Công nghệ GPU mã nguồn mở dành cho siêu máy tính: Các nhà nghiên cứu xác định ưu và nhược điểm

Được xuất bản lại bởi Plato

Người theo dõi: 0

Trang Chủ > Ấn Bản > Công nghệ GPU mã nguồn mở cho siêu máy tính: Các nhà nghiên cứu tìm ra ưu và nhược điểm

Vladimir Stegailov, giáo sư CREDIT của Đại học HSE Vladimir Stegailov

Tóm tắt:
Các nhà nghiên cứu từ Phòng thí nghiệm Quốc tế HSE về Mô hình Nguyên tử Siêu máy tính và Phân tích Đa quy mô, JIHT RAS và MIPT đã so sánh hiệu suất của các chương trình mô hình hóa phân tử phổ biến trên các máy gia tốc GPU do AMD và Nvidia sản xuất. Trong một bài báo được xuất bản bởi Tạp chí Quốc tế về Ứng dụng Máy tính Hiệu suất Cao, lần đầu tiên các học giả đã chuyển LAMMPS về công nghệ GPU nguồn mở mới, AMD HIP, lần đầu tiên.

Công nghệ GPU mã nguồn mở cho siêu máy tính: Các nhà nghiên cứu tìm ra ưu và nhược điểm

Moscow, Nga | Đăng vào ngày 30 tháng 2021 năm XNUMX

Các học giả đã phân tích kỹ lưỡng hiệu suất của ba chương trình mô hình phân tử - LAMMPS, Gromacs và OpenMM - trên máy gia tốc GPU Nvidia và AMD với các thông số đỉnh tương đương. Đối với các xét nghiệm, họ sử dụng mô hình ApoA1 (Apolipoprotein A1) - apolipoprotein trong huyết tương, protein vận chuyển chính của 'cholesterol tốt'. Họ phát hiện ra rằng hiệu suất của các tính toán nghiên cứu không chỉ bị ảnh hưởng bởi các thông số phần cứng, mà còn bởi môi trường phần mềm. Nó chỉ ra rằng hiệu suất không hiệu quả của trình điều khiển AMD trong các tình huống phức tạp của việc khởi chạy song song các nhân máy tính có thể dẫn đến sự chậm trễ đáng kể. Các giải pháp mã nguồn mở vẫn có những nhược điểm của chúng.

Trong bài báo được xuất bản gần đây, các nhà nghiên cứu là những người đầu tiên sử dụng LAMMPS trên công nghệ GPU nguồn mở mới, AMD HIP. Công nghệ đang phát triển này có vẻ rất hứa hẹn vì nó giúp sử dụng hiệu quả một mã trên cả bộ tăng tốc Nvidia và trên GPU mới của AMD. Sửa đổi LAMMPS được phát triển đã được xuất bản dưới dạng mã nguồn mở và có sẵn trong kho lưu trữ chính thức: người dùng từ khắp nơi trên thế giới có thể sử dụng nó để tăng tốc tính toán của họ.

'Chúng tôi đã phân tích và so sánh kỹ lưỡng các hệ thống con bộ nhớ tăng tốc GPU của kiến trúc Nvidia Volta và AMD Vega20. Tôi đã tìm thấy sự khác biệt trong lôgic của việc khởi chạy song song các nhân GPU và chứng minh điều đó bằng cách trực quan hóa các cấu hình chương trình. Cả băng thông bộ nhớ và độ trễ của các mức phân cấp bộ nhớ GPU khác nhau cũng như khả năng thực thi song song hiệu quả của các nhân GPU - tất cả những khía cạnh này đều có tác động lớn đến hiệu suất thực của các chương trình GPU ', Vsevolod Nikolskiy, nghiên cứu sinh tiến sĩ Đại học HSE và một trong những tác giả của bài báo.

Các tác giả của bài báo cho rằng việc tham gia vào cuộc chạy đua công nghệ của những gã khổng lồ vi điện tử đương đại thể hiện một xu hướng rõ ràng đối với nhiều loại công nghệ tăng tốc GPU hơn.

'Một mặt, thực tế này là tích cực đối với người dùng cuối, vì nó kích thích sự cạnh tranh, tăng hiệu quả và giảm chi phí của siêu máy tính. Mặt khác, sẽ càng khó khăn hơn để phát triển các chương trình hiệu quả do cần phải xem xét sự sẵn có của một số loại kiến trúc GPU và công nghệ lập trình khác nhau, 'Vladimir Stegailov, giáo sư Đại học HSE nhận xét. 'Ngay cả việc hỗ trợ tính di động của chương trình cho các bộ xử lý thông thường trên các kiến trúc khác nhau (x86, Arm, POWER) cũng thường phức tạp. Khả năng di động của các chương trình giữa các nền tảng GPU khác nhau là một vấn đề phức tạp hơn nhiều. Mô hình mã nguồn mở loại bỏ nhiều rào cản và giúp các nhà phát triển phần mềm siêu máy tính lớn và phức tạp. '

Vào năm 2020, thị trường máy gia tốc đồ họa ngày càng thâm hụt. Các lĩnh vực phổ biến của việc sử dụng chúng nổi tiếng: khai thác tiền điện tử và các tác vụ học máy. Trong khi đó, nghiên cứu khoa học cũng yêu cầu máy gia tốc GPU để lập mô hình toán học của các vật liệu và phân tử sinh học mới.

'Tạo ra các siêu máy tính mạnh mẽ và phát triển các chương trình nhanh và hiệu quả là cách các công cụ được chuẩn bị để giải quyết những thách thức toàn cầu phức tạp nhất, chẳng hạn như đại dịch COVID-19. Nikolay Kondratyuk, nhà nghiên cứu tại Đại học HSE và một trong những tác giả của bài báo cho biết, các công cụ tính toán cho mô hình phân tử được sử dụng trên toàn cầu ngày nay để tìm kiếm cách chống lại virus.

Các chương trình quan trọng nhất cho mô hình toán học được phát triển bởi các nhóm quốc tế và các học giả từ hàng chục tổ chức. Việc phát triển được thực hiện trong mô hình mã nguồn mở và theo giấy phép miễn phí. Sự cạnh tranh của hai gã khổng lồ vi điện tử đương thời, Nvidia và AMD, đã dẫn đến sự xuất hiện của một cơ sở hạ tầng mã nguồn mở mới cho lập trình máy gia tốc GPU, AMD ROCm. Đặc tính mã nguồn mở của nền tảng này mang lại hy vọng về khả năng di động tối đa của các mã được phát triển cùng với việc sử dụng nó, cho các siêu máy tính thuộc nhiều loại khác nhau. Chiến lược như vậy của AMD khác với cách tiếp cận của Nvidia, người có công nghệ CUDA là một tiêu chuẩn khép kín.

Không mất nhiều thời gian để nhận thấy phản hồi từ cộng đồng học thuật. Các dự án về siêu máy tính mới lớn nhất dựa trên bộ tăng tốc GPU AMD sắp hoàn thành. Lumi ở Phần Lan với hiệu suất 0.5 exaFLOPS (tương đương với hiệu suất của 1,500,000 máy tính xách tay!) Đang nhanh chóng được chế tạo. Năm nay, một siêu máy tính mạnh hơn, Frontier, dự kiến sẽ xuất hiện ở Hoa Kỳ (1.5 exaFLOPS) và vào năm 2023 - dự kiến sẽ có một El Capitan mạnh hơn (2 exaFLOPS).

####

Để biết thêm thông tin, xin vui lòng bấm vào tại đây

Liên hệ:
Liudmila Mezentseva
7-926-313-2406

@HSE_eng

Nếu bạn có một bình luận, xin vui lòng Liên hệ chúng tôi.

Các tổ chức phát hành tin tức, không phải 7th Wave, Inc. hay Nanotech Now, chỉ chịu trách nhiệm về tính chính xác của nội dung.

Bookmark: