Karty graficzne

Wielkie osiągnięcie nVidia w projekcie Folding@home dzięki CUDA

przeczytasz w 2 min.

Jak wynika ze statystyk opublikowanych przez Uniwersytet Stanforda, w ostatnim tygodniu procesory graficzne NVIDIA osiągnęły w programie przetwarzania rozproszonego Folding@home moc ponad jednego petaflopsa. Aktywne w ramach tego projektu procesory graficzne NVIDIA® osiągnęły poziom ponad 1,25 petaflopsów, lub 42% ogólnej mocy przetwarzania tego programu, którego głównym zadaniem jest zrozumienie wpływu białek na ludzki organizm.

Petaflopowy wkład procesorów graficznych NVIDIA, niemal połowa mocy obliczeniowych dostępnych dla Folding@home, zapewniana jest przez tylko 11 370 wszystkich aktywnych procesorów biorących udział w projekcie. W porównaniu, 208 268 zwykłych procesorów działających pod kontrolą Windows dostarczało jedynie 198 teraflopsów – 6% ogólnej mocy projektu.

Uniwersytet Stanforda opublikował przeznaczonego dla procesorów graficznych NVIDIA klienta Folding@home w czerwcu bieżącego roku, zatem ten oszałamiający postęp dokonany został w ciągu zaledwie kilku miesięcy. Opracowana przy wykorzystaniu NVIDIA CUDA™, środowiska programistycznego C przeznaczonego dla wielordzeniowych architektur równoległych, wersja CUDA klienta Folding@home dostarczyła więcej mocy obliczeniowej niż jakakolwiek inna architektura w historii projektu.

„Jak pokazują statystyki, wpływ procesorów graficznych NVIDIA na symulacje zwijania białek był niezwykły”, powiedział Vijay Pande, profesor chemii na Uniwersytecie Stanforda i szef projektu Folding@home. „Zespoły „zwijające” na GPU NVIDIA obserwują ogromne przyspieszenie ich produkcji, co znacząco pomaga całemu projektowi”.

„Takie aplikacje jak Folding@home to dopiero początek, gdyż każdego dnia widzimy coraz więcej przykładów problemów obliczeniowych, które najlepiej rozwiązywać za pomocą CUDA i technologii GPU”, powiedział Michael Steele, szef działu graficznych rozwiązań klienckich w firmie NVIDIA. „Wiem, że wszyscy w NVIDIA pilnie śledzili postępy projektu Folding@home od czasu publikacji wersji CUDA, przeznaczonej dla naszych układów graficznych i jesteśmy zachwyceni widząc tak znaczący wkład w ten niezwykle wartościowy projekt”.
 
Folding@home, program obliczeń rozproszonych Uniwersytetu Stanforda, dzięki połączeniu mocy obliczeniowej milionów procesorów symulujących tzw. zwijanie białek stał się ważnym czynnikiem napędzającym prace badawcze nad opracowaniem leków przeciwko takim zagrażającym życiu chorobom jak nowotwory, mukowiscydoza czy choroba Parkinsona. Projekt Folding@home jest najnowszym przykładem na rosnącej liście innych niż gry zastosowań procesorów graficznych. Uruchamiając klienta Folding@home na procesorze graficznym NVIDIA®, symulacje zwijania białek mogą być wykonywane 140 razy szybciej niż na niektórych tradycyjnych, współczesnych procesorach.

Garść statystyk:

Komentarze

4
Zaloguj się, aby skomentować
avatar
Komentowanie dostępne jest tylko dla zarejestrowanych użytkowników serwisu.
  • avatar
    Dante
    0
    Ja tylko jestem ciekaw jak to wygląda, bo jest napisane 17,152 procesorów Nvida, ale czy pracują razem z procesorami CPU czy osobno jako specjalna platforma ?!?!
    • avatar
      Konto usunięte
      0
      Zabawne, bo w sumie ATI bez CUDA ma podobną wydajność per procesor. Że jest niższa - wynika to z faktu, że przez ostatnie 2 lata wydajniejsze układy graficzne. Ciekawe, jak sobie z tym GPU od HD4870 by poradził... 800 shaderów robi swoje.
      • avatar
        baran
        0
        No panowie. Pokonaliśmy PS3!
        • avatar
          Konto usunięte
          0
          Pantokrator, tylko że u ATI 5 jednostek obliczeniowych równa się 1 jednostce nVidii. Cztery z nich to proste zmiennoprzecinkowe jednostki obliczeniowe ADD/MUL, realizujące podstawowe operacje dodawania i mnożenia. Piąta również wykonuje operacje dodawania/mnożenia, ale przystosowana jest również do działań bardziej złożonych.

          Z tego wychodzi, że te 5 (4 podstawowe i 1 złożona) jednostek obliczeniowych należy brać jako jedną pełnoprawną. Stąd nie 800 a 160 (800/5=160)