Tout le monde parle de la superinformatique sur le bureau - et en particulier de la question de savoir si ce sont les GPU qui atteindront cet objectif. Nous pensons que le calcul général sur les GPU (une idée connue sous le nom de GPGPU) pourrait être la tendance informatique la plus importante au cours des 10 prochaines années..

Selon les revendications, c'est un gros problème. Mais si vous voulez prouver la confiance de l'industrie dans le nouveau concept, jetez un coup d'œil aux entreprises qui souhaitent avoir une part du gâteau GPGPU: Nvidia, AMD, Intel, Microsoft, IBM, Apple et Toshiba. une spéculation qui suscite un tel intérêt: les systèmes GPGPU surclassent déjà les clusters centrés sur les processeurs dans des domaines aussi divers que la dynamique moléculaire, le lancer de rayons, l'imagerie médicale et l'appariement de séquences.

La combinaison de traitement parallèle du processeur et du processeur graphique utilisée pour obtenir ces résultats est souvent appelée «informatique hétérogène». Le concept GPGPU permet au GPU de fonctionner en tant que co-processeur polyvalent. Comme l’a suggéré David Luebke de Nvidia, les ordinateurs n’accélèrent plus; le passage aux processeurs multicœurs signifie qu’ils s’agrandissent.

C'est l'idée sur laquelle GPGPU Computing s'investit. En déchargeant intelligemment les tâches gourmandes en données du processeur vers d'autres cœurs de processeur (tels que ceux d'une carte graphique), les développeurs améliorent les performances des applications grâce au parallélisme..

Le GPGPU n’est cependant pas une idée nouvelle. Selon le site Web www.gpgpu.org, la technologie GPU est utilisée pour le calcul des chiffres depuis 1978, date à laquelle Ikonas développa un système d'affichage à trame programmable pour l'instrumentation de poste de pilotage..

Du GPU au GPGPU

Les GPU modernes font des co-processeurs idéaux. Non seulement ils sont bon marché, mais ils sont également extrêmement rapides, grâce à la présence de plusieurs cœurs de processeur. Plus important encore, ces multiples cœurs sont programmables. Alors que les processeurs sont conçus pour traiter les threads de manière séquentielle, les GPU sont conçus pour graver des données en parallèle.

La Nvidia GeForce GTX 280, par exemple, est conçue pour la vitesse. En tant que composant de jeu, il est capable de produire des visuels haute définition lisses avec des effets d'éclairage complexes, des textures et une physique en temps réel. Il suffit de regarder Far Cry 2 1 920 x 1 200 pixels. Avec 1,4 milliard de transistors, la GeForce GTX 280 commande 240 cœurs de shader programmables pouvant fournir 993 gigalops de puissance de traitement..

La technologie graphique d'AMD est tout aussi puissante. Ses cartes Radeon HD série 4800 comprennent 800 cœurs programmables et une mémoire GDDR5 pour une puissance de traitement de 1,2 teralops. "Un pipeline strict de programmes GPU permet un accès efficace aux données", déclare Shankar Krishnan aux laboratoires de recherche d'AT & T. "Cela élimine le besoin d'architectures de cache étendues sur les processeurs traditionnels et permet une densité beaucoup plus élevée d'unités de calcul."

Bien sûr, si vous ne jouez pas Far Cry 2 ou Fallout 3 alors tout ce potentiel de traitement ne tient qu'à tourner les pouces. Les GPGPU nous permettront de voir ce qui se passera si d’autres applications peuvent utiliser les processeurs d’une carte graphique..

Traitement de flux

C'est pourquoi Nvidia et AMD souhaitent exploiter le potentiel GPGPU de leur matériel graphique. Le supercalculateur personnel Tesla de Nvidia, par exemple, combine un processeur traditionnel à quatre cœurs avec trois ou quatre processeurs Tesla C1060..

Un C1060 est effectivement un GeForce GTX 280 avec 4 Go de mémoire GDDR3 et aucune sortie vidéo. Chaque C1060 pouvant atteindre 933 gigalops de performances en virgule flottante simple précision, le système haut de gamme S1070 à quatre processeurs de Nvidia dispose ainsi d'une puissance de traitement pouvant atteindre 4,14 teralops par rack. Le Tokyo Institute of Technology a récemment acheté 170 d’entre eux pour donner un coup de pied supplémentaire à son superordinateur Tsubame..

Les GPU sont parfaitement adaptés au calcul des nombres, car ils sont conçus pour fonctionner avec des «flux» de données et pour appliquer des opérations préprogrammées à chaque partie. Les GPU fonctionnent au mieux avec des jeux de données volumineux nécessitant le même calcul. La société OpenGeoSolutions basée à Calgary utilise le matériel Tesla de Nvidia pour améliorer sa modélisation sismique via une technique appelée décomposition spectrale. Le processus implique l'analyse de fréquences électromagnétiques de bas niveau (causées par des variances dans la masse rocheuse) afin de construire une vue stratigraphique de la géologie de la terre..