GPU-teknik med öppen källkod för superdatorer: Forskare navigerar fördelar och nackdelar

Återutgiven av Platon

anhängare: 0

Hem > Presse > GPU-teknik med öppen källkod för superdatorer: Forskare navigerar fördelar och nackdelar

Vladimir Stegailov, HSE-universitetsprofessor CREDIT Vladimir Stegailov

Sammanfattning:
Forskare från HSE International Laboratory for Supercomputer Atomistic Modeling and Multi-scale Analysis, JIHT RAS och MIPT har jämfört prestanda hos populära molekylära modelleringsprogram på GPU-acceleratorer producerade av AMD och Nvidia. I en artikel publicerad av International Journal of High Performance Computing Applications portade forskarna LAMMPS för den nya open source-GPU-teknologin, AMD HIP, för första gången.

Öppen källkod GPU-teknik för superdatorer: Forskare navigerar fördelar och nackdelar

Moskva, Ryssland | Upplagt den 30 april 2021

Forskarna analyserade noggrant prestanda för tre molekylära modelleringsprogram - LAMMPS, Gromacs och OpenMM - på GPU-acceleratorer Nvidia och AMD med jämförbara toppparametrar. För testerna använde de modellen ApoA1 (Apolipoprotein A1) - apolipoprotein i blodplasma, det huvudsakliga bärarproteinet av "bra kolesterol". De fann att utförandet av forskningsberäkningar inte bara påverkas av hårdvaruparametrar utan också av mjukvarumiljö. Det visade sig att ineffektiv prestanda för AMD-drivrutiner i komplicerade scenarier för parallell lansering av datorkärnor kan leda till betydande förseningar. Open source-lösningar har fortfarande sina nackdelar.

I det nyligen publicerade dokumentet var forskarna de första som portade LAMMPS på en ny öppen källkod GPU-teknologi, AMD HIP. Denna utvecklingsteknik ser väldigt lovande ut eftersom den hjälper till att effektivt använda en kod både på Nvidia-acceleratorer och på nya GPU: er från AMD. Den utvecklade LAMMPS-modifieringen har publicerats som en öppen källkod och finns tillgänglig i det officiella arkivet: användare från hela världen kan använda den för att påskynda sina beräkningar.

”Vi analyserade och jämförde grundligt GPU-acceleratorminnessystemen i Nvidia Volta och AMD Vega20-arkitekturer. Jag hittade en skillnad i logiken för parallell lansering av GPU-kärnor och visade det genom att visualisera programprofilerna. Både minnesbandbredd och latenser för olika nivåer av GPU-minneshierarki såväl som effektivt parallellt utförande av GPU-kärnor - alla dessa aspekter har stor inverkan på GPU-programmens verkliga prestanda, säger Vsevolod Nikolskiy, doktorand vid HSE University och en av tidningens författare.

Pappersförfattarna hävdar att deltagande i den tekniska loppet för samtida mikroelektronikjättar visar en uppenbar trend mot större variation av GPU-accelerationsteknologier.

”Å ena sidan är detta faktum positivt för slutanvändarna, eftersom det stimulerar konkurrens, växande effektivitet och de minskande kostnaderna för superdatorer. Å andra sidan blir det ännu svårare att utveckla effektiva program på grund av behovet av att överväga tillgängligheten av flera olika typer av GPU-arkitekturer och programmeringstekniker, kommenterade Vladimir Stegailov, professor vid HSE-universitetet. Till och med stödja programportabilitet för vanliga processorer på olika arkitekturer (x86, Arm, POWER) är ofta komplicerat. Portabilitet av program mellan olika GPU-plattformar är en mycket mer komplicerad fråga. Open-source-paradigmet eliminerar många hinder och hjälper utvecklarna av stora och komplicerade superdatorprogramvara. '

År 2020 upplevde marknaden för grafiska acceleratorer ett växande underskott. De populära områdena för deras användning är välkända: kryptovaluta gruvdrift och maskininlärningsuppgifter. Samtidigt kräver vetenskaplig forskning också GPU-acceleratorer för matematisk modellering av nya material och biologiska molekyler.

'Att skapa kraftfulla superdatorer och utveckla snabba och effektiva program är hur verktyg förbereds för att lösa de mest komplexa globala utmaningarna, såsom COVID-19-pandemin. Beräkningsverktyg för molekylär modellering används idag globalt för att söka efter sätt att bekämpa viruset, säger Nikolay Kondratyuk, forskare vid HSE University och en av tidningens författare.

De viktigaste programmen för matematisk modellering är utvecklade av internationella team och forskare från dussintals institutioner. Utveckling sker inom open source-paradigmet och under fria licenser. Konkurrensen mellan två samtida mikroelektroniska giganter, Nvidia och AMD, har lett till framväxten av en ny öppen källkodsinfrastruktur för GPU-acceleratorns programmering, AMD ROCm. Open source-karaktären hos denna plattform ger hopp om maximal portabilitet för koder som utvecklats med dess användning, till superdatorer av olika slag. Sådan AMD-strategi skiljer sig från Nvidias tillvägagångssätt, vars CUDA-teknik är en sluten standard.

Det tog inte lång tid att se svaret från det akademiska samfundet. Projekt av de största nya superdatorer baserade på AMD GPU-acceleratorer är nära slut. Lumi i Finland med 0.5 exaFLOPS prestanda (som liknar prestanda på 1,500,000 1.5 2023 bärbara datorer!) Byggs snabbt. I år väntas en mer kraftfull superdator, Frontier, i USA (2 exaFLOPS) och XNUMX - en ännu kraftfullare El Capitan (XNUMX exaFLOPS) förväntas.

####

För mer information, klicka på här.

Kontaktpersoner:
Liudmila Mezentseva
7-926-313-2406

@HSE_sv

Upphovsrätt © HSE University

Om du har en kommentar, snälla Kontakta oss oss.

Emittenter av nyhetsmeddelanden, inte 7th Wave, Inc. eller Nanotechnology Now, är ensamma ansvariga för innehållets noggrannhet.

Bokmärke: