Oprogramowanie

CUDA - Twoja karta graficzna, też może liczyć dla nauki

NVidia CUDA jest już wykorzystywana w projektach naukowych. Znane oprogramowanie BOINC (Berkeley’s Open Infrastructure for Network Computing) wykorzystuje wolną moc obliczeniową domowych komputerów do skomplikowanych obliczeń. BOINC jest próbą rozwiązania problemu analizy ogromnej ilości danych. Wśród projektów naukowych wspieranych przez BOINC znajdują się takie, które poszukują rozwiązań dla problemów klimatycznych, metod leczenia chorób, czy wyszukiwaniu w przestrzeni kosmicznej pulsarów bądź sygnałów pochodzenia pozaziemskiego (słynne SETI@home).

Dwa projekty umożliwiają już wykorzystanie CUDA, a są to wspomniane SETI@home oraz GPUgrid.net. Wedle informacji zawartych na stronie BOINC, aplikacje te mogą działać od 2 do 10 razy szybciej, niż te wykorzystujące wyłącznie moc CPU.

Projekt SETI@home wyszukuje śladów aktywności pozaziemskich cywilizacji poprzez analizę sygnałów radiowych docierających do nas z kosmosu. Dzięki wykorzystaniu CUDA i karty GeForce GTX 280 klient BOINC może przetwarzać dane dwukrotnie szybciej niż procesor Intel Core i7 965 3,2 GHz i prawie osiem razy szybciej niż Core 2 Duo E8200 2,66 GHz.

Z mocy kart NVidii korzysta też projekt GPUgrid.net. Zadaniem projektu jest symulacja struktur biomolekularnych.  Jednym z najnowszych eksperymentów jest badanie właściwości protein wirusa HIV.

Kolejnym projektem który ma wkrótce wzbogacić się o obsługę CUDA jest Einstein@Home. W ramach tego eksperymentu domowe komputery analizują dane z obserwatoriów fal grawitacyjnych w poszukiwaniu sygnałów pochodzących z pulsarów. Więcej na temat wykorzystania CUDA w BOINC dowiesz się pod tym adresem.

Uniwersytet w Stanford nie chce być gorszy i oprogramowanie projektu Folding@home również korzysta z mocy kart graficznych NVidia. Więcej na temat wykorzystaniu CUDA znajdziecie na oficjalnej stronie projektu Folding@home.

Wszystkie te informacje są bardzo ciekawe, ale przeciętnego użytkownika bardziej interesują ogólnodostępne aplikacje użytkowe, które skorzystają z dobrodziejstw tej technologii. Oczywiście, do wszystkich  informacji producentów, że program korzystający z CUDA działa x razy szybciej, należy podchodzić z dystansem, o ile nie są poparte konkretnymi przykładami. Przykładowa informacja, że karta GTX 280 wykonała obliczenia 4 razy szybciej od bliżej niezidentyfikowanego procesor, jest bezużyteczna.