Тысяча полезных мелочей    

ИСПОЛЬЗОВАНИЕ ГРАФИЧЕСКИХ ПРОЦЕССОРОВ В МАССОВЫХ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЯХ

ИСПОЛЬЗОВАНИЕ ГРАФИЧЕСКИХ ПРОЦЕССОРОВ В МАССОВЫХ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЯХ

Воронкин Е.В. Бикташев Р.А. Статья в формате PDF 307 KB

Универсальные процессоры (CPU) созданы для исполнения одного потока последовательных инструкций с максимальной производительностью, а графические процессоры (GPU) проектируются для быстрого исполнения большого числа параллельно выполняемых потоков инструкций.

Для увеличения производительности CPU стараются добиться выполнения как можно большего числа инструкций параллельно. Начиная с процессоров Intel Pentium, появилось суперскалярное выполнение, обеспечивающее выполнение двух инструкций за такт. Но у параллельного выполнения последовательного потока инструкций есть определённые базовые ограничения и увеличением количества исполнительных блоков кратного увеличения скорости не добиться.

Алгоритмы, реализуемые видеочипами, обладают естественным параллелизмом. Видеочип принимает на входе группу полигонов, проводит все необходимые операции, и на выходе выдаёт пиксели. Обработка полигонов и пикселей независима, их можно обpaбатывать параллельно, отдельно друг от друга. Высокая степень параллелизма в GPU вызывает необходимость использования большого количества исполнительных блоков, которые легко загрузить, в отличие от последовательного потока инструкций для CPU. Кроме того, современные GPU также могут исполнять больше одной инструкции за такт.

В универсальных процессорах большая часть транзисторов и площади чипа идут на буферы комaнд, аппаратное предсказание ветвления и огромные объёмы внутри чиповой кэш-памяти. Все эти аппаратные блоки нужны для ускорения исполнения немногочисленных потоков комaнд. Видеочипы тратят транзисторы на массивы исполнительных блоков, разделяемую память небольшого объёма и контроллеры памяти на несколько каналов. Вышеперечисленное не ускоряет выполнение отдельных потоков, оно позволяет чипу обpaбатывать нескольких тысяч потоков, одновременно исполняющихся чипом и требующих высокой пропускной способности памяти.

CPU снижают задержки доступа к памяти при помощи кэш-памяти большого размера. Видеочипы обходят проблему задержек доступа к памяти за счет готовности исполнения тысяч потоков. В то время, когда один из потоков ожидает данных из памяти, видеочип может выполнять вычисления другого потока без ожидания и задержек. Можно сказать, что в отличие от современных универсальных CPU, видеочипы предназначены для параллельных вычислений с большим количеством арифметических операций. И значительно большее число транзисторов GPU работает по прямому назначению ‒ обработке массивов данных, а не управляет исполнением немногочисленных последовательных вычислительных потоков. На рисунке показаны соотношения объема чипа занимаемого разнообразной логикой в CPU и GPU.

Основой эффективного использования мощи GPU в научных и иных неграфических расчётах является распараллеливание алгоритмов на сотни исполнительных блоков, имеющихся в видеочипах. К примеру, множество приложений по молекулярному моделированию отлично приспособлено для расчётов на видеочипах, они требуют больших вычислительных мощностей и поэтому удобны для параллельных вычислений. А использование нескольких GPU даёт ещё больше вычислительных мощностей для решения подобных задач.

Выполнение расчётов на GPU показывает отличные результаты в алгоритмах, использующих параллельную обработку данных. При этом лучшие результаты достигаются, если отношение числа арифметических инструкций к числу обращений к памяти достаточно велико.

Области применения параллельных расчётов на GPU. Это анализ и обработка изображений и сигналов, моделирование физических процессов, выполнение финансовых расчётов, ведение баз данных, моделирование динамики газов и жидкостей, криптография, астрономия, биоинформатика, цифровое кино и телевидение, геоинформационные системы, магнитно-резонансная томография, нейросети, искусственный интеллект, анализ спутниковых данных, сейсмическая разведка.



ОБЕСПЕЧЕНИЕ ОХРАНЫ И ЗАЩИТЫ РОССИЙСКИХ ЛЕСОВ

ОБЕСПЕЧЕНИЕ ОХРАНЫ И ЗАЩИТЫ РОССИЙСКИХ ЛЕСОВ Статья в формате PDF 292 KB...

21 08 2026 3:36:53

ЛОКАЛИЗАЦИЯ CART-ПЕПТИД СОДЕРЖАЩИХ НЕЙРОНОВ В МИНДАЛЕВИДНОМ КОМПЛЕКСЕ МОЗГА КРЫСЫ

ЛОКАЛИЗАЦИЯ CART-ПЕПТИД СОДЕРЖАЩИХ НЕЙРОНОВ В МИНДАЛЕВИДНОМ КОМПЛЕКСЕ МОЗГА КРЫСЫ Дана хаpaктеристика локализации и цитологических особенностей cart-пептидсодержащих нейронов, выявленных на территории кортико-медиальной группировки миндалевидного комплекса мозга ...

18 08 2026 6:41:21

ТЕСТОВЫЕ ЗАДАНИЯ ПО ПАТОЛОГИЧЕСКОЙ АНАТОМИИ

ТЕСТОВЫЕ ЗАДАНИЯ ПО ПАТОЛОГИЧЕСКОЙ АНАТОМИИ Статья в формате PDF 275 KB...

16 08 2026 17:59:37

СИСТЕМА ЦЕННОСТЕЙ СОВРЕМЕННОГО УЧИТЕЛЯ

СИСТЕМА ЦЕННОСТЕЙ СОВРЕМЕННОГО УЧИТЕЛЯ Статья в формате PDF 182 KB...

15 08 2026 18:16:36

ТЕРМОДИНАМИЧЕСКИЕ КОНСТАНТЫ ДИССОЦИАЦИИ ПРОТОНИРОВАННЫХ ОСНОВАНИЙ

ТЕРМОДИНАМИЧЕСКИЕ КОНСТАНТЫ ДИССОЦИАЦИИ ПРОТОНИРОВАННЫХ ОСНОВАНИЙ Разработана методика определения констант диссоциации протонированных трехкислотных оснований, отличающаяся новым подходом к оценке и учету концентраций всех равновесных частиц, для расчета ионной силы раствора. ...

11 08 2026 5:53:28

ПРАКТИЧЕСКИЕ РЕЗУЛЬТАТЫ ПРОГНОЗИРОВАНИЯ НОВЫХ ОБЛАСТЕЙ ИСПОЛЬЗОВАНИЯ ИЗВЕСТНЫХ ЛЕКАРСТВ

ПРАКТИЧЕСКИЕ РЕЗУЛЬТАТЫ ПРОГНОЗИРОВАНИЯ НОВЫХ ОБЛАСТЕЙ ИСПОЛЬЗОВАНИЯ ИЗВЕСТНЫХ ЛЕКАРСТВ В Федеральной службе по интеллектуальной собственности, патентам и товарным знакам осуществлена государственная регистрация оригинального алгоритма и базы данных «Drug», позволяющих прогнозировать новые виды действия известных лекарственных средств. Программа основана на сравнении набора квантово-химических и геометрических дескрипторов молекул методами многомерной статистики. Результаты работы алгоритма получили пpaктическое подтверждение для четырех препаратов. ...

08 08 2026 0:42:47

Закономерности экспертных оценок рисков сотрудничества в образовании России и Европейского Союза

Закономерности экспертных оценок рисков сотрудничества в образовании России и Европейского Союза Явная неопределенность поведения сферы образования вызывает значимые риски. Во многом они связаны с самими экспертами и их группами, имеющими свои корпоративные интересы. Факторы риска промоделированы по статистическим данным идентификацией устойчивых закономерностей в виде тенденций (трендов) и показана методика анализа. Даны рейтинговые места экспертным оценкам. Анализ закономерностей показал, что в России нужно повышать чувствительность экспертов к реальной действительности, а также к адекватному представлению сценариев долгосрочной перспективы развития. Пока не будет результатов в реформах образования, нечего ждать и формирования инновационной экономики. Ведь из мировой пpaктики известно, цикл пассионарной активности опережает цикл экономического возрождения на 3–5 лет. ...

05 08 2026 13:14:18

К ВОПРОСУ О ФИНАНСОВОЙ ИНФРАСТРУКТУРЕ РЕГИОНА

К ВОПРОСУ О ФИНАНСОВОЙ ИНФРАСТРУКТУРЕ РЕГИОНА Статья в формате PDF 128 KB...

03 08 2026 16:23:30

ГОЛОД НА КУБАНИ 1932-1933 ГГ.

ГОЛОД НА КУБАНИ 1932-1933 ГГ. Статья в формате PDF 320 KB...

27 07 2026 7:50:24

О ЗАКОНЕ АРХИМЕДА

О ЗАКОНЕ АРХИМЕДА Статья в формате PDF 161 KB...

23 07 2026 19:18:45

Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::