Teknologi GPU open-source untuk superkomputer
Hardware

Teknologi GPU open-source untuk superkomputer


Kredit: Pixabay / CC0 Domain Publik

Para peneliti dari HSE International Laboratory for Supercomputer Atomistic Modeling and Multi-scale Analysis, JIHT RAS dan MIPT telah membandingkan kinerja program pemodelan molekuler populer pada akselerator GPU yang diproduksi oleh AMD dan Nvidia. Dalam makalah yang diterbitkan oleh Jurnal Internasional Aplikasi Komputasi Kinerja Tinggi, para sarjana mem-porting LAMMPS pada teknologi GPU open-source baru, AMD HIP, untuk pertama kalinya.

Para sarjana menganalisis secara menyeluruh kinerja tiga program pemodelan molekuler — LAMMPS, Gromacs, dan OpenMM — pada akselerator GPU Nvidia dan AMD dengan parameter puncak yang sebanding. Untuk pengujian, mereka menggunakan model ApoA1 (Apolipoprotein A1) —apolipoprotein dalam plasma darah, protein pembawa utama ‘kolesterol baik. ”Mereka menemukan bahwa kinerja kalkulasi penelitian tidak hanya dipengaruhi oleh parameter perangkat keras, tetapi juga oleh perangkat lunak. Ternyata kinerja driver AMD yang tidak efektif dalam skenario rumit peluncuran paralel kernel komputasi dapat menyebabkan penundaan yang cukup besar. Solusi sumber terbuka masih memiliki kelemahan.

Dalam makalah yang baru-baru ini diterbitkan, para peneliti adalah orang pertama yang mem-port LAMMPS pada teknologi GPU open-source baru, AMD HIP. Teknologi yang berkembang ini terlihat sangat menjanjikan karena membantu secara efektif menggunakan satu kode baik pada akselerator Nvidia dan pada GPU baru oleh AMD. Modifikasi LAMMPS yang dikembangkan telah dipublikasikan sebagai open source dan tersedia di repositori resmi: pengguna dari seluruh dunia dapat menggunakannya untuk mempercepat penghitungan mereka.

“Kami menganalisis dan membandingkan secara menyeluruh sub-sistem memori akselerator GPU dari arsitektur Nvidia Volta dan AMD Vega20. Saya menemukan perbedaan dalam logika peluncuran paralel kernel GPU dan mendemonstrasikannya dengan memvisualisasikan profil program. Baik bandwidth memori maupun latensi berbagai tingkat hierarki memori GPU serta eksekusi paralel kernel GPU yang efektif — semua aspek ini berdampak besar pada kinerja nyata program GPU, “kata Vsevolod Nikolskiy, mahasiswa doktoral Universitas HSE dan salah satu penulis makalah.

Penulis makalah tersebut berpendapat bahwa partisipasi dalam perlombaan teknologi raksasa mikroelektronika kontemporer menunjukkan tren yang jelas menuju variasi yang lebih besar dari teknologi akselerasi GPU.

“Di satu sisi, fakta ini positif bagi pengguna akhir, karena merangsang persaingan, meningkatkan efektivitas dan penurunan biaya superkomputer. Di sisi lain, akan lebih sulit untuk mengembangkan program yang efektif karena kebutuhan untuk mempertimbangkan ketersediaan beberapa jenis arsitektur GPU dan teknologi pemrograman yang berbeda, “kata Vladimir Stegailov, profesor HSE University. “Bahkan mendukung portabilitas program untuk prosesor biasa pada arsitektur berbeda (x86, Arm, POWER) seringkali rumit. Portabilitas program antara platform GPU yang berbeda adalah masalah yang jauh lebih rumit. Paradigma open source menghilangkan banyak hambatan dan membantu pengembang besar dan perangkat lunak superkomputer yang rumit. “

Pada tahun 2020, pasar akselerator grafis mengalami defisit yang terus meningkat. Area populer penggunaannya sudah terkenal: penambangan cryptocurrency dan tugas pembelajaran mesin. Sementara itu, penelitian ilmiah juga membutuhkan akselerator GPU untuk pemodelan matematis material baru dan molekul biologis.

“Membuat superkomputer yang kuat dan mengembangkan program yang cepat dan efektif adalah bagaimana alat dipersiapkan untuk memecahkan tantangan global yang paling kompleks, seperti pandemi COVID-19. Alat komputasi untuk pemodelan molekuler digunakan secara global saat ini untuk mencari cara melawan virus,” kata Nikolay Kondratyuk, peneliti di HSE University dan salah satu penulis makalah.

Program terpenting untuk pemodelan matematika dikembangkan oleh tim internasional dan cendekiawan dari lusinan institusi. Pengembangan dilakukan dalam paradigma open-source dan di bawah lisensi gratis. Persaingan dua raksasa mikroelektronika kontemporer, Nvidia dan AMD, telah menyebabkan munculnya infrastruktur open-source baru untuk pemrograman akselerator GPU, AMD ROCm. Karakter open-source dari platform ini memberikan harapan untuk portabilitas kode maksimum yang dikembangkan dengan penggunaannya, ke superkomputer dari berbagai jenis. Strategi AMD semacam itu berbeda dengan pendekatan Nvidia, yang teknologi CUDA-nya merupakan standar tertutup.

Tak butuh waktu lama melihat respon dari civitas akademika. Proyek superkomputer baru terbesar berdasarkan akselerator GPU AMD hampir selesai. Lumi di Finlandia, dengan kinerja 0,5 exaFLOPS (yang mirip dengan kinerja 1.500.000 laptop!) Sedang dibangun dengan cepat. Tahun ini, superkomputer yang lebih bertenaga, Frontier, diharapkan ada di AS (1,5 exaFLOPS), dan pada 2023 — El Capitan yang lebih bertenaga (2 exaFLOPS) diharapkan.


NVIDIA membantu memicu sistem ARM 64-bit untuk HPC


Informasi lebih lanjut:
Nikolay Kondratyuk dkk, Dinamika molekul yang dipercepat GPU: Kinerja perangkat lunak canggih dan porting dari Nvidia CUDA ke AMD HIP, Jurnal Internasional Aplikasi Komputasi Kinerja Tinggi (2021). DOI: 10.1177 / 10943420211008288

Disediakan oleh Sekolah Tinggi Ekonomi Universitas Riset Nasional

Kutipan: Teknologi GPU open-source untuk superkomputer (2021, 30 April) diambil pada 30 April 2021 dari https://techxplore.com/news/2021-04-open-source-gpu-technology-supercomputers.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Pengeluaran SGP