0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

近600个应用程序通过NVIDIA GPU实现了提速

NVIDIA英伟达企业解决方案 来源:cc 2019-02-14 14:15 次阅读

十几年前,还不曾有加速应用程序。而如今已有近600个应用程序通过NVIDIA GPU实现了提速。

这些应用程序涵盖了物理、生物科学、分子动力学、化学和天气预报等各个领域。其中包括全球最热门的15个高性能计算应用程序,也都是通过GPU实现加速的。去年,NVIDIA GPU应用程序目录收录了100多个应用程序,接下来还会有更多的程序将被陆续添加到目录中。

Intersect 360研究所的一份报告中收录了数据中心运行的各个关键应用程序。其中,排名前15的应用程序均由GPU加速,这些都是一系列杀手级的核心科学应用程序。其中包括:

GROMACS(化学)– 分子动力学应用程序,旨在模拟包含了数百到数百万个粒子的系统的牛顿运动方程。

ANSYS(流体动力学分析)– 模拟液体和气体与表面的相互作用。

Gaussian(化学)– 预测分子系统的能量、分子结构和振动频率。

VASP(化学)– 用于从头计算法量子力学分子动力学模拟。

NAMD(化学)– 大型生物分子系统的高性能模拟。

Simulia Abaqus(结构分析)– 用于结构力学的模拟和分析。

WRF(天气/环境建模)– 数值天气预报系统,专为大气研究和操作预测应用程序而设计。

OpenFOAM(流体动力学分析)– 通用型 CFD 软件的求解器库。

ANSYS(结构分析)– 对高频和高速电子元件中的 3D 全波电磁场进行建模。

LS-DYNA(结构分析)– 结构力学的模拟和分析工具。

BLAST(生物科学)– 应用最为广泛的生物信息学工具之一。

LAMMPS(化学)– 经典分子动力学程序包。

Amber(化学)– 专门针对生物分子系统模拟而开发的分子动力学应用程序。

Quantum Espresso(化学)– 一套集成的计算机代码,用于电子结构计算和纳米级材料建模。

GAMESS(化学)– 用于模拟原子和分子电子结构的计算化学套件。

这些工具本身无法实现性能的递增性提升。但通过采用NVIDIA GPU的服务器,其性能通常可提高10 倍或更多。并且,GPU加速可以改善数据中心的经济效益。

预测天气

天气预报是一项远比其看起来更加困难的工作。天气预报是高性能计算领域的一个重要分支。准确可靠的天气预报不仅可以拯救生命,还有助于航空、能源和公用事业、保险、零售和其他行业做出经济决策。

天气预报需要大量的计算资源,包括几何尺度(尤其是全球天气预报),和大量描述大气状态的变量。

但是,受限于可用的计算量和应用程序的性能,当前的天气预报模型仅限于低分辨率的模拟,例如12公里的分辨率。

这些模型忽略了一些重要的细节,例如云层的影响(云层可以反射太阳辐射,在天气模式中扮演着重要的角色)。采用1公里云分辨率可以改善预测效果,但这需要 应用程序的性能提升1700倍。

GPU加速可以弥补此差距,提高天气预报的准确性。

加速空气动力学模拟

使用NASA的FUN3D代码模拟SLS Block 1B助推器分离流场。该图片由Jamie Meeroff,Henry Lee,NASA/Ames提供。

火箭能够以超高的速度飞行,然而利用大规模空气动力学模拟,我们可以对其进行改进,让火箭可以飞得更快、更高效。

NASA兰利研究中心开发的FUN3D计算流体动力学软件,可用于模拟各种空气动力学应用程序中的流体流动。该应用程序在NASA Pleiades超级计算机上消耗的周期比其他任何应用程序都要多。借助于GPU加速,采用了6个NVIDIA V100 Tensor Core GPU的服务器能够以高出双插槽CPU服务器30倍的性能运行这些模拟。

总结:GPU具备非常好的性能,从而高效地计算规模更大、更复杂的模拟。NASA已经证明,在Summit超级计算机上,仅需运行1000台GPU服务器就可以完成100多万个CPU核心的工作。而且,其能源成本远低于CPU。

性能持续提升

我们在各个加速计算领域都拥有深厚的储备。结合由100多万名开发人员组成的生态系统,我们将共同形成一个不断改进的平台。该平台可以在相同的 GPU加速服务器上提供更高的应用程序性能。

例如,在包含 11 个高性能计算应用程序的组合中,对于采用4个NVIDIA Tesla P100 GPU的服务器,其当前的运行速度比两年前提高了2倍。如果同时改进软件堆栈和GPU架构,您可以获得更大的性能提升。

现在,通过单一平台,您可以加速各种高性能计算领域的应用程序:科学计算、工业模拟、深度学习机器学习

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • NVIDIA
    +关注

    关注

    14

    文章

    4592

    浏览量

    101706
  • gpu
    gpu
    +关注

    关注

    27

    文章

    4417

    浏览量

    126672

原文标题:GPU已加速的近600个高性能计算应用程序都有哪些?

文章出处:【微信号:NVIDIA-Enterprise,微信公众号:NVIDIA英伟达企业解决方案】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    利用NVIDIA组件提升GPU推理的吞吐

    本实践中,唯品会 AI 平台与 NVIDIA 团队合作,结合 NVIDIA TensorRT 和 NVIDIA Merlin HierarchicalKV(HKV)将推理的稠密网络和热 Embedding 全置于
    的头像 发表于 04-20 09:39 155次阅读

    请问使用FreeRTOS与LWIP不算应用程序消耗600K Byte RAM是否够用?

    大家好! 最近新项目中需要使用FreeRTOS + LWIP,选MCU时候,对内部RAM资源无法准确评估: 请问使用FreeRTOS与LWIP 不算应用程序消耗 600K Byte RAM 是否够用
    发表于 04-18 07:37

    如何选择NVIDIA GPU和虚拟化软件的组合方案呢?

    NVIDIA vGPU 解决方案能够将 NVIDIA GPU 的强大功能带入虚拟桌面、应用程序和工作站,加速图形和计算,使在家办公或在任何地方工作的创意和技术专业人员能够访问虚拟化工作
    的头像 发表于 01-12 09:26 273次阅读
    如何选择<b class='flag-5'>NVIDIA</b> <b class='flag-5'>GPU</b>和虚拟化软件的组合方案呢?

    NVIDIA GPU的核心架构及架构演进

    在探讨 NVIDIA GPU 架构之前,我们先来了解一些相关的基本知识。GPU 的概念,是由 NVIDIA 公司在 1999 年发布 Geforce256 图形处理芯片时首先提出,从此
    发表于 11-21 09:40 434次阅读
    <b class='flag-5'>NVIDIA</b> <b class='flag-5'>GPU</b>的核心架构及架构演进

    使用 NVIDIA DOCA 2.2 加速数据中心工作负载和 AI 应用程序

    了数据中心的创新,实现应用程序的快速部署。 凭借全面的功能,NVIDIA DOCA 可为基于 BlueField DPU 进行开发的开发人员提供大规模加速数据中心工作负载和人工智能应用程序
    的头像 发表于 09-05 19:40 375次阅读
    使用 <b class='flag-5'>NVIDIA</b> DOCA 2.2 加速数据中心工作负载和 AI <b class='flag-5'>应用程序</b>

    Mali GPU OpenGL ES应用程序开发指南

    这是适用于马里GPU的OpenGL ES应用程序开发指南。 它提供使用OpenGL ES 1.1和OpenGL ES 2.0 API为马里GPU开发
    发表于 08-30 07:57

    ARM Mali-T600系列GPU OpenCL开发人员指南

    GPU计算,或图形处理单元上的通用计算(GPGPU),是将GPU的并行计算能力用于3D图形渲染以外的任务的实践。 应用程序处理器被设计为尽可能快地执行单个线程。 这类处理通常包括标量操作和控制代码
    发表于 08-24 07:07

    使用 NVIDIA DOCA GPUNetIO 实现实时网络处理功能

    GPU 提升为一个独立的组件,可以在没有 CPU 干预的情况下执行网络和计算任务。 本文提供了一个 GPU 数据包处理应用程序的列表,这些应用程序虽然专注于不同和无关的场景,但都
    的头像 发表于 08-16 20:05 313次阅读
    使用 <b class='flag-5'>NVIDIA</b> DOCA GPUNetIO <b class='flag-5'>实现</b>实时网络处理功能

    Arm Mali™ GPU OpenCL开发者指南

    Arm®生产马里家庭™ GPU。Bifrost、Valhall和第五代是马里的三GPU架构。 马里™ GPU并行运行包含相对较少控制代码的数据处理任务。马里™
    发表于 08-10 07:47

    Arm Forge 22.1.3版用户指南

    、OpenPOWER、NVIDIA GPU和AMD GPU硬件。 Arm Forge为您提供在任何规模调试、修复和配置程序所需的一切。 在
    发表于 08-10 06:29

    创建端到端零售愿景AI应用程序

    使用 NVIDIA DeepStream 和 NVIDIA TAO 工具包构建端到端零售分析应用程序
    的头像 发表于 07-05 16:30 254次阅读
    创建端到端零售愿景AI<b class='flag-5'>应用程序</b>

    CPU与GPU密集型应用程序

    在数据科学、机器学习、建模和其他生产性任务中使用 GPU 进行一般处理的作用越来越大,这反过来又促使改进硬件迎合这些应用程序,并提供更好的软件支持。NVIDIA 开发的张量核心极大地改进了训练神经网络和在现实世界、实时
    发表于 06-14 09:36 810次阅读
    CPU与<b class='flag-5'>GPU</b>密集型<b class='flag-5'>应用程序</b>

    如何才能知道5.10.72的Vivante_vdk测试Qt应用程序GPU使用情况?

    大家好。 我正在使用内核 BSP 5.10.72,所以我想使用此版本的 gpu_vprofiler 来获取兼容的 openGL 和 EGL 库。 请帮助我获取此版本 5.10.72 的 Vivante_vdk 以测试 Qt 应用程序
    发表于 05-31 06:03

    imx6qasbresd运行Qt5 GUI 应用程序面临分段错误怎么解决?

    是 5.10 imx-linux-hardknott BSP。 我可能错过了什么?它是否需要 DRM 初始化,我在 $dmesg | 中没有得到任何打印 grep 图形处理器 同一应用程序在 imx-linux-hardknott BSP 中工作,所以我一定是这里缺少
    发表于 05-30 10:21

    使用 NVIDIA BlueField-3 DPU 驱动下一波应用程序

    ChatGPT、Stable Diffusion、DALL-E 以及类似的应用程序让生成式 AI 震惊了世界。ChatGPT 是有史以来发展最快的应用程序。其易用性和令人印象深刻的功能在短短几个月
    的头像 发表于 05-24 05:45 607次阅读
    使用 <b class='flag-5'>NVIDIA</b> BlueField-3 DPU 驱动下一波<b class='flag-5'>应用程序</b>