08 oktober 2015Sluit venster
Hoe de voordelen combineren van zowel GPU als CPU in heterogeen computing
Amsterdam - Tijdens het Derde eScience Symposium in de ArenA in Amsterdam, kwamen we in gesprek met Ana Lucia Varbanescu, een assistent-professor in het Informatica Instituut aan de Unversiteit van Amsterdam, over de efficientie van moderne heterogene systemen. Varbanescu heeft een achtergrond in high performance computing aan de Technische Universiteit van Delft en aan de VU. Heterogene rekenkracht maakt op een handige manier gebruik van zowel GPUs als CPUs, zoals we de laatste jaren hebben kunnen vaststellen. We komen uit een periode waarin mensen GPUs gebruikten voor verschillende toepassingen en daarbij de meeste rekenkracht eruit probeerden te halen. Het was een goede ontwikkeling waarmee we uitstekende resultaten in rekenkracht bereikten. Waar we nu echter voor pleiten is dat de GPU slechts een deel uitmaakt van het platform dat gebruik maakt van heterogene rekenkracht. Het gebruik van de CPU is even belangrijk voor de rekenkracht als het gebruik van de GPU omdat veel toepassingen divers genoeg zijn om beide types van instrumenten te gebruiken. Andere toepassingen hebben eenvoudig zoveel rekenkracht nodig dat welke bijkomende resource dan ook, zoals een CPU, zal helpen om de rekenkracht op te drijven, aldus Varbanescu.

Varbanescu vertelt dat haar team werkt met vele wetenschappelijke computing kernels, gaande van de eenvoudige metrische operaties en lineaire algebra, tot de meer complexe beeldverwerkingstoepassingen. De meest interessante toepassingen tot dusver betreft een toepassing om geluidsgolven op te sporen. Dit algoritme werd ontworpen door een student in luchtvaart engineering aan de Technische Universiteit van Delft. Varbanescu's team heeft dit algoritme versneld tot real-time computing door gebruik te maken van zowel de GPU als de CPU. Dit was erg belangrijk voor het eigen onderzoek waarin men trachtte de ervaring van virtuele realiteit te benaderen voor geluid, niet voor beeld.

De toepassing betrof het simuleren aan de hand van een tablet en hoofdset van een vliegtuig dat over het hoofd vliegt via verschillende routes. NLR had namelijk verschillende klachten ontvangen van mensen die dicht bij de luchthaven wonen, over het onverdraaglijke geluid van overvliegende machines maar men kon die klachten niet behoorlijk valideren. In dezelfde tijd dat men het vliegtuig gesimuleerd ziet in de lucht, hoort men het real-time geluid dat het vliegtuig maakt. Dit is een zeer belangrijk instrument om te begrijpen of de klachten van de mensen steek houden en ook om te voorspellen of je in de toekomst al dan niet huizen kan bouwen in de buurt van luchthavens.

Men begon met een Matlab implementatie van de student die enkel de juistheid kon voorleggen maar geen rekenkracht. Door dit te wijzigen, betere programmeermodellen te hanteren, en vervolgens GPUs in te schakelen en aan het eind zelfs een combinatie van GPUs en CPUs, slaagde men erin real-time simulatie te bereiken.

Varbanescu vertelt dat de simulaties op DAS-4 gedraaid werden, een supercomputing cluster dat vele universiteiten in Nederland delen. In principe volstaan een gewone GPU om mee te gamen en een gewone CPU die iedereen thuis in zijn laptop heeft zitten om de simulatie te draaien. Uiteraard werd er in voorhavige gevallen niet noodzakelijk een zeer hoge resolutie nagestreefd maar hoe meer hardware je hebt, hoe onbegrensder de hoogte van de resolutie is die men kan bereiken.

Varbanescu werkt ook met andere toepassingen voor heterogeen computing zoals community detection. Hier is niet de rekenkracht de begrenzende factor maar het geheugen. Varbanescu's team kon letterlijk de snelheid van de GPUs en het zware verwerkingsproces combineren met het hoger aandeel aan geheugen dat de CPUs bieden. Zo werd aangetoond dat community detection werkelijk kan draaien op alle hardware die ter beschikking staat en meer rekenkracht ontstaat naargelang je meer hardware hebt. Dit is een zeer interessant resultaat omdat het heel wat kansen biedt voor meer algoritmes met betrekking tot community detection en voor meer onderzoek in hoe men aan community detection doet, zonder grenzen aan de computing resources.
http://primeurmagazine.com/weekly/AE-PR-12-15-37.html
Sluit venster