Использование графических ускорителей при решении задачи фильтрации

1.

Использование графических
ускорителей при решении задачи
фильтрации
04.04.2022
1

2.

Актуальность применения технологии CUDA и
GPU NVIDIA в качестве ускорителей в гибридных
вычислительных системах
Высочайшая производительность:
современный графический
процессор (GPU)
Точность
Двойная
Производительность
(Тфлопс)
Одинарная
Смешанная
NVIDIA Tesla V100 SXM2
7,8
американские суперкомпьютеры из списка
TOP500 (2001г.)
№1 – ASCI White
№2 – AlphaServer SC45
12.3
6
15,7
125
Развитая программируемость, наличие обширной и зрелой экосистемы:
• технология CUDA развивается более 10 лет,
• интегрирована с языками C/C++, Fortran, Python и др.,
• ~1 миллион разработчиков CUDA в мире.
Популярность:
• >70% самых используемых HPC-приложений адаптированы к архитектуре GPU;
• >80% гибридных систем TOP500 (мир) и TOP50 (РФ) оснащены GPU NVIDIA.
3

3.

Актуальность применения технологии CUDA и
GPU NVIDIA в качестве ускорителей в гибридных
вычислительных системах
Примеры GPU-ускоренных гидродинамических симуляторов:
• Echelon
Stoneridge Technology
США
• 6X
Ridgeway Kite
Великобритания
• tNavigator
Rock Flow Dynamics
РФ
• Tempest More* Emerson/Roxar
США/Норвегия
* в разработке
4

4.

Основные результаты
Конвертер матриц
ПМ«Гидродинамика» -> CUDA Toolkit
Программный модуль
решения СЛАУ
Абстрактный класс
Итерационный
метод GMRES
Операции
матрично-векторные
и работы с памятью
CPU
GPU
Динамическое
переключение
Матрично-векторные
операции на GPU
Автоматизированное регрессионное тестирование
Инструменты тестирования корректности
ПМ решения СЛАУ
линейный
решатель на GPU
8

5.

Матрично-векторные операции при
решении СЛАУ на примере итерационного
Построение предобуславливателя
метода BiCGStab с предобуславливателем
1.
2.
3.
4.
5.
6.