Was ist GPU-Computing?

Druckversion

GPU-Computing ist grafikprozessorbasiertes Computing. Mit seiner Einführung wurden Wissenschaft und Forschung neue Türen geöffnet.

Da aufgrund der massiv-parallelen Architektur berechnungsintensive Aufgaben unter Einbeziehung von Grafikprozessoren um ein Vielfaches schneller erledigt werden als mit konventionellen Hauptprozessoren, birgt das GPU-Computing enormes Potential - vor allem in Bereichen, in denen im Rahmen von daten- und rechenintensiver Grundlagenforschung gewaltige Messdatenmengen verarbeitet werden.

Wie funktioniert GPU-Computing?

Im Rahmen von Simulationen auf hybriden CPU-GPU-Systemen werden ergänzend zu Hauptprozessoren (CPU/Central Processing Unit) auch die Grafikprozessoren parallel in den heterogenen Rechenprozess einbezogen. So kann von der hohen Rechenleistung der Grafikprozessoren profitiert werden. Programmteile, die massiv-parallel abgearbeitet werden können, lassen sich effizient auf der GPU berechnen, während auf der CPU unter anderem sequentielle Algorithmen bearbeitet werden. Diese Aufgabenteilung eröffnet die Möglichkeit, sehr rechenintensive Algorithmen effizient zu bearbeiten. Der Leistungsvorsprung, den Grafikprozessoren erreichen, macht sie besonders interessant für wissenschaftliche Anwendungen.

Geschichte

Die Technologie des GPU-Computings ist relativ jung. Die Anfänge liegen rund zehn Jahre zurück, als man dazu überging, neben Hauptprozessoren auch Grafikprozessoren für besonders rechen- und datenintensive Verfahren einzusetzen. In Wissenschaft und Forschung erkannte man um die Jahrtausendwende das enorme Potential, das im Supercomputing/High Performance Computing in der Nutzung von Grafikprozessoren für allgemeine Rechenprozesse steckt. Der Begriff GPGPU („General Purpose Computing on GPUs“ bzw. „allgemeine Berechnungen auf Grafikprozessoren“) etablierte sich schnell.

NVIDIA entwickelte 2006/2007 die CUDA™-Technologie. Als einzige C-Programmierumgebung setzt die "Compute Unified Device Architecture" die Leistung des Grafikprozessors (GPU/Graphics Processing Unit) frei, so dass anspruchsvolle Berechnungen auf diese Art schneller und kostengünstiger durchgeführt werden können.

So jung die Technologie auch ist: Seit bestätigt werden konnte, dass GPUs für zahlreiche wissenschaftliche Anwendungen wegen ihres beeindruckenden Leistungsverhaltens bei Gleitkommaberechnungen enorme Leistungssteigerungen bewirken, haben sich in Forschung und Entwicklung rasante Fortschritte vollzogen.

Persönlicher Ansprechpartner:

Zentrale
FluiDyna GmbH
Tel.: +49 (0)89-558 909 6-0
info@fluidyna.de

Treffen Sie uns persönlich auf der nächsten Messe:

GTC München - Stand E07 //
10. Oct. 2017
Auf dem Laufenden bleiben: