首页 > 深度学习 > GPU已加速的近600个高性能计算应用程序都有哪些?
GPU已加速的近600个高性能计算应用程序都有哪些?

GPU已加速的近600个高性能计算应用程序都有哪些?

2019-02-14 09:00

#人工智能 #深度学习


 

十几年前,还不曾有加速应用程序。而如今已有近600个应用程序通过nvidia gpu实现了提速。

 

这些应用程序涵盖了物理、生物科学、分子动力学、化学和天气预报等各个领域。其中包括全球最热门的15个高性能计算应用程序,也都是通过gpu实现加速的。去年,nvidia gpu应用程序目录收录了100多个应用程序,接下来还会有更多的程序将被陆续添加到目录中。

 

 

intersect 360研究所的一份报告中收录了数据中心运行的各个关键应用程序。其中,排名前15的应用程序均由gpu加速,这些都是一系列杀手级的核心科学应用程序。其中包括:

 

 
  • gromacs(化学)– 分子动力学应用程序,旨在模拟包含了数百到数百万个粒子的系统的牛顿运动方程。

  • ansys(流体动力学分析)– 模拟液体和气体与表面的相互作用。

  • gaussian(化学)– 预测分子系统的能量、分子结构和振动频率。

  • vasp(化学)– 用于从头计算法量子力学分子动力学模拟。

  • namd(化学)– 大型生物分子系统的高性能模拟。

  • simulia abaqus(结构分析)– 用于结构力学的模拟和分析。

  • wrf(天气/环境建模)– 数值天气预报系统,专为大气研究和操作预测应用程序而设计。

  • openfoam(流体动力学分析)– 通用型 cfd 软件的求解器库。

  • ansys(结构分析)– 对高频和高速电子元件中的 3d 全波电磁场进行建模。

  • ls-dyna(结构分析)– 结构力学的模拟和分析工具。

  • blast(生物科学)– 应用最为广泛的生物信息学工具之一。

  • lammps(化学)– 经典分子动力学程序包。

  • amber(化学)– 专门针对生物分子系统模拟而开发的分子动力学应用程序。

  • quantum espresso(化学)– 一套集成的计算机代码,用于电子结构计算和纳米级材料建模。

  • gamess(化学)– 用于模拟原子和分子电子结构的计算化学套件。

 

这些工具本身无法实现性能的递增性提升。但通过采用nvidia gpu的服务器,其性能通常可提高 10 倍或更多。并且,gpu加速可以改善数据中心的经济效益。

 

 

预测天气

 

 

 

天气预报是一项远比其看起来更加困难的工作。天气预报是高性能计算领域的一个重要分支。准确可靠的天气预报不仅可以拯救生命,还有助于航空、能源和公用事业、保险、零售和其他行业做出经济决策。

 

天气预报需要大量的计算资源,包括几何尺度(尤其是全球天气预报),和大量描述大气状态的变量。

 

但是,受限于可用的计算量和应用程序的性能,当前的天气预报模型仅限于低分辨率的模拟,例如12公里的分辨率。

 

这些模型忽略了一些重要的细节,例如云层的影响(云层可以反射太阳辐射,在天气模式中扮演着重要的角色)。采用1公里云分辨率可以改善预测效果,但这需要 应用程序的性能提升1700倍。

 

gpu加速可以弥补此差距,提高天气预报的准确性。

 

 

加速空气动力学模拟

 

 

使用nasa的fun3d代码模拟sls block 1b助推器分离流场。该图片由jamie meeroff,henry lee,nasa/ames提供。 

 

火箭能够以超高的速度飞行,然而利用大规模空气动力学模拟,我们可以对其进行改进,让火箭可以飞得更快、更高效。

 

nasa兰利研究中心开发的fun3d计算流体动力学软件,可用于模拟各种空气动力学应用程序中的流体流动。该应用程序在nasa pleiades超级计算机上消耗的周期比其他任何应用程序都要多。借助于gpu加速,采用了6个nvidia v100 tensor core gpu的服务器能够以高出双插槽cpu服务器 30倍 的性能运行这些模拟。

 

总结:gpu具备非常好的性能,从而高效地计算规模更大、更复杂的模拟。nasa已经证明,在summit超级计算机上,仅需运行1000台gpu服务器就可以完成100多万个cpu核心的工作。而且,其能源成本远低于cpu。

 

 

性能持续提升

 

 

 

我们在各个加速计算领域都拥有深厚的储备。结合由100多万名开发人员组成的生态系统,我们将共同形成一个不断改进的平台。该平台可以在相同的 gpu加速服务器上提供更高的应用程序性能。

 

例如,在包含 11 个高性能计算应用程序的组合中,对于采用4个nvidia tesla p100 gpu的服务器,其当前的运行速度比两年前提高了2倍。如果同时改进软件堆栈和gpu架构,您可以获得更大的性能提升。

 

现在,通过单一平台,您可以加速各种高性能计算领域的应用程序:科学计算、工业模拟、深度学习机器学习

相关新闻