Todo el mundo habla de supercomputación en el escritorio, y en particular, si serán las GPU las que logren ese objetivo. Creemos que la computación de propósito general en las GPU (una idea conocida como GPGPU) podría ser la tendencia de computación más importante en los próximos 10 años..

Como dicen los reclamos, es algo grande. Pero si desea una prueba de la fe de la industria en el nuevo concepto, simplemente eche un vistazo a las empresas que desean una porción del pastel GPGPU: Nvidia, AMD, Intel, Microsoft, IBM, Apple y Toshiba quieren. No es solo especulaciones que llevan a un interés tan grande: los sistemas GPGPU ya están superando a los clústeres de solo CPU en campos tan diversos como la dinámica molecular, el trazado de rayos, la imagen médica y la comparación de secuencias.

La combinación del procesamiento paralelo de CPU y GPU utilizado para lograr estos resultados a menudo se denomina 'computación heterogénea'. El concepto GPGPU permite que la GPU emita luz de luna como un coprocesador versátil. Como lo ha sugerido David Luebke de Nvidia, las computadoras ya no se vuelven más rápidas; el paso a los procesadores multinúcleo significa que en realidad se están haciendo más amplios.

Esa es la idea de que la computación de GPGPU se aplica. Al descargar de forma inteligente las tareas intensivas de datos de la CPU a otros núcleos de procesador (como los de una tarjeta gráfica), los desarrolladores logran un rendimiento mejorado de la aplicación a través del paralelismo.

Sin embargo, la GPGPU no es una idea nueva. Según el sitio web www.gpgpu.org, la tecnología GPU se ha utilizado para realizar cálculos numéricos desde 1978, cuando Ikonas desarrolló un sistema de visualización de trama programable para instrumentación de cabina..

De GPU a GPGPU

Las GPU modernas hacen coprocesadores ideales. No solo son baratos, también son increíblemente rápidos, gracias a la presencia de múltiples núcleos de procesador. Lo más importante, estos núcleos múltiples son programables. Mientras que las CPU están diseñadas para procesar subprocesos de forma secuencial, las GPU están diseñadas para grabar datos en paralelo.

La Nvidia GeForce GTX 280, por ejemplo, está diseñada para la velocidad. Como componente de juego, es capaz de ofrecer imágenes visuales de alta definición con efectos de iluminación complejos, texturas y física en tiempo real. Solo echar un vistazo a Grito lejano 2 En 1.920 x 1.200 píxeles. Con 1.4 mil millones de transistores, la GeForce GTX 280 controla 240 núcleos de sombreado programables que pueden proporcionar 993 gigalops de potencia de procesamiento.

La tecnología gráfica de AMD es igualmente potente. Sus tarjetas Radeon HD de la serie 4800 cuentan con 800 núcleos programables y memoria GDDR5 para entregar 1.2 teralops de potencia de procesamiento. "La estricta canalización de los programas de GPU permite un acceso eficiente a los datos", dice Shankar Krishnan en los Laboratorios de Investigación de AT&T. "Esto evita la necesidad de las extensas arquitecturas de caché necesarias en las CPU tradicionales y permite una densidad mucho mayor de unidades computacionales".

Por supuesto, si no estás jugando. Grito lejano 2 o Fallout 3 Entonces, todo este potencial de procesamiento está sentado sobre cómo girar sus pulgares. GPGPUs nos permitirá ver qué pasará si otras aplicaciones pueden hacer uso de los procesadores en una tarjeta gráfica.

Procesamiento de flujo

Es por esto que Nvidia y AMD están dispuestos a aprovechar el potencial GPGPU de su hardware de gráficos. El Supercomputador personal Tesla de Nvidia, por ejemplo, combina una CPU de estación de trabajo de cuatro núcleos tradicional con tres o cuatro procesadores Tesla C1060.

Una C1060 es efectivamente una GeForce GTX 280 con 4GB de memoria GDDR3 y sin salida de video. Cada C1060 tiene capacidad para 933 gigalops de rendimiento de punto flotante de precisión simple, por lo que el sistema S1070 de cuatro GPU de gama alta de Nvidia ofrece hasta 4.14 teralops de potencia de procesamiento en cada rack. El Instituto de Tecnología de Tokio compró recientemente 170 de ellos para darle a su supercomputadora Tsubame un toque extra.

Las GPU son creadoras de números ideales porque están diseñadas para trabajar con "flujos" de datos y aplicar operaciones preprogramadas a cada parte. Las GPU funcionan mejor con grandes conjuntos de datos que requieren el mismo cálculo. OpenGeoSolutions, empresa con sede en Calgary, utiliza el hardware Tesla de Nvidia para mejorar su modelado sísmico a través de una técnica llamada descomposición espectral. El proceso implica analizar frecuencias electromagnéticas de bajo nivel (causadas por variaciones en la masa de roca) para construir una vista estratigráfica de la geología de la tierra.