Cuando visita el sitio web de NVIDIA y pulsa el Productos En el menú desplegable, una larga lista de las ofertas de la compañía se despliega frente a usted, impresionante para una organización que originalmente encontró notoriedad al diseñar los adaptadores de pantalla de escritorio más rápidos.
Los procesadores gráficos para el escritorio, la estación de trabajo y el espacio del servidor aún dominan la cartera de NVIDIA. Pero también está involucrado en portátiles, dispositivos portátiles, desarrollo de software y, más recientemente, informática de alto rendimiento.
Para los no iniciados, la informática de alto rendimiento (o HPC) históricamente ha implicado el aprovechamiento de grandes clústeres, que se utilizan para procesar aplicaciones o algoritmos que exigen una potencia enorme. Cálculos físicos, pronóstico del tiempo, fabricación, imágenes médicas, investigación del cáncer, análisis financiero: estos son algunos de los campos con problemas tan complejos que requieren los esfuerzos cooperativos de las configuraciones de HPC.
Las 500 arquitecturas más importantes, desglosadas por clasificación |
Tenga en cuenta que las supercomputadoras más rápidas emplean diseños de muchos núcleos |
La composición de los 500 sistemas más rápidos, mantenidos en top500.org, ha cambiado de manera bastante dramática desde que comenzó la métrica en 1993. En ese entonces, el multiprocesamiento simétrico y los procesadores masivamente paralelos dominaban la escena. Y aunque algunas de las supercomputadoras más potentes de la actualidad todavía aprovechan las fortalezas de la arquitectura MPP, la mayoría de las 500 principales emplean ahora grupos de procesadores x86 básicos. Esa no es una mala manera de llenar algunos racks de espacio mientras consume cientos de kilovatios de energía.
Auge de la GPU
Lo que pasa con las CPU multinúcleo es que son más efectivas cuando no se conoce su problema, gracias a las canalizaciones de ejecución ajustadas y las cachés grandes. Cuando se conoce el problema que se aborda, como suele ser el caso en las aplicaciones HPC, los motores de muchos núcleos que impulsan las supercomputadoras más rápidas son mucho más potentes.
El entorno de programación CUDA de NVIDIA, que se está poniendo al día con una serie de empresas |
El procesador Tesla T10 tiene un punto flotante de doble precisión, una novedad para NVIDIA |
¿Le interesa un ejemplo de un procesador de muchos núcleos en acción en su escritorio? Solo mire las tarjetas GeForce serie 8 o Radeon HD 3000-series. Cada uno se centra en una arquitectura diseñada para el problema extremadamente paralelo de la representación de gráficos. Sin embargo, con la ayuda de un entorno de programación de software llamado CUDA, NVIDIA está mostrando al mercado de HPC cómo aprovechar la enorme potencia de punto flotante de su GPU para una informática de propósito más general. Una aplicación especializada a la vez, los desarrolladores parecen estar poniéndose al día.
El último ejemplo de los procesadores de varios núcleos de NVIDIA que reemplazan a los clústeres de computación proviene de la Universidad de Amberes, donde los investigadores que estudian la tomografía (imágenes por secciones, como en las tomografías computarizadas) construyeron una máquina de escritorio con cuatro tarjetas gráficas GeForce 9800 GX2. Según el Dr. KJ Batenburg, investigador del proyecto, solo una de las ocho GPU de su sistema (llamada FASTRA) es hasta 40 veces más potente que una PC en el pequeño grupo que anteriormente tenía ejecutando reconstrucciones tomográficas.
CUDA es muy similar a la programación C estándar con un par de extensiones |
Proyección de ahorro de costes, energía y espacio con la informática con GPU |
Recientemente, tuvimos la oportunidad de visitar el campus de NVIDIA en Santa Clara para obtener más información sobre los esfuerzos de HPC de la compañía, y aprendimos de Dan Vivoli, vicepresidente ejecutivo de marketing de NVIDIA, que FASTRA equivale a aproximadamente ocho toneladas de equipos de montaje en rack que utilizan 230KW de energía, todo en un paquete que costaría aproximadamente $ 6,000 para construir. Durante el transcurso de nuestro día, escuchamos a cinco de los socios de NVIDIA que ahora están utilizando la tecnología de gráficos de la compañía para acelerar problemas complejos que antes no eran posibles de resolver de manera asequible o que simplemente tomaron mucho más tiempo para solucionarlos que ahora.
