Technologie GPU open-source pour les supercalculateurs

Des chercheurs du Laboratoire international HSE de modélisation atomistique et d’analyse multi-échelles du HSE, JIHT RAS et MIPT ont comparé les performances de programmes de modélisation moléculaire populaires sur des accélérateurs GPU produits par AMD et Nvidia. Dans un article publié par le Revue internationale des applications de calcul haute performance, les chercheurs ont porté LAMMPS sur la nouvelle technologie GPU open-source, AMD HIP, pour la première fois.

Les chercheurs ont analysé en profondeur les performances de trois programmes de modélisation moléculaire – LAMMPS, Gromacs et OpenMM – sur les accélérateurs GPU Nvidia et AMD avec des paramètres de crête comparables. Pour les tests, ils ont utilisé le modèle d’ApoA1 (Apolipoprotéine A1) – apolipoprotéine dans le plasma sanguin, la principale protéine porteuse du «bon cholestérol». Ils ont constaté que la performance des calculs de recherche est influencée non seulement par les paramètres matériels, mais aussi par le logiciel Il s’est avéré que des performances inefficaces des pilotes AMD dans des scénarios compliqués de lancement parallèle de noyaux de calcul peuvent entraîner des retards considérables.Les solutions open-source ont toujours leurs inconvénients.

Dans l’article récemment publié, les chercheurs ont été les premiers à porter LAMMPS sur une nouvelle technologie GPU open-source, AMD HIP. Cette technologie en développement semble très prometteuse car elle permet d’utiliser efficacement un code à la fois sur les accélérateurs Nvidia et sur les nouveaux GPU d’AMD. La modification LAMMPS développée a été publiée en open source et est disponible dans le référentiel officiel: les utilisateurs du monde entier peuvent l’utiliser pour accélérer leurs calculs.

«Nous avons analysé et comparé en profondeur les sous-systèmes de mémoire d’accélérateur GPU des architectures Nvidia Volta et AMD Vega20. J’ai trouvé une différence dans les logiques de lancement parallèle des noyaux GPU et je l’ai démontré en visualisant les profils du programme. La bande passante mémoire et les latences des différents niveaux de hiérarchie de la mémoire GPU ainsi que l’exécution parallèle efficace des noyaux GPU – tous ces aspects ont un impact majeur sur les performances réelles des programmes GPU », a déclaré Vsevolod Nikolskiy, doctorant à l’Université HSE et l’un des auteurs de l’article.

Les auteurs de l’article soutiennent que la participation à la course technologique des géants contemporains de la microélectronique démontre une tendance évidente vers une plus grande variété de technologies d’accélération GPU.

“D’une part, ce fait est positif pour les utilisateurs finaux, car il stimule la concurrence, une efficacité croissante et la diminution du coût des supercalculateurs. D’un autre côté, il sera encore plus difficile de développer des programmes efficaces en raison de la nécessité de prendre en compte les disponibilité de plusieurs types d’architectures GPU et de technologies de programmation », a déclaré Vladimir Stegailov, professeur à l’Université HSE. «Même la prise en charge de la portabilité des programmes pour les processeurs ordinaires sur différentes architectures (x86, Arm, POWER) est souvent compliquée. La portabilité des programmes entre différentes plates-formes GPU est un problème beaucoup plus compliqué. Le paradigme open-source élimine de nombreux obstacles et aide les développeurs de grandes et un logiciel de supercalculateur compliqué. “

En 2020, le marché des accélérateurs graphiques a connu un déficit croissant. Les domaines populaires de leur utilisation sont bien connus: l’extraction de crypto-monnaie et les tâches d’apprentissage automatique. Parallèlement, la recherche scientifique nécessite également des accélérateurs GPU pour la modélisation mathématique de nouveaux matériaux et molécules biologiques.

“Créer de puissants superordinateurs et développer des programmes rapides et efficaces est la façon dont les outils sont préparés pour résoudre les défis mondiaux les plus complexes, tels que la pandémie COVID-19. Les outils de calcul pour la modélisation moléculaire sont aujourd’hui utilisés dans le monde entier pour rechercher des moyens de lutter contre le virus,” a déclaré Nikolay Kondratyuk, chercheur à l’Université HSE et l’un des auteurs de l’article.

Les programmes les plus importants pour la modélisation mathématique sont développés par des équipes internationales et des chercheurs de dizaines d’établissements. Le développement est réalisé dans le paradigme open-source et sous licences libres. La concurrence de deux géants contemporains de la microélectronique, Nvidia et AMD, a conduit à l’émergence d’une nouvelle infrastructure open-source pour la programmation d’accélérateurs GPU, AMD ROCm. Le caractère open-source de cette plateforme laisse espérer une portabilité maximale des codes développés avec son utilisation, vers des supercalculateurs de types variés. Une telle stratégie AMD est différente de l’approche de Nvidia, dont la technologie CUDA est un standard fermé.

Il n’a pas fallu longtemps pour voir la réponse de la communauté universitaire. Les projets des plus grands nouveaux supercalculateurs basés sur des accélérateurs GPU AMD sont presque terminés. Le Lumi en Finlande, avec 0,5 exaFLOPS de performances (ce qui est similaire aux performances de 1 500 000 ordinateurs portables!) Est en cours de construction. Cette année, un supercalculateur plus puissant, Frontier, est attendu aux États-Unis (1,5 exaFLOPS), et en 2023 – un El Capitan encore plus puissant (2 exaFLOPS) est attendu.

Fourni par l’École supérieure d’économie de l’Université nationale de recherche