Pomozte svým počítačem vědeckému pokroku

Máte doma, v kanceláři, na koleji, ve škole či jinde počítač, který alespoň část své provozní doby není naplno vytížený? Víte o tom, že se díky takovémuto počítači můžete přímo účastnit skutečných vědeckých výzkumů?

Výpočty pomocí grafického procesoru - GPU (Graphics Processing Unit)

Vývoj dnešní výpočetní techniky dospěl do stádia, kdy ke zvýšení výkonu samotného procesoru pro domácí a kancelářské použití už není moc důvodů. Místo zvýšení výkonu samotného jde vývoj cestou vícejádrových procesorů s nižším taktem, ale větším počtem jader na jednom čipu. Nejnovějším trendem je další miniaturizace a úspora ve spotřebě, ovšem výkon již prakticky nijak rapidně neroste. Důraz vývoje posledních let se soustředil spíše směrem ke zvyšování výkonu GPU a tím i samotných grafických karet. Zde se hranice stále posouvají a tím i nároky na potřebný hardware. Není se proto čemu divit, že GPU v dnešních grafických kartách v mnoha ohledech předčí výkon klasických procesorů. Výkonem GPU nelze plně nahradit operace, které provádí CPU, lze však některé aplikace naprogramovat tak, že využívají právě potenciálu GPU. Po masovém rozšíření výpočtů využívajících miliony domácích CPU na přelomu tisíciletí zažívají distribuované výpočty novou vlnu rozšíření právě tímto směrem.

V současné době již existuje několik projektů distribuovaných výpočtů, které dokáží využít pro své výpočty GPU.

V roce 2006 vstoupil projekt Folding@Home do historie jako první vědecký projekt distribuovaných výpočtů, který využívá výpočetního výkonu jader grafických karet. Stanfordská univerzita spolupracovala s producentem grafických čipů ATI a výsledkem byl GP-GPU klient, který byl schopen příslušné vědecké výpočty provádět na aritmeticko-logických jednotkách grafického čipu, známých spíše jako pixel shadery. Dne 2. října 2006 byl klient vypuštěn k veřejnému beta testu. Během pouhých 9 dní od svého vypuštění bylo dosaženo výpočetního výkonu 31 tera FLOPS za pomoci pouhých 450 grafických jader karet řady Radeon X1900. Tento výkon 70x převýšil tehdejší přínos procesorů osobních počítačů a jen potvrdil obrovskou převahu grafických jader ve výpočtech s plovoucí desetinnou čárkou. V současné době jsou pro výpočty podporovány grafické katry ATI i nNidia.

Folding@home byl prvním projektem, ovšem v současné době není jediným. Ukázal ostatním, nejen že GPU pro výpočty využít lze, ale hlavně jak velký potenciál výkonu v této oblasti leží ladem. Projekt folding@home je ovšem samostatným distribuovaným projektem s vlastním klientem, vlastním nastavením i ohodnocením. Pod křídla systému BOINC se prozatím nechystá, ale co není nyní, může být někdy v budoucnu.

Druhý z projektů, kterým můžete poškádlit svou grafickou kartu, je již projekt ze systému BOINC, a tím je GPUgrid. Projekt je zaměřen na výpočty v oblasti biologie a biomedicíny. Přesněji se jedná o studium charakteristiky biomolekul, jejich vzájemného ovlivňování a dynamického chování. K výpočtům budou použity různé metody pro popis biologických problémů v atomických, molekulových i nadmolekulárních systémech.

Projekt prozatím podporuje pouze grafické karty nVidia, ovšem rozšíření na grafické karty ATI bude jistě dalším krokem vývoje. Podpora grafických karet ATI prozatím ohlášena nebyla, ale jak bylo řečeno, vše je teprve na počátku.

Dalším projektem v řadě, které umožnil nasazení nVidia karet, byl známý projekt Seti@home. Projekt prozatím podporuje výpočty pouze klasické aplikace. Bohužel stejně jako projekt GPUGRID se potýká prozatím s problémy celého systému BOINC, který ještě není na výpočty prostřednictvím GPU zcela připravený a sladit souběžné výpočty na CPU i GPU je prozatím dosti složité.

S podporou GPU výpočtů přišel i legendární distributed.net, který prozatím podporuje rovněž pouze karty nVidia.

Na počátku roku 2009 došlo k rozšíření výpočtů prostřednictvím GPU pod systémem BOINC i na grafické katry společnosti ATI. V únoru byla uveřejněna aplikace projektu MilkyWay@home. Projekt byl založen v Rensselaer Computer Science Department a zabývá se průzkumem a modelování vývoje Galaxie Mléčné dráhy. Díky vytvoření a optimalizaci aplikace pro GPU, došlo v velkému nárůstu výkonu a zároveň i bodového přídělu, který do té doby neměl v systému BOINC obdoby.

Z dlouhodobého hlediska je v této oblasti obrovský potenciál využití a jistě se dočkáme spousty projektů, které budou schopny využívat pro výpočty jak CPU, tak i GPU.

Návod na zapojení GPU do výpočtů Folding@home

Návod na zapojení GPU do výpočtů GPUGrid naleznete přímo na stránkách projektu.

Jak na zapojení GPU do výpočtů MilkyWay, se dočtete na týmovém fóru CNT.