Одним из наиболее перспективных направлений в математическом моделировании наноструктур является применение GPU-расчетов на основе технологии NVidia CUDA. Некоторые успехи в этом достигнуты в Комсомольском-на-Амуре государственном техническом университете (ФГБОУ ВПО «КнАГТУ»).

После выпуска фирмой NVidia линейки мощных графических ускорителей серии GT 240, но стоимостью менее 100$, в 2008 году, производители ПО «всерьез задумались» как использовать огромные вычислительные мощности 100 и более ядер графического процессора (GPU-graphic processor unit) данной линейки видеокарт. Решение предложила как сама фирма NVidia, так и сторонние производители ПО. Появились стандарты GPU-вычислений: CUDA и OpenCL.

Принцип использования GPU следующий:

GPU вычисления представлены совместным использованием CPU и GPU в гетерогенной модели вычислений. Стандартная часть приложения выполняется на CPU, а более требовательная к вычислениям часть обрабатывается с GPU ускорением. С точки зрения пользователя приложение работает быстрее, потому что оно использует высокую производительность GPU для повышения производительности.

После нескольких лет эволюции GPU способен обеспечить терафлопы производительности при проведении вычислений с плавающей запятой. Компания NVIDIA произвела революцию в GPU и ускорила вычисления благодаря новой архитектуре массивно параллельных вычислений CUDA. Архитектура CUDA состоит из сотен процессорных ядер, которые работают в связке, чтобы разом справится с набором данных в приложении.

Пример CPU и GPU архитектур

Главным успехом GPU в течение последних нескольких лет стала простота программирования соответствующей модели параллельных вычислений. Благодаря данной модели программирования разработчики могут изменить свои приложения и перенаправить обработку требовательных к ресурсам блоков программ на GPU. Остальная часть приложения выполняется на CPU. Задача разработчика – задействовать десятки тысяч потоков одновременно. Аппаратное обеспечение GPU контролирует и планирует потоки.

Основные области применения GPU-вычислений

В текущее время GPU-вычисления применяются достаточно широко в различных областях науки и проектирования.

В частности, проведена работа по уcкорению квантово-механических расчетов с использованием GPU в Комсомольском-на-Амуре государственном техническом университете. Применяется следующее ПО:

• LamMPS: моделирование молекулярной динамики классическими методами на основе GPU;
• CP2K: моделирование молекулярной динамики квантово-механическими методами на основе GPU;
• BigDFT: моделирование электронных состояний наностуктур квантово-механическими методами на основе GPU.

Успешно проведено тестирование, оценена производительность, подсчитан коэффициент производительности, показывающий ее прирост при применении GPU.

Также успешно выполнена внедренческая задача для «Научно-исследовательского института измерительных систем им. Седакова» (НИИИС им. Седакова, г. Нижний Новгород) по организации «Супер-ЭВМ» на основе вычислительных плат NVidia CUDA Tesla и NVidia CUDA Quattro, для обеспечения возможности высокопроизводительных квантово-механических расчетов.

Используемое оборудование и программное обеспечение:

Высокопроизводительная рабочая станция в составе:

• два процессора Intel Xeon 5670 с частотой 2,93ГГц;
• оперативная память общим объемом 96 Гб;
• профессиональный графический контроллер NVidia Quadro 5000;
• вычислительный процессор NVidia Tesla C2050;
• твердотельные дисковые накопители SSD общим объемом 256Гб;
• ОС Linux Ubuntu Lucid.

Пример «Супер-ЭВМ» начального уровня производительностью 250 ГФлопс

Решенные задачи:

Успешное сопряжение квантово-механического ПО AbInit+BigDFT и технологии NVidia CUDA под ОС Linux Ubuntu как эффективной среды высокопроизводительных расчетов и математического моделирования наностукрур и их свойств. Обучение персонала основам квантово-механического моделирования с использованием ПО AbInit+BigDFT.

Также использование функциональности «Супер ЭВМ» для:

• обеспечения базовых квантово-механических расчетов, таких как : моделирование наноструктур в обьемном (bulk), плоскостном(slab) режиме и наночастиц, моделирование явлений диффузии, адгезии, адсорбции, электронного транспорта и.т.д., моделирование спектров, STM-изображений, получение распределенной электронной плотности, зонной структуры, энергетических барьеров, энергий наноситем, базовых механических и термо-динамических характеристик, моделирование примесей и дислокаций и т.д.
• освоения распараллеливания и запуска задач с использованием LAM/MPI.
• освоения коллективной работы на «Супер-ЭВМ» и управления задачами с использованием PBS Torque.

Внедренческие задачи успешно решены, достигнута производительность 250 ГФлопс.