Estaciones de computación avanzada y cálculo intensivo
GPU Computing para aplicaciones aceleradas en la GPU,Servidores de Supercomputación. Equipo HPC High performance Computing
Ofrecemos los equipos más potentes con la última tecnología del mercado destinados a aplicaciones informáticas que realizan un volumen muy elevado de cálculo. Con un rendimiento de más de 11 teraflops de precisión doble, estos aceleradores GPU son ideales para estaciones de trabajo de alto rendimiento con cargas de trabajo muy elevadas. Aplicaciones de predicción meteorológica, clima, CFD, CAE, física computacional, bioquímica, simulaciones y finanzas computacional.
Estos equipos están diseñados especialmente para aplicaciones de Bioinformática, Cálculo financiero, Dinámica de fluidos, Defensa e inteligencia, EDA, Procesamiento de imágenes, ciencia de materiales, Dinámica molecular, Análisis numérico, Física, Química cuántica, exploración de sísmica, mecánica estructural, Visualización en interacción de proteínas, modelos meteorológicos y otras ciencias que requieran gran capacidad de cálculo.
Las Tarjetas de computación NVIDIA Tesla de última generación Tesla P100 de la gama Pascal han sido diseñada para ser líder en aplicaciones que requieran operaciones de supercomputación con operaciones en coma flotante de doble y simple precisión. Esta tarjeta cuenta con una única GPU con 3584 núcleos e incluye paralelismo dinámico y características Hyper-Q
Programación de aplicaciones para cómputo por GPU o CPU:
Para aprovechar toda la potencia que ofrecemos en estos equipos, bien sea de procesador CPU multinúcleo o computación basada en GPU, es necesario que la aplicación que los va a utilizar esté correctamente programada. Por tanto, antes de pensar en adquirir un equipo de estas características hay que cerciorarse de si la aplicación/es está programada correctamente.
Este enlace explica cómo aprovechar los múltiples núcleos de un procesador en aplicaciones como Mathlab y otras aplicaciones. Es un tutorial extenso que explica con mucho detalle todo el proceso en diferentes páginas e incluso incluye un vídeo.
En este otro enlace explica cómo programar Mathlab para CUDA, es decir, para tarjetas gráficas de NVIDIA incluyendo desde Geforce hasta Tesla. Explica cuando y que premisas se tienen que cumplir para que sea rentable y eficiente programar para la tarjeta gráfica y explica en detalle cómo se tiene que hacer y cuando.
¿Mi aplicación es potencialmente programable para aprovechar el cómputo por GPU?
Una GPU puede acelerar una aplicación si se ajusta a los dos criterios siguientes:
- Que sea "Computacionalmente intensiva", es decir, el tiempo empleado en el cálculo excede significativamente el tiempo dedicado a la transferencia de datos hacia y desde la memoria de la GPU.
- "Masivamente en paralelo", es decir, que los cálculos se puedan dividir en cientos o miles de unidades de trabajo independientes.
Las solicitudes que no cumplan estos criterios probablemente podrían funcionar más lentamente en una GPU que en una CPU.
NVIDIA Titan en entornos de desarrollo: ¿Titan o Tesla?
La gráfica NVIDIA Titan es perfecta para desarrolladores gracias a su 1,3 Tflops de capacidad de cálculo en doble precisión y 5,1 Tflops de rendimiento en cálculo simple. Este dato es comparable a NVIDIA Tesla K40, que tiene 1,43 Tflops en doble precisión y 4,29 Tflops en precisión simple. Debido al elevado precio de la Tesla, la mejor opción para un desarrollador es NVIDIA Titan.
Únicamente recomendamos soluciones con NVIDIA Tesla cuando queremos implementar lo desarrollado. Sus ventajas son: Tiene memoria ECC con corrección de errores, admite mayores cargas de trabajo, está certificada para realizar trabajos 24/7 con altas cargas de trabajo en entornos reales. 3 años de garantía especial que da acceso directo a los técnicos de NVIDIA ante cualquier incidencia. La Tesla no tiene salida de vídeo dedicada y tiene un driver certificado.) acelerando tareas computacionalmente intensivas basadas en CUDA para aplicaciones profesionales, científicas e investigadores.
Puede ver aquí un listado de las principales aplicaciones aceleradas por GPU
Bioinformática y ciencias de la vida Para la secuencia y el acoplamiento de proteínas se requieren procesos informáticos muy intensos, por lo que es muy ventajoso el uso de GPU compatibles con CUDA. En la actualidad ya se utilizan GPU para el trabajo con códigos de bioinformática y ciencias de la vida. Más Información. | Cálculo financiero La enorme aceleración que proporcionan las GPUs aceleradoras NVIDIA® TESLA® a aplicaciones de cálculo tan utilizadas como las simulaciones Montecarlo representa una gran ventaja competitiva para las empresas de servicios financieros. Poder calcular el precio y el riesgo de opciones complejas y derivados OTC en segundos en lugar de horas permite ejecutar más simulaciones y, por tanto, mejorar la calidad y fiabilidad de los resultados. Más Información. | Mecánica de fluidos computacional Diferentes proyectos basados en los modelos de Navier-Stokes y los métodos de Boltzman han experimentado importantes mejoras de rendimiento mediante el uso de GPUs con CUDA. Estos resultados se muestran a continuación empezando con varios gráficos seguidos de enlaces a informes técnicos. Existen otros trabajos sobre modelos climáticos y oceánicos también basados en el uso de la GPU. Más Información. | ||
Minería de datos, analítica y bases de datos Cada vez hay más clientes que recurren a las GPU para analizar cantidades masivas de datos (Big Data) y mejorar así la toma de decisiones de negocio en tiempo real. Esta página contiene un resumen de casos de usuarios que están utilizando diferentes técnicas de análisis de datos que incluyen algoritmos de aprendizaje automático, búsqueda o clasificación. Más Información. | Defensa e Inteligencia Los organismos y servicios de inteligencia necesitan disponer de información precisa y puntual tanto en sus operaciones estratégicas como diarias y la procedencia de esos datos puede ser muy diversa, desde satélites y aviones no tripulados hasta cámaras de vigilancia o radares. Convertirlos en información de utilidad requiere una cantidad de recursos considerable. Las tarjetas gráficas NVIDIA incrementa drásticamente la productividad, reduce los costes, el consumo energético, etc. Más Información. | EDA (diseño automatizado) El EDA implica un conjunto diverso de algoritmos y aplicaciones de software necesarios para el diseño de complejos productos semiconductores y de electrónica de próxima generación. El aumento en la complejidad de los diseños VLSI supone un desafío significativo para EDA. Más Información. | ||
Procesamiento de imágenes y visión computarizada Los algoritmos de procesamiento de imágenes y visión computarizada requieren una alta capacidad de cálculo. Con la aceleración de CUDA, las aplicaciones pueden alcanzar las frecuencias de cuadro necesarias para la reproducción de vídeo interactivo. Aquí destacamos algunos de los trabajos desarrollados en el área del procesamiento de imágenes e indicamos algunos recursos para desarrolladores. Más Información. | Ciencia de los materiales Esta ciencia implica investigar la relación entre la estructura y las propiedades de los materiales. estudia conocimientos fundamentales sobre las propiedades físicas macroscópicas de los materiales y los aplica en varias áreas de la ciencia y la ingeniería, consiguiendo que éstos puedan ser utilizados en obras, máquinas y herramientas diversas, o convertidos en productos necesarios o requeridos por la sociedad. | Imágenes para medicina La generación de imágenes médicas es una de las primeras aplicaciones para las que se recurrió a la aceleración mediante GPU. El uso de las GPU se ha hecho tan frecuente en dicho campo que existen varios sistemas médicos que se suministran con GPU Tesla de NVIDIA. Más Información. | ||
Dinámica molecular Las aplicaciones de dinámica molecular son particularmente aptas para la arquitectura de procesamiento paralelo masivo de las GPUs NVIDIA. En los gráficos siguientes, se destaca el trabajo realizado sobre VMD y otras aplicaciones de dinámica molecular como NAMD y HOOMD. | Análisis numérico Aplicaciones como MATLAB®, Mathematica, Jacket™ y LabView se benefician considerablemente del uso de GPUs basadas en CUDA. Con mejoras en la velocidad entre 20 y 40 veces. Más Información. | Física En el campo de la física destacan aplicaciones como Chroma, GTC, MILC o QUDA. En este caso la computación por GPU se usa para Lattice Quantum Chromodynamics (LQCD), simula como se han formado partículas elementales y cómo crean mayores partículas como protones o neutrones. Otro uso que hace la industria es simular microturbulencias, etc. | ||
Química computacional Hay varios proyectos en marcha encaminados a acelerar códigos de química cuántica utilizando GPUs con CUDA, lo que incluye trabajos con Gaussian y GAMESS. Los gráficos siguientes muestran los resultados más representativos, seguidos de enlaces con aplicaciones y publicaciones técnicas relativas al uso de CUDA en química computacional. Más Información. | Exploración física La industria del gas y el petróleo utiliza sistemas de simulación sísmica cada vez más complejos para la búsqueda de nuevas reservas de crudo. Usando algoritmos como los de migración en tiempo y profundidad de Kirchhoff (KTM y KDM), ecuación de onda (WEM), inversión espectral y migración de tiempo inverso (RTM), que necesitan una elevada capacidad de cálculo. Estas aplicaciones están experimentando una considerable aceleración gracias a las GPUs NVIDIA Tesla, | Mecánica estructural computacional Las principales aplicaciones de este sector con soporte en GPU para realizar sus cálculos son: ANSYS, Abaqus, MSC Nastran, IMPETUS Afea y otras aplicaciones de mecánica estructural obtienen importantes ventajas con el uso de las GPUs CUDA. Más Información. | ||
Visualización interacción de proteínas El entorno de programación CUDA™ C simplifica la programación de múltiples núcleos y mejora el rendimiento al descargar las actividades intensivas en materia de computación de la CPU y trasladarlas a la GPU. Esto les permite a los desarrolladores utilizar las GPU NVIDIA para resolver los desafíos intensivos en materia de computación más complejos, tales como el acoplamiento de proteínas, las dinámicas moleculares, los análisis financieros, la dinámica de fluidos, los análisis estructurales y muchos otros. | Modelos climatológicos Las aplicaciones de mecánica de fluidos para el cálculo de modelos climatológicos, atmosféricos y oceánicos, como el modelo WRF (Weather Research and Forecasting), y las simulaciones de maremotos han experimentado avances extraordinarios que permiten acelerar su ejecución y sus niveles de precisión. Más Información. | Ciencias espaciales "Las GPU NVIDIA están cambiando las reglas de la investigación en algunas de las más poderosas súper computadoras alrededor de mundo, incluyendo sistemas en China, Italia, Japón, Rusia, España, y en EE.UU.," comenta Sumit Gupta, director de negocios Tesla en NVIDIA |