Unabhängiges Magazin für Wirtschaft und Bildung

25. Juni 2016

Search form

Search form

Grafikkarten ohne Grafik

Grafikkarten ohne GrafikGrafik-Innovation. (c) TU-Wien

Rechenpower für die Wissenschaft mittels hochparalleler Computersimulationen, die nunmehr mit Grafikkarten durchgeführt werden können. Die TU Wien wurde aktuell von NVIDIA als „Nvidia GPU Research Center“ ausgezeichnet.

In früheren Zeiten diente der Prozessor des Computers um etwas auszurechnen, und die Grafikkarte, um etwas am Bildschirm darzustellen. Doch Grafikkarten (GPUs) werden immer leistungsfähiger, nicht zuletzt durch hohe Anforderungen von Computerspielen im 3D-Bereich. Mittlerweile sind diese auch für ganz andere Dinge verwendbar, etwa für wissenschaftliche Simulationsrechnungen.
Am Institut für Mikroelektronik der TU Wien werden aktuell Rechenmethoden entwickelt, mit denen man die speziellen Vorteile von Grafikkarten optimal für die Wissenschaft nutzen kann. Der Grafikkartenhersteller Nvidia zeichnet diese Leistungen in diesem Bereich nun aus, indem er das Forschungsteam von Karl Rupp zum „Nvidia GPU Research Center“ macht und auf vielfältige Weise unterstützt.

Hochparalleles Rechnen
„Das Besondere an Grafikkarten ist, dass sie hochgradig parallel rechnen können“, erläutert Karl Rupp, Leiter des GPU Research Centers. „Ein moderner Prozessor hat vielleicht vier Prozessoren, die gleichzeitig Rechenaufgaben lösen können, eine Grafikkarte hingegen kann tausende Threads gleichzeitig abarbeiten“, so Rupp weiter.
Gerade Grafik-Berechnungen lassen sich oft sehr gut in Teilaufgaben zerlegen, die nicht aufeinander aufbauen, sondern gleichzeitig berechnet werden können. Bei anderen Rechenaufgaben hingegen kann man den nächsten Schritt immer erst ausführen, wenn der vorhergehende Schritt fertig berechnet worden ist. Solche Aufgaben sind dann von Grafikkarten nur schwer zu lösen. Ob eine Grafikkarte oder eine herkömmliche CPU schneller zu einem Rechenergebnis kommt, hängt von der Art der Rechenaufgabe ab.

Neue Alternative für die Wissenschaft
Gemeinsam mit seinen Kollegen Josef Weinbub und Florian Rudolf arbeitet Karl Rupp an Rechenmethoden, durch die man die Vorteile von Grafikkarten auch für die Wissenschaft optimal nutzen kann. „Ältere Generationen von Grafikkarten konnten nur Zahlen mit einfacher Genauigkeit verarbeiten“, erklärt Rupp.
„Seit 2009 oder 2010 sind nun aber auch Grafikkarten mit doppelter Genauigkeit verfügbar, wie man sie für die meisten wissenschaftlichen Simulationsrechnungen braucht. Seither sind Grafikkarten für die Wissenschaft als Alternative zum gewöhnlichen Computerprozessor interessant“, sagt Rupp. Grafikkartenhersteller wie Nvidia haben das erkannt und wollen ihre Produkte auch für Anwendungen in der Hochleistungs-Simulationsrechnung vermarkten.

Open Source Library für die Wissenschaft
Am Institut für Mikroelektronik werden aufwändige Computersimulationen entwickelt, mit denen man Halbleitermaterialien und nanoelektronische Schaltungen rechnerisch untersuchen kann. Damit sich solche Rechnungen mit hoher Präzision und in möglichst kurzer Zeit lösen lassen, müssen auch computertechnische und mathematische Grundlagen beachtet werden.
„Wir entwickeln nun Algorithmen, mit denen man Grafikkarten optimal für wichtige mathematische Schritte wie etwa das Lösen von Gleichungssystemen verwenden kann“, erklärt Rupp. Diese Algorithmen bilden die „ViennaCL Library“ und werden gratis auf open-source-Plattformen zur Verfügung gestellt. Wer auch immer in Zukunft mit hochparallelen Grafikkarten rechnen will, kann auf die mathematischen Grundbausteine zurückgreifen, die an der TU Wien entwickelt wurden, so die Uni in einer Aussendung.

GPU Research Center
Die Firma Nvidia verleiht nun der Forschungsgruppe von Karl Rupp an der TU Wien den Status eines „Nvidia GPU Research Centers“, vorläufig für ein Jahr. In diesem Rahmen wird die TU Wien auch mit Hardware und speziellem technischen Support versorgt und erhält Zugang zu besonderen Produkten und speziellen Veranstaltungen.
„Für uns ist das eine wunderbare Motivation, weiterhin die besten GPU-Codes für die wissenschaftliche Community zu entwickeln“, betont Rupp. In Zukunft will man insbesondere an Algorithmen für die Verarbeitung großer Matrizen arbeiten, die man etwa für finite Elemente-Methoden braucht – einer Familie von Methoden, die in den Ingenieurswissenschaften und der Industrie eine große Bedeutung erlangt hat.

Links

red/cc, Economy Ausgabe Webartikel, 23.09.2015