Utilización de la programación paralela en procesadores gráficos para el cálculo científico.

Transcripción

1 Utilización de la programación paralela en procesadores gráficos para el cálculo científico. EMNO 2013

2 Rolando E. Rodríguez Fernández Medicina Computacional, Instituto de Nefrología. y Facultad de Física, Universidad de la Habana. rerodriguez@infomed.sld.cu

3 Medicina Computacional que cosa es eso? La Medicina Computacional es un campo de aplicaciones científicas, definido como la aplicación de las ciencias naturales y exactas a la medicina, utilizando como puente los modelos computacionales que han servido de manera clásica para explicar en la naturaleza y la sociedad, los fenómenos químicos, físicos, biológicos, matemáticos, psicológicos y hasta económicos y sociales. La Medicina Computacional utiliza a la Clínica y la Epidemiología como fundamentos esenciales para tener al paciente en la perspectiva directa de trabajo. La versión de la Bioinformática en el contexto médico

4 J. Endocrinol. Aug 2012

5 La enfermedad renal poliquística una condición genética producida por el mal funcionamiento de un sistema de señales mediado de manera primaria por un canal de calcio

6 La enfermedad renal poliquística mecanismos involucrados Ca, camp, TSC2, MAP kinasas (regulación primaria por receptores de GABA y canales de Ca L P y Q) EGFR inh

7

8

9

10 Simulación en la Membrana Celular Receptor de GABA, DM en solución salina isotónica [ átomos]

11 Un problema grande Cálculo del movimiento y la energía en un sistema molecular (Dinámica molecular) E total = E enlazante + E no-enlazante E enlazante = E enlace + E tangular + E tdihedrica E no-enlazante = E electrostatica + E van der Waals Poisson s Eq

12 Un problema grande Cálculo del movimiento y la energía en un sistema molecular (Dinámica molecular) Descomposición de dominio: Descomposición funcional: Cada átomo se puede calcular por separado Lista de átomos enlazados Interacciones enlazantes Energía vibracional Energía rotacional Lista de átomos vecinos Generación del enrejado Interacciones no enlazantes Potencial Electrostático Potencial de van der Waals Puentes de Hidrógeno Posición y velocidad Conservación de la Energía Parte no Paralela (serial): Cálculo de la energía total del sistema Temperatura y Volumen

13

14 Un problema Enorme La simulación del acoplamiento molecular buscando posibles ligandos Superficie de interacción en el sitio activo del receptor Topología de la interacción

15 Un problema Enorme La simulación del acoplamiento molecular buscando posibles ligandos Enrejado para el cálculo de energía El experimento!! ( Compuestos)

16

17 La programación en paralelo es un concepto bastante antiguo Existe una demanda continua de potencia de cálculo en las computadoras siempre mayor que la que encontramos disponible. Desde el principio de la existencia de las computadoras hemos aprendido a dividir el problema en partes que deben ser ejecutadas en varios sistemas de computación y luego combinadas para obtener el resultado final. Esta estrategia se conoce como programación paralela o en paralelo. Gill (1958) Parallel Programming, The computer Journal, Vol 1, April, pp

18 Hace falta un sistema computacional grande Vamos a construir un clúster de computadoras Nicholas Metropolis formuló por primera vez el dilema eterno en el que ponemos a nuestros jefes.. Esta máquina (la ENIAC) no es suficiente potente para resolver nuestros problemas Y así obtuvo el dinero para armar una mas potente (MANIAC) que podía hasta jugar ajedrez.. En la MANIAC hizo el programa con el que George Gamow elucidó el código genético, que publicaron juntos en 1954

19 Hace falta un sistema computacional grande La evolución de los sistemas distribuidos hoy nos podemos construir el clúster en el laboratorio.. antes no s

20

21 Sistema de Cálculo Científico 152 CPUs, 4352 GPUs (9.8 TFlops), 380GB RAM, 80+ TB HDD 3 unidades de cálculo 4 estaciones gráficas 3D 6 estaciones gráficas 24 CPUs (2x Opteron 12 core), 64GB RAM, 6TB HDD 48 CPUs (4x Opteron 12 core), 128 GB RAM, 6TB HDD 24 CPUs (2x Opteron 12 core), 64GB RAM 1024 GPUs (2x NVIDIA M2075, 12GB GDDR6, 2TFlops) 3TB UHSHDD 8 CPUs (Opteron 8 core), 16GB RAM, 1TB HDD, 256 GPUs (Nvidia Quadro 4000, 2GB GDDR5, 1 TFlop) 4 CPUs (Opteron 4 core), 8GB RAM, 1TB HDD, 192 GPUs (Nvidia GTX, 1GB GDDR5, 0.4 TFlop) 7 u de control 2 CPUs (Atom 2 core), 4GB RAM, no HDD, vsphere 1 unidad SAN 1x Promise 32TB dual iscsi SAN

22 Sistema de cálculo y procesamiento gráfico la tendencia actual es la arquitectura híbrida

23 Sistemas computacionales las arquitecturas actuales mas comunes Programación en sistemas ccnuma 1. Hasta 16 núcleos 2. Registros multipropósito en los núcleos 3. Interfaz rápida de los 16 núcleos con su memoria x vector pipeline, una instrucción se puede ejecutar simultáneamente en los 64 registros multipropósito de cada núcleo (SIMD) Multicomputadora de paso de mensajes y memoria compartida (ccnuma)

24 Sistemas computacionales La evolución de los procesadores gráficos independientes (la línea de desarrollo de nvidia) Kepler 7B trans RIVA 128 3M trans GeForce M trans GeForce 3 60M trans GeForce FX 125M trans GeForce M trans Fermi 3B trans

25 Sistemas computacionales Los procesadores gráficos, el camino (pipeline) de los gráficos

26 Sistemas computacionales La evolución de los procesadores gráficos Vertex Raster Pixel Raster Vertex Pixel 0 Pixel 1 Pixel 2 Blend Blend Pixel 3 Vrtx 1 Vrtx 0 Vrtx 2

27 Sistemas computacionales La evolución de los procesadores gráficos Control Control Control Control Control Control ALU ALU ALU ALU ALU ALU Control ALU ALU ALU ALU ALU ALU

28 Sistemas computacionales Los procesadores gráficos son bastante baratos

29 Sistemas computacionales AMD y nvidia tenían hasta ahora rendimientos similares (ej. Cálculo del orbital molecular del C 60 )

30 Sistemas computacionales La evolución de los procesadores gráficos, un clúster dentro del chip (nvidia Kepler K110 GF)

31 Sistemas computacionales La evolución de los procesadores gráficos, el multiprocesador de streaming

32 Sistemas computacionales un programa muy simple que si hace algo /* * Copyright NVIDIA Corporation. All rights reserved. * Modified by Rolando, rolando@cmbi.ru.nl */ #include <cuda.h> #include <stdio.h> global void add( int a, int b, int *c ) { *c = a + b; } int main( void ) { int c; int *dev_c; } cudamalloc( (void**)&dev_c, sizeof(int) ); add <<<1,1>>> ( 2, 7, dev_c ); cudamemcpy( &c, dev_c, sizeof( int ),cudamemcpydevicetohost ); printf( "2 + 7 = %d\n", c ); cudafree( dev_c ); return 0;

33 Sistemas computacionales Vamos a programar un procesador gráfico de nvidia con CUDA Cada kernel de CUDA es ejecutado por un arreglo de hilos - Cada hilo corre el mismo código (SIMD) - Cada hilo tiene un ID que se puede usar para calcular las direcciones de memoria y realizar decisiones de control threadid float x = input[threadid]; float y = func(x); output[threadid] = y;

34 Sistemas computacionales Vamos a programar un procesador gráfico de nvidia con CUDA El arreglo de hilos se distribuye en bloques - Los hilos dentro del bloque cooperan a través de memoria compartida, operaciones atómicas y sincronización de barrera - Los hilos de bloques diferentes no pueden cooperar entre si. Thread Block 0 Thread Block 1 Thread Block N - 1 threadid float x = input[threadid]; float y = func(x); output[threadid] = y; float x = input[threadid]; float y = func(x); output[threadid] = y; float x = input[threadid]; float y = func(x); output[threadid] = y;

35 Sistemas computacionales Vamos a programar un procesador gráfico de nvidia con CUDA Cada instancia tiene un ID - Block ID: 1D, 2D y ahora hasta 3D - Thread ID: 1D, 2D o 3D Host Kernel 1 Device Grid 1 Block (0, 0) Block (1, 0) Block (0, 1) Block (1, 1) Grid 2 Kernel 2 Block (1, 1) (0,0,1) (1,0,1) (2,0,1) (3,0,1) Thread (0,0,0) Thread (0,1,0) Thread Thread Thread (1,0,0) (2,0,0) (3,0,0) Thread Thread Thread (1,1,0) (2,1,0) (3,1,0)

36 Sistemas computacionales Vamos a programar un procesador gráfico de nvidia con CUDA Grid Bloque (0, 0) Bloque (1, 0) Memoria Compartida Memoria Compartida Registros Registros Registros Registros Hilo (0, 0) Hilo (1, 0) Hilo (0, 0) Hilo (1, 0) Host Memoria Global Memoria de Constantes Tipos de memoria

37 Sistemas computacionales Vamos a programar en paralelo Mi algoritmo puede ser paralelizable? Bueno yo no se, al final de todo es su algoritmo Puedo programar mi problema en paralelo? Generalmente si... Los métodos numéricos SI son paralelizables! Se están paralelizando para GPU la mayoría de los paquetes de cálculo numérico.

38 Bibliotecas numéricas en el GPU un buen comienzo para su proyecto

45 Bibliotecas numéricas en el GPU un buen comienzo para su proyecto Factorización de Cholesky utilizando MAGMA

46 Conclusiones o algo parecido Los procesadores gráficos son una buena alternativa a los clústeres de computadoras, en prestaciones y coste. El código para los procesadores gráficos no es igual a los que se utilizan en los clústeres, pero no es difícil de portar una vez que ya se ha paralelizado. Existen numerosas bibliotecas numéricas disponibles para los procesadores gráficos que sustituyen directamente las funciones anteriormente existentes. El incremento de la velocidad de ejecución es siempre mas del doble sin mucho esfuerzo y puede llegar a miles de veces.

47 En todo el mundo.. Hay mas de 200 universidades que enseñan Programación Gráfica, Mas de artículos en la literatura, mas de desarrolladores

48 Mejoramiento de la conectividad ETECSA/CUBADATA, Empalme FO hasta Panorama

49 Muchas Gracias