Cuarto de servicio

Cuarto de servicio

Fuente: Pixabay / CC0 Public Domain

Científicos z Laboratorio internacional de HSE para modelado atómico de supercomputadoras y análisis multiescala, JIHT RAS y MIPT compararon el rendimiento de programas populares de modelado molecular en aceleradores de GPU fabricados por AMD y Nvidia. EN papel publicado por Revista internacional de aplicaciones informáticas de alto rendimiento, los investigadores aplicaron LAMMPS por primera vez en una nueva tecnología de GPU de código abierto, AMD HIP.

Los investigadores analizaron cuidadosamente el desempeño de tres programas de modelado molecular:LAMPARAS, Gromacs y OpenMM—En aceleradores de GPU Nvidia y AMD con un rendimiento máximo comparable. Para las pruebas, utilizaron el modelo ApoA1 (apolipoproteína A1) – apolipoproteína en el plasma sanguíneo, la principal proteína portadora del “colesterol bueno”. Descubrieron que el rendimiento de los cálculos de investigación está influenciado no solo por los parámetros de hardware, sino también por el software. Resultó que el funcionamiento ineficaz de los controladores AMD en escenarios complejos de ejecución paralela de núcleos informáticos puede provocar retrasos significativos, las soluciones de código abierto aún tienen sus inconvenientes.

En un artículo publicado recientemente, los científicos fueron los primeros en trasladar LAMMPS a uno nuevo. fuente abierta Tecnología GPU, AMD HIP. Esta tecnología emergente parece muy prometedora, ya que ayuda a usar de manera eficiente un solo código tanto en los aceleradores de Nvidia como en las nuevas GPU de AMD. La modificación desarrollada de LAMMPS se ha publicado como código abierto y está disponible en el repositorio oficial: los usuarios de todo el mundo pueden utilizarla para acelerar sus cálculos.

“Analizamos y comparamos minuciosamente los subsistemas de memoria del acelerador de GPU de las arquitecturas Nvidia Volta y AMD Vega20. Encontré una diferencia en la lógica de ejecutar kernels de GPU en paralelo y la demostré visualizando programa perfiles. Tanto el ancho de banda de la memoria como la latencia en los diferentes niveles de la jerarquía de la memoria de la GPU, así como la ejecución en paralelo eficiente de los núcleos de la GPU, tienen un gran impacto en el rendimiento real de los programas de la GPU ”, dijo. Vsevolod Nikolskiy, Estudiante de doctorado en HSE University y uno de los autores del artículo.

Los autores del artículo argumentan que la participación en la carrera tecnológica de los gigantes de la microelectrónica moderna indica una clara tendencia hacia una mayor diversidad de tecnologías de aceleración de GPU.

“Por un lado, este hecho beneficia a los usuarios finales ya que estimula la competencia, aumenta la eficiencia y disminuye los costos de las supercomputadoras. Por otro lado, crear programas efectivos será aún más difícil debido a la necesidad de tener en cuenta la disponibilidad de varios tipos diferentes de arquitecturas GPU y tecnologías de programación “, dijo. Vladimir Stegailov, Profesor de la Universidad HSE. “Incluso admitir la portabilidad del programa para procesadores comunes en diferentes arquitecturas (x86, ARM, POWER) es a menudo complicado. La portabilidad de programas entre diferentes plataformas de GPU es un tema mucho más complicado. El paradigma de código abierto elimina muchas barreras y ayuda a los desarrolladores de software de supercomputadoras grandes y complejas ”.

En 2020, el mercado de aceleradores de gráficos experimentó un déficit creciente. Las áreas populares de su uso son bien conocidas: minería de criptomonedas y tareas de aprendizaje automático. Mientras tanto, la investigación también requiere aceleradores de GPU para el modelado matemático de nuevos materiales y moléculas biológicas.

“Construir supercomputadoras poderosas y desarrollar programas rápidos y efectivos es cómo se preparan las herramientas para abordar los desafíos globales más complejos, como la pandemia de COVID-19. Las herramientas de modelado molecular computacional se utilizan hoy en día en todo el mundo para encontrar formas de combatir el virus “- dijo Nikolay Kondratyuk, investigador de la Universidad HSE y uno de los autores del artículo.

Los programas de modelos matemáticos más importantes son desarrollados por equipos internacionales y científicos de varias docenas de instituciones. El desarrollo se realiza bajo el paradigma de código abierto y bajo licencias gratuitas. La competencia entre dos gigantes de la microelectrónica moderna, Nvidia y AMD, ha llevado a la creación de una nueva infraestructura de código abierto para programar aceleradores de GPU, AMD ROCm. La naturaleza de código abierto de esta plataforma da esperanza para la máxima transferencia de códigos creados con ella a supercomputadoras de varios tipos. Esta estrategia de AMD se diferencia de la de Nvidia, cuya tecnología CUDA es de estándar cerrado.

La comunidad académica no tardó en responder. Los proyectos para las nuevas supercomputadoras más grandes basadas en aceleradores de GPU de AMD están a punto de completarse. Lumi en Finlandia, con un exaFLOPS de 0,5 (¡que se acerca al de 1.500.000 portátiles!), se acumula rápidamente. Este año, una supercomputadora más potente, Frontera, se espera en los EE. UU. (1,5 exaFLOPS), y en 2023, incluso más fuerte capitán (2 exaFLOPS).


NVIDIA ayuda a construir sistemas ARM de 64 bits para HPC

Más información:
Nikolay Kondratyuk et al., Dinámica molecular acelerada por GPU: rendimiento y portabilidad de software de vanguardia desde Nvidia CUDA a AMD HIP, Revista internacional de aplicaciones informáticas de alto rendimiento (2021). DOI: 10.1177 / 10943420211008288

Proporcionado por la Escuela Superior de Economía de la Universidad Nacional de Investigación

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *