Efficiency of using NVIDIA coprocessors in modeling the behavior of charge carriers in graphene
Abstract
В развитии суперкомпьютерных технологий важную роль играют специализированные аппаратные решения. В настоящее время большинство вычислительных систем максимальной производительности используют математические сопроцессоры различных типов. По этой причине при разработке прикладных программных решений, рассчитанных на реализацию потенциала современных вычислительных платформ, необходимо обеспечить эффективное использование аппаратных ускорителей. В ходе работы над программной системой для моделирования поведения носителей заряда в графене необходимо было решить задачу поддержки ею таких ускорителей и исследовать эффективность полученного решения. С учётом текущей ситуации и перспективы ближайших лет выбор был сделан в пользу ускорителей NVIDIA и программной технологии CUDA. В силу того, что аппаратная архитектура ускорителей NVIDIA имеет принципиальные отличия от архитектуры CPU, а адаптированные для CUDA математические библиотеки не поддерживают весь спектр алгоритмов, использовавшихся в исходной версии программы, потребовалось найти новые решения и оценить их эффективность. В работе представлены особенности реализации поддержки CUDA и результаты сравнительного тестирования полученного решения на примере задачи с реалистическими характеристиками.
Related Papers
- → Hybrid CUDA, OpenMP, and MPI parallel programming on multicore GPU clusters(2010)136 cited
- → Parallelizing Motion JPEG 2000 with CUDA(2009)18 cited
- → The identification of spirochetes from human cases of relapsing fever by xenodiagnosis with comments on local specificity of tick vectors(1956)18 cited
- → A parallel design of computer Go engine on CUDA-enabled GPU(2011)1 cited
- → Efficiency of using NVIDIA coprocessors in modeling the behavior of charge carriers in graphene(2021)