CLCAR, Panama R.P. Michael P. Lasen NVIDIA Professional Solutions Group Latin America

Tamaño: px

Comenzar la demostración a partir de la página:

Download "CLCAR, Panama R.P. Michael P. Lasen NVIDIA Professional Solutions Group Latin America"

Beatriz Pereyra Lozano
hace 5 años
Vistas:

1 CLCAR, Panama R.P. Michael P. Lasen NVIDIA Professional Solutions Group Latin America

2 NVIDIA Processors GeForce y QUADRO TM VISUAL COMPUTING TM TESLA TM SUPERCOMPUTING TEGRA TM MOBILE

3 Por qué estamos hablando de cómputo de alto desempeño, y cómo afecta o puede afectar a tu vida?

4 La investigacion cientifica requiere 1,000X mas poder computacional. Energia Renovable Medicina Personalizada Herramientas para Descubrimiento Scientifica Manejo de Informacion Complejo Maquinas Que Piensan Interracion Humano Natural con Maquinas Prediccion de Cambios Ambientales Analisis Economico y Financiero

5 Gigaflops 1,000,000,000 1,000,000 Example: Drug Discovery Simulating Single Bacteria 1 ExaFLOPS Bacteria 100s of Chromatophores 1 PetaFLOPS Chromatophore 50M atoms 1,000 1 TeraFLOPS Ribosome 2.7M atoms 1 BPTI 3K atoms 1982 Estrogen Receptor 36K atoms 1997 F1-ATPase 327K atoms 2003 Ran for 8 months to simulate 2 nanoseconds

6 HPC: por que te debe importar. HPC es un enfoque nacional a nivel mundial. Los gobiernos estan invertiendo fuertemente, y con razon. HPC es usado hoy mas que nunca para descubrimientos scientificos tanto en sectores privados como publicos. HPC es mas barato que nunca. Esta disponible y al alcance de casi cualquier. Con avances en tecnologias heterogeneas, la densidad de cores eficientes es muy alto, y el costo por FLOP es muy bajo. HPC es una ventaja competitiva en academia. Fondos para investigacion cada vez mas dependen de esta tecnologia.

HPC: ya lo estas usando? Folding@home 6.

7 HPC: ya lo estas usando? 6.1 PFLOPS 700 TFLOPS 540 TFLOPS 260 TFLOPS GIMPS 86 TFLOPS

8 A Whole Yotta FLOPS NOMBRE FLOPS yottaflops 1024 zettaflops 1021 exaflops 1018 petaflops 1015 teraflops 1012 gigaflops 109 megaflops 106 kiloflops 103

9 Petascale (hoy). A computer system capable of reaching performance in excess of one petaflops. One quadrillion floating point operations per second.

10 Exascale = Petascale x 1,000 One exaflop is a thousand petaflops. 10^18 FLOPS NOMBRE FLOPS yottaflops 1024 zettaflops 1021 exaflops 1018 petaflops 1015 teraflops 1012 gigaflops 109 megaflops 106 kiloflops 103

11 CPU GPU Computo Heterogeneo. Acelera Aplicaciones.

12 Dos SC s Construidas al Mismo Tiempo Tsubame 2.0 Hopper- NERSC 4,224 Tesla GPUs + 2,816 x86 CPUs 12,784 x86 CPUs 1.4 Megawatts 2060 Casas en Japon 4.0 MegaWatts 5860 Casas en Japon La SC Petaflop mas Verde del mundo

13 Worldwide GPU Supercomputer Momentum Tesla 20series (Fermi) Launched First Double Tesla GPUsPrecision Launched GPU

14 Who Uses GPU Supercomputing? Life Sciences Government Mass General Hospital Naval Research Laboratory Max Planck Institute Finance Air Force Research Laboratory Manufacturing Edu/Research Chinese Academy of Sciences Oil & Gas

15 What Commercial Apps are They Running on GPU? Molecular Dynamics AMBER CHARMM DL_POLY GAMESS-US GROMACS LAMMPS NAMD Fluid Dynamics Altair Acusolve Autodesk Moldflow OpenFOAM Prometech Particlework Turbostream Earth Sciences ASUCA HOMME NASA GEOS-5 NOAA NIM WRF Engineering Simulation Others Agilent EMPro ANSYS Mechanical ANSYS Nexxim CST Microwave Studio Impetus AFEA Remcom XFdtd SIMULIA Abaqus GADGET2 MATLAB Mathematica NBODY Paradigm VoxelGeo PARATEC Schlumberger Petrel

NAMD es mucho mas rapido 7x Aumento en Velocidad

Test Platform: 1 Node, Dual Tesla M2090 GPU

results, configuration and test models. NAMD 2.

Dual-Socket, Quad-core x5650 with 2 Tesla M2070

16 NAMD es mucho mas rapido 7x Aumento en Velocidad con GPUs STMV 1,066,628 Atoms ApoA-1 92,224 Atoms Test Platform: 1 Node, Dual Tesla M2090 GPU (6GB), Dual Intel 4-core Xeon (2.4 GHz), NAMD 2.8, CUDA 4.0, ECC On. Visit for more information on speed up results, configuration and test models. NAMD 2.8 B1 + unreleaesd patch, STMV Benchmark A Node is Dual-Socket, Quad-core x5650 with 2 Tesla M2070 GPUs Performance numbers for 2 M cores (GPU+CPU) vs. 8 cores (CPU)

17 What s next in supercomputing? On October 11, 2011, the Oak Ridge National Laboratory announced it was building a 20 petaflop supercomputer, named Titan, which will become operational in 2012, the hybrid Titan system will combine Opteron processors with Kepler NVIDIA Tesla graphic processing unit (GPU) technologies. Given the current speed of progress, supercomputers are projected to reach 1 exaflops (EFLOPS) in Cray, Inc. announced in December 2009 a plan to build a 1 EFLOPS supercomputer before Erik P. DeBenedictis of Sandia National Laboratories theorizes that a zettaflops (ZFLOPS) computer is required to accomplish full weather modeling of two week time span. Such systems might be built around YottaFLOPS? Finally, the complete simulation of the human brain.

~90% de los FLOPS vienen de los GPUs 2x mas rapido, 3x mas

18 Titan at Oak Ridge National Labs World s Top Open Science Computing Research Facility 18,000 GPUs Tesla 20+ Petaflops ~90% de los FLOPS vienen de los GPUs 2x mas rapido, 3x mas eficiente x Watt. Mas eficiente que la SC #1 hoy (K Computer)

19 Power Crisis in Supercomputing Household Power Equivalent Exaflop City 25,000,000 Watts 7,000,000 Watts Petaflop Town 850,000 Watts Teraflop Neighborhood 60,000 Watts Gigaflop Block

20 Exascale with CPUs Today 2 Gigawatts DATA: U.S. Dept. of Energy Hoover Dam

22 ARM Enables Energy Efficient Computing Personal Computing ARM Servers

23 ARM is Pervasive and Open Annual Shipments ARM Units in Billions x86 Source: ARM, Mercury Research, NVIDIA

24 Project Denver NVIDIA-Designed High Performance ARM CPU

25 Tegra 100 PERFORMANCE STARK LOGAN WAYNE 10 Core i5 TEGRA 3 Core 2 Duo TEGRA

ARM CPU Gigabit Ethernet SATA Connector HDMI, DisplayPort,

26 CARMA DevKit CUDA for ARM Development Kit CUDA GPU Tegra 3 Quad-core ARM A9 Quadro 1000M (96 CUDA cores) Ubuntu Tegra ARM CPU Gigabit Ethernet SATA Connector HDMI, DisplayPort, USB Launch Q Pre-register on

27 World s First ARM CPU / CUDA GPU Supercomputer Mont Blanc Research Project Exploring energy efficient supercomputer architectures for exascale ARM CPU + GPU Prototype

28 HPC: cuanto cuesta?

2000 2011 Sandia National Lab NVIDIA ASCI Red

29 Sandia National Lab NVIDIA ASCI Red Personal SuperComputer 2TFlops (DP) 2TFlops (DP)

30 ASCI Red Personal SuperComputer 2 TFlops 2 TFlops Pentium II Tesla C racks 1 workstation Espacio Ocupado 230 m2 0,12 m2 Consumo Energia 0.85 MW 1400 W US$ 100~200 milliones U$30K Rendimiento Nodos Computacionales Procesador Tipo Procesador - Cantidad Gabinete Costo

31 Homemade Desktop Supercomputer with Tesla

A Professional GPU Cluster 8 nodos 2 XEON + 8 Tesla C2050 24 CPU +

32 A Professional GPU Cluster 8 nodos 2 XEON + 8 Tesla C CPU + 64 GPU 52 TerraFLOPS Univ Industrial Santander, Bucaramanga, Colombia

33 Iniciando con GPU y CUDA Probar Probar CUDA con una portatil o equipo de escritorio con una GPU. Desarrollar Optimiza applicaciones con estacion de trabajo con GPU s Tesla Escalar Corre aplicaciones en un cluster de GPU s para computo paralelo masivo

34 KEPLER Rendimiento Eficiencia Accesibilidad

35 Tesla CUDA Architecture Roadmap Maxwell 16 DP GFLOPS per Watt Kepler T Fermi

36 Kepler: Rápida y Eficiente SM SMX Fermi LÓGICA CONTROLADORA Kepler 3x LÓGICA CONTROLADORA Rend / Watt 32 núcleos Max 512 x GPU 192 núcleos Max 1536 x GPU

37 Tesla K10 vs M2090: 2x Rendimiento / Watt

38 Tesla K10 Tesla K20 3x Precisión Sencilla 3x Precisión Doble 1.8x Ancho de Banda de Memoria Hyper-Q, Paralelismo Dinámico Imágenes, Señales, Sísmico CFD, FEA, Finanzas, Física Disponible Ahora Disponible 4T 2012

095 TF # Núcleos CUDA 512 3072 1536 Tamaño de Memoria 6 GB 8 GB 4GB 177.

39 Tesla K10: Mismo Consumo, 2x Rendimiento de Fermi Product Name Arquitectura de GPU # de GPU M2090 K10 Fermi Kepler GK Board Per GPU 1.3 TF 4.58 TF 2.29 TF 0.66 TF TF TF # Núcleos CUDA Tamaño de Memoria 6 GB 8 GB 4GB GB/s 320 GB/s 160GB/s Flops Precisión Única Flops Doble Precisión Memoria (sin ECC) PCI-Express Gen 2: 8 GB/s Gen 3: 16 GB/s

41 Gracias

Documentos relacionados

Introducción a la Arquitectura y Plataforma de Programación de Cómputo Paralelo CUDA (36 hrs) Instructor M. en C. Cristhian Alejandro Ávila-Sánchez

Introducción a la Arquitectura y Plataforma de Programación de Cómputo Paralelo CUDA (36 hrs) I Presentación: Instructor M. en C. Cristhian Alejandro Ávila-Sánchez CUDA (Compute Unified Device Architecture)