikowanym przez International Journal of High Performance Computing Applications, uczeni po raz pierwszy zastosowali LAMMPS do nowej technologii GPU typu open source, AMD HIP.

Technologia GPU typu open source dla superkomputerów: badacze dostrzegają zalety i wady

Moskwa, Rosja | Opublikowano 30 kwietnia 2021 r

Uczeni dokładnie przeanalizowali wydajność trzech programów do modelowania molekularnego - LAMMPS, Gromacs i OpenMM - na akceleratorach GPU Nvidia i AMD o porównywalnych parametrach szczytowych. Do testów użyli modelu ApoA1 (Apolipoprotein A1) - apolipoproteiny w osoczu krwi, głównego białka nośnikowego „dobrego cholesterolu”. Okazało się, że na wykonanie obliczeń badawczych wpływ mają nie tylko parametry sprzętowe, ale także środowisko oprogramowania. Okazało się, że nieefektywne działanie sterowników AMD w skomplikowanych scenariuszach równoległego uruchamiania jąder obliczeniowych może prowadzić do znacznych opóźnień. Rozwiązania open source wciąż mają swoje wady.

W niedawno opublikowanym artykule naukowcy jako pierwsi przenieśli LAMMPS na nową technologię GPU typu open source, AMD HIP. Ta rozwijająca się technologia wygląda bardzo obiecująco, ponieważ pomaga efektywnie wykorzystywać jeden kod zarówno na akceleratorach Nvidii, jak i na nowych procesorach graficznych AMD. Opracowana modyfikacja LAMMPS została opublikowana jako open source i jest dostępna w oficjalnym repozytorium: użytkownicy z całego świata mogą ją wykorzystać do przyspieszenia swoich obliczeń.

„Dokładnie przeanalizowaliśmy i porównaliśmy podsystemy pamięci akceleratora GPU w architekturach Nvidia Volta i AMD Vega20. Znalazłem różnicę w logice równoległego uruchamiania jąder GPU i zademonstrowałem to, wizualizując profile programów. Zarówno przepustowość pamięci, jak i opóźnienia na różnych poziomach hierarchii pamięci GPU, a także efektywne równoległe wykonywanie jąder GPU - wszystkie te aspekty mają duży wpływ na rzeczywistą wydajność programów GPU '' - powiedział Vsevolod Nikolskiy, doktorant HSE University i jeden z autorów artykułu.

Autorzy artykułu argumentują, że udział w wyścigu technologicznym współczesnych gigantów mikroelektroniki wskazuje na wyraźny trend w kierunku większej różnorodności technologii akceleracji GPU.

„Z jednej strony jest to korzystne dla użytkowników końcowych, ponieważ pobudza konkurencję, zwiększa efektywność i zmniejsza koszty superkomputerów. Z drugiej strony tworzenie skutecznych programów będzie jeszcze trudniejsze ze względu na konieczność uwzględnienia dostępności kilku różnych typów architektur GPU i technologii programowania ”- skomentował Vladimir Stegailov, profesor Uniwersytetu HSE. „Nawet wspieranie przenośności programów dla zwykłych procesorów na różnych architekturach (x86, Arm, POWER) jest często skomplikowane. Przenośność programów między różnymi platformami GPU to znacznie bardziej skomplikowana kwestia. Paradygmat open source eliminuje wiele barier i pomaga twórcom dużego i skomplikowanego oprogramowania do superkomputerów ”.

W 2020 roku rynek akceleratorów graficznych doświadczył narastającego deficytu. Popularne obszary ich wykorzystania są dobrze znane: kopanie kryptowalut i zadania uczenia maszynowego. Tymczasem badania naukowe wymagają również akceleratorów GPU do matematycznego modelowania nowych materiałów i cząsteczek biologicznych.

„Tworzenie potężnych superkomputerów oraz opracowywanie szybkich i skutecznych programów to sposób na przygotowanie narzędzi do rozwiązywania najbardziej złożonych globalnych wyzwań, takich jak pandemia COVID-19. Narzędzia obliczeniowe do modelowania molekularnego są dziś używane na całym świecie do poszukiwania sposobów walki z wirusem - powiedział Nikolay Kondratyuk, badacz z Uniwersytetu HSE i jeden z autorów artykułu.

Najważniejsze programy do modelowania matematycznego opracowywane są przez międzynarodowe zespoły i naukowców z kilkudziesięciu instytucji. Rozwój odbywa się w ramach paradygmatu open source i na wolnych licencjach. Konkurencja dwóch współczesnych gigantów mikroelektroniki, Nvidii i AMD, doprowadziła do powstania nowej infrastruktury open-source do programowania akceleratorów GPU, AMD ROCm. Open-source'owy charakter tej platformy daje nadzieję na maksymalne przenoszenie kodów tworzonych przy jej użyciu na superkomputery różnych typów. Taka strategia AMD różni się od podejścia Nvidii, której technologia CUDA jest standardem zamkniętym.

Odpowiedź społeczności akademickiej nie zajęła dużo czasu. Projekty największych nowych superkomputerów opartych na akceleratorach AMD GPU są na ukończeniu. Lumi w Finlandii z wydajnością 0.5 exaFLOPS (podobną do wydajności 1,500,000 laptopów!) Jest szybko budowane. W tym roku w USA spodziewany jest mocniejszy superkomputer Frontier (1.5 exaFLOPS), aw 2023 - jeszcze mocniejszy El Capitan (2 exaFLOPS).

####

Aby uzyskać więcej informacji, kliknij tutaj

Łączność:
Ludmiła Mezencewa
7-926-313-2406

@HSE_pol

Jeśli masz komentarz, proszę Kontakt my.

Wydawcy komunikatów prasowych, a nie 7th Wave, Inc. lub Nanotechnology Now, ponoszą wyłączną odpowiedzialność za dokładność treści.

Zakładka: