|
Hochparallele Computersimulationen können heute mit Grafikkarten durchgeführt werden –
die TU Wien wurde nun von NVIDIA als „Nvidia GPU Research Center“ ausgezeichnet
Wien (tu) - Früher war die Sache klar: Der Prozessor des Computers war dazu da, um etwas auszurechnen,
und die Grafikkarte, um etwas am Bildschirm darzustellen. Doch Grafikkarten (GPUs) werden immer leistungsfähiger,
nicht zuletzt durch hohe Anforderungen von Computerspielen im 3D-Bereich. Daher kann man sie mittlerweile auch
für ganz andere Dinge verwenden, zum Beispiel für wissenschaftliche Simulationsrechnungen.
Am Institut für Mikroelektronik der TU Wien werden Rechenmethoden entwickelt, mit denen man die speziellen
Vorteile von Grafikkarten optimal für die Wissenschaft nutzen kann. Der Grafikkartenhersteller Nvidia zeichnet
diese Leistungen in diesem Bereich nun aus, indem er das Forschungsteam von Karl Rupp zum „Nvidia GPU Research
Center“ macht und auf vielfältige Weise unterstützt.
Hochparalleles Rechnen
„Das Besondere an Grafikkarten ist, dass sie hochgradig parallel rechnen können“, sagt Karl Rupp, der Leiter
des GPU Research Centers. „Ein moderner Prozessor hat vielleicht vier Prozessoren, die gleichzeitig Rechenaufgaben
lösen können, eine Grafikkarte hingegen kann tausende Threads gleichzeitig abarbeiten.“ Gerade Grafik-Berechnungen
lassen sich oft sehr gut in Teilaufgaben zerlegen, die nicht aufeinander aufbauen, sondern gleichzeitig berechnet
werden können. Bei anderen Rechenaufgaben hingegen kann man den nächsten Schritt immer erst ausführen,
wenn der vorhergehende Schritt fertig berechnet worden ist. Solche Aufgaben sind dann von Grafikkarten nur schwer
zu lösen. Ob eine Grafikkarte oder eine herkömmliche CPU schneller zu einem Rechenergebnis kommt, hängt
von der Art der Rechenaufgabe ab.
Gemeinsam mit seinen Kollegen Josef Weinbub und Florian Rudolf arbeitet Karl Rupp an Rechenmethoden, durch die
man die Vorteile von Grafikkarten auch für die Wissenschaft optimal nutzen kann. „Ältere Generationen
von Grafikkarten konnten nur Zahlen mit einfacher Genauigkeit verarbeiten“, sagt Rupp. „Seit 2009 oder 2010 sind
nun aber auch Grafikkarten mit doppelter Genauigkeit verfügbar, wie man sie für die meisten wissenschaftlichen
Simulationsrechnungen braucht. Seither sind Grafikkarten für die Wissenschaft als Alternative zum gewöhnlichen
Computerprozessor interessant.“ Grafikkartenhersteller wie Nvidia haben das erkannt und wollen ihre Produkte auch
für Anwendungen in der Hochleistungs-Simulationsrechnung vermarkten.
Open Source Library für die Wissenschaft
„Eigentlich haben wir als Anwender begonnen, nicht als Methodenentwickler“, sagt Karl Rupp. Am Institut für
Mikroelektronik werden aufwändige Computersimulationen entwickelt, mit denen man Halbleitermaterialien und
nanoelektronische Schaltungen rechnerisch untersuchen kann. Damit sich solche Rechnungen mit hoher Präzision
und in möglichst kurzer Zeit lösen lassen, muss man aber auch über computertechnische und mathematische
Grundlagen nachdenken.
„Wir entwickeln nun Algorithmen, mit denen man Grafikkarten optimal für wichtige mathematische Schritte
wie etwa das Lösen von Gleichungssystemen verwenden kann“, erklärt Rupp. Diese Algorithmen bilden die
„ViennaCL Library“ und werden gratis auf open-source-Plattformen zur Verfügung gestellt. Wer auch immer in
Zukunft mit hochparallelen Grafikkarten rechnen will, kann auf die mathematischen Grundbausteine zurückgreifen,
die an der TU Wien entwickelt wurden.
GPU Research Center
Die Firma Nvidia verleiht nun der Forschungsgruppe von Karl Rupp an der TU Wien (vorläufig für ein Jahr)
den Status eines „Nvidia GPU Research Centers“. Das ist nicht bloß eine Auszeichnung für bisherige Leistungen,
die TU Wien wird auch mit Hardware und speziellem technischen Support versorgt und wird Zugang zu besonderen Produkten
und speziellen Veranstaltungen haben.
„Für uns ist das eine wunderbare Motivation, weiterhin die besten GPU-Codes für die wissenschaftliche
Community zu entwickeln“, sagt Rupp. In Zukunft will man insbesondere an Algorithmen für die Verarbeitung
großer Matrizen arbeiten, die man für finite Elemente-Methoden braucht – einer Familie von Methoden,
die in den Ingenieurswissenschaften und der Industrie eine große Bedeutung erlangt hat.
|
