Name: GPU nap 2012
Start: 2012-07-02T08:00:00+02:00
End: 2012-07-02T18:00:00+02:00
Location: MTA Wigner FK

GPU nap 2012

Monday, 2 July 2012 - 08:00

Monday, 2 July 2012
09:00 Belépés, Regisztráció - Gergely Gábor Barnaföldi (MTA KFKI RMKI)
Belépés, Regisztráció
- Gergely Gábor Barnaföldi (MTA KFKI RMKI)
09:00 - 09:15
Room: MTA Wigner FK SzFI Tanácsterem
09:15 Köszöntő - Peter Levai (MTA KFKI RMKI)
Köszöntő
- Peter Levai (MTA KFKI RMKI)
09:15 - 09:30
Room: MTA Wigner FK SzFI Tanácsterem
09:30 SGI GPU-klaszterek - Gábor Lehoczky (Silicon Computers)
SGI GPU-klaszterek
- Gábor Lehoczky (Silicon Computers)
09:30 - 10:00
Room: MTA Wigner FK SzFI Tanácsterem
10:00 GPU szimlációk a statisztikus fizikában - Géza Odor
GPU szimlációk a statisztikus fizikában
- Géza Odor
10:00 - 10:20
Room: MTA Wigner FK SzFI Tanácsterem Masszivan parallel GPUs szimulaciok jol alkalmazhatoak stochasztikus sejtautomatakkal leirhato rendszerekre. Ilyenek peldaul az 1,2 dimenzios nemegyensulyi racsgaz modellek, illetve a rajuk lekepezheto felulet novekedesek. A Kardar-Parisi-Zhang stochasztikus differencialegyenlettel jellemzett modellek dinamikus skalaviselkedeset tanulmanyoztuk CUDA-s es OpenCL-es bitkodolt algoritmusokkal. Tobb szazszoros gyorsulasokat, es ezek architektura fuggosegeit is vizsgaltuk. A befagyott rendezetlenseg hatasara a folyamatok logaritmikusan lassuakka es szeles eloszlasuakka valnak. Ilyen nehez problemakkal kapcsolatos kutatsainkra is mutatok peldat. [1] Henrik Schulz, Géza Ódor, Gergely Ódor, Máte Ferenc Nagy, Simulation of 1+1 dimensional surface growth and lattices gases using GPUs Comp. Phys. Comm. 182 (2011) 1467 [2] Jeffrey Kelling and Géza Ódor, Extremely large-scale simulation of a Kardar-Parisi-Zhang model using graphics cards, Phys. Rev. E 84 (2011) 061150 [3] J. Kelling, G. Ódor, M. F. Nagy, H. Schulz, K.-H. Heinig, Comparison of Different Parallel Implementaions of the 2+1-Dimensional KPZ Model and the 3-Dimensional KMC Model, arXiv:1204.5072 EPJST megjeles alatt
10:20 Az ALICE detektor valós idejű részecske nyomfelismerésére GPU-k segítségével az LHC következő mérési időszakában - Ervin Dénes
Az ALICE detektor valós idejű részecske nyomfelismerésére GPU-k segítségével az LHC következő mérési időszakában
- Ervin Dénes
10:20 - 10:40
Room: MTA Wigner FK SzFI Tanácsterem A CERN LHC gyorsítóját elöreláthatóan 2017-18-ban leállítják, hogy a berendezéssel 5-10-szeres luminozitást érjenek el. Ezzel arányosan növekszik eseményráta, ami miatt az adatkiolvasó rendszer átalakítása szükséges. Az ALICE detektor legnagyobb és egyik legfontosabb al-detektora az ALICE TPC, mellyel a részecske nyomokat állíthatjuk helyre. Az adatmennyiség csökkentése érdekében valós idöben kell a nyomokat megtalálni, mely feladathoz a GPU-k jól használhatók. Az előadásban a feladatot vázolom és az eddigi eredményeket mutatom be.
10:40 Kávészünet
Kávészünet
10:40 - 11:00
Room: MTA Wigner FK SzFI Tanácsterem
11:00 SuperMicro GPU megoldások - Csaba Polanyi
SuperMicro GPU megoldások
- Csaba Polanyi
11:00 - 11:20
Room: MTA Wigner FK SzFI Tanácsterem
11:20 Numerikus gravitációelméleti számolások GPU-n - Máté Ferenc Nagy
Numerikus gravitációelméleti számolások GPU-n
- Máté Ferenc Nagy
11:20 - 11:40
Room: MTA Wigner FK SzFI Tanácsterem A gravitáció jelenleg elfogadott legpontosabb elméletében, Einstein általános relativitáselméletében alapvetően fontos szerepet játszanak a nemlineáris folyamatok. Ilyen jelenségek közé sorolhatók a csillagok gravitációs összeomlási folyamata és a kapcsolódó gravitációs sugárzási jelenségek. Mivel a nemlineáris elméletek esetében az analitikus eszközök önmagukban nem biztosítanak minden szempontból kielégítő leírást, ezért megbízható numerikus módszereket kell alkalmazni. Ezen igény kielégítésére az elmúlt évek során egy olyan általános, a sugárzási jelenségek hű leírását is biztosító numerikus eljárást fejlesztettünk ki (GridRipper), amelynek segítségével különféle nemlineáris fejlődési egyenletnek eleget tevő dinamikai rendszerek evolúcióját tudjuk tanulmányozni általános 3+1 dimenziós esetben. Az eljárás alapvetően rácsszámolásra épít, így alkalmas GPU-k általi párhuzamosításra. A GPU-kon történő gyorsítás a feldolgozás gyorsítása mellett lehetővé teszi az adatok interaktív vizualizációját is. Célunk egy olyan szimulációs szoftver kifejlesztése, amivel értékes információkkal gazdagíthatjuk a VIRGO-LIGO kollaboráció munkáját, hozzájárulva a gravitációs hullámok jövőbeni felfedezéséhez.
11:40 Gaussian Mixture Modell alapú Fisher vektor számolás GPGPU-n - Bálint Daróczy
Gaussian Mixture Modell alapú Fisher vektor számolás GPGPU-n
- Bálint Daróczy
11:40 - 12:00
Room: MTA Wigner FK SzFI Tanácsterem A Gaussian Mixture Model-en alapuló Fisher vektor egyike a legjobban teljesítő képklasszifikációs módszereknek. A széles körben használt K-means alapú magas szintű leírókhoz képest mind a hatékony modell építés, mind a Fisher gradiens vektor kiszámítása számításigényes feladat. Ennek egyik oka a GMM tanításához szükséges minták magas száma, illetve a a mintapontok és a képet jellemző gradiens vektorok magas dimenziója. Mivel a számítások jelentős része párhuzamosítható több lehetőség is adódik a sebesség-problémák kiküszöbölésére: sok processzoros klaszterek illetve a GPGPU-k használata. Mindkét megközelítés esetében módosítások szükségesek az eredeti algoritmushoz képest. A GMM/Fisher vektor számolás egyike azon problémáknak, melyek GPU-ra adoptálva hatékonyabb, robusztusabb és legfőképpen gyors algoritmussá fejleszthetőek.
12:00 Ebéd és kerekasztal beszélgetés
Ebéd és kerekasztal beszélgetés
12:00 - 13:40
13:40 GPU megoldások a Medisonál - Wirth András Győző Egri
GPU megoldások a Medisonál
- Wirth András
- Győző Egri
13:40 - 14:00
Room: MTA Wigner FK SzFI Tanácsterem
14:00 GPU-val támogatott jövőkutatás - Mihály Retek
GPU-val támogatott jövőkutatás
- Mihály Retek
14:00 - 14:20
Room: MTA Wigner FK SzFI Tanácsterem A jövőkutatás a jövőbeni fejlődési és fejlesztési lehetőségek sokoldalú feltárását segítő tudomány. A jövőkutatás szemléleti és módszertani segítséget nyújt a különböző, jövőnket érintő és alakító hatásokról, valamint azok jövőt befolyásoló és formáló társadalmi-humán tényezőinek kutatásában. A cél rövid, közép és hosszú távú demográfiai előrejelzések készítése egy újfajta modellezés alapján, amely már meglévő és használt módszereket ötvöz. A modellezés során olyan modell került kidolgozása, amely egyszerre több rendszerdinamikai előrejelzést használ, és azokban a különböző típusú paraméterek értékei eltérnek egymástól. Erre a problémára ideális lehet az evolúciós módszer olyan alkalmazása, ahol minden egyed egy különálló rendszerdinamikai rendszert képvisel, és az egyedek génállománya pedig paraméterekkel van megadva. Az evolúciós módszerben használatos mutáció felelős azért, hogy az egyes egyedek különbözzenek egymástól. A keresztezés két egymástól független rendszer felhasználásával történik. Ez az eljárás garantálja azt, hogy az újonnan létrejövő egyed bizonyos mértékben hasonlítson a már meglévőekhez, de ugyanakkor bizonyos mértékben el is térjen azoktól. A szelekció különböző feltételek, vagy azok kombinációja alapján történhet. Ezek például a következőek lehetnek: születések száma, egészségügyi állapot, szülőkorú nők alakulása, nyugdíjas/gyerekek aránya, munkaképes népesség, stb.. A kidolgozott modell nagymértékben párhuzamosítható, aminek következtében GPU-ra történő implementálásra is teljes mértékben alkalmas. Ily módon a CPU-ra és a GPU-ra implementált változatok közötti sebességbeli különbségek összehasonlíthatóak a különböző komplexitású alternatívákon. Ugyanakkor a GPU-ra történő alkalmazási algoritmust optimalizálni kell az egyes gyártók célhardvereire.
14:20 Gravitációs hullámok keresése GPU-val a LIGO - Virgo kisérletben - Gergely Debreczeni
Gravitációs hullámok keresése GPU-val a LIGO - Virgo kisérletben
- Gergely Debreczeni
14:20 - 14:40
Room: MTA Wigner FK SzFI Tanácsterem
14:40 GPU alapú fotontranszport nagyfelbontású heterogén közegben - László Szirmay-Kalos (BME)
GPU alapú fotontranszport nagyfelbontású heterogén közegben
- László Szirmay-Kalos (BME)
14:40 - 15:00
Room: MTA Wigner FK SzFI Tanácsterem Az előadás egy GPU alapú, gyors, párhuzamos Monte Carlo algoritmust javasol a transzportegyenlet megoldására inhomogén közegben. A fotontranszport probléma alapvető a számítógépes grafikában, orvosi és fizikai szimulációkban. A Monte Carlo fotontranszport három részfeladatból áll, szabad úthossz meghatározás, szóródási irányszámítás, illetve terminálás. A szabad úthossz számításhoz egy virtuális részecskéken alapuló módszert javaslunk, amely extrém nagy felbontásokra is skálázható és erősen inhomogén közegben is hatékony. A szórási irányt a GPU textúra interpolációs hardverének segítségével határozzuk meg konstans időben, egyetlen textúra olvasással. Bemutatjuk a rendszer szoftverarchitektúráját is, amely feltételes utasítások nélküli szálakat futtat úgy, hogy minden processzor folyamatosan terhelt legyen. Az algoritmust a visible human adathalmazon és procedurálisan definiált extrém bontású Perlin zajjal demonstráljuk.
15:00 GPU technológia az oktatásban és kutatásban a Pannon Egyetemen - Zoltán Juhász
GPU technológia az oktatásban és kutatásban a Pannon Egyetemen
- Zoltán Juhász
15:00 - 15:20
Room: MTA Wigner FK SzFI Tanácsterem A Pannon Egyetem Villamosmérnöki és Információs Rendszerek Tanszékén több éve folyik GPU technológiával kapcsolatos oktatási-kutatási tevékenység. Az előadás bevezetőjében röviden bemutatjuk a tanszék GPU infrastruktúráját, a BSc-MSc képzésben megjelenő GPU programozási ismereteket. Az előadás hátralévő részében jelenleg folyó GPU-alapú képfeldolgozási és agyi EEG képalkotó kutatási témáinkról lesz szó. Ebben kitérünk a feladatok jellegére, a GPU technológia szerepére, valamint a felmerült problémákra és kihívásokra.
15:20 Kávészünet
Kávészünet
15:20 - 15:40
Room: MTA Wigner FK SzFI Tanácsterem
15:40 OpenCL implementációk teljesítményelemzése: CLBenchmark 1.1 - Balázs Keszthelyi (Kishinti KFT)
OpenCL implementációk teljesítményelemzése: CLBenchmark 1.1
- Balázs Keszthelyi (Kishinti KFT)
15:40 - 16:00
Room: MTA Wigner FK SzFI Tanácsterem A manapság teret hódító heterogén architektúrák (iGPU+CPU) és a klasszikus GP-(d)GPU programozási módszerek egységes formára hozása érdekében létrejött OpenCL platform mostanra vált érett, támogatott, komolyan vehető alternatívájává a gyártó-specifikus API-knak. Az OpenCL-t megvalósító implementációknak így se szeri se száma, de ahhoz, hogy összehasonlíthassuk ezek erősségeit és gyengeségeit, hogy adott feladatra a legalkalmasabbat választhassuk közülük, egy olyan eszközre van szükségünk, mint a CLBenchmark. A CLBenchmark egy platform- és gyártó-független benchmark megoldás, ami azonban iparági vezető cégekkel együttműködésben készült, így megbízható módon tárja elénk az egyes magasszintű problémák megoldásában mutatott teljesítményt, és annak karakterisztikáját egyaránt. Előadásomban szót fogok ejteni a tesztek kiválasztásáról, azok relevanciájáról, valamint arról, hogy milyen problémákkal lehet analógiát felállítani az eredmények értékelése során.
16:00 GPU a szuperszámítógépben és Fortran CUDA Wrapper készítése - Tamás Hornos
GPU a szuperszámítógépben és Fortran CUDA Wrapper készítése
- Tamás Hornos
16:00 - 16:20
Room: MTA Wigner FK SzFI Tanácsterem GPU kártyák beállítás Slurm ütemező alatt ill. GPU jobok az SHF3 keretrendszerben (https://github.com/hornos/shf3). Fortran CUDA (Fuda) POC wrapper bemutatása (https://github.com/hornos/fuda) ill. helye az általános FMP keretrendszerben (https://github.com/hornos/fmp).
16:20 Convection phenomena: moving grains - Gyula Tóth
Convection phenomena: moving grains
- Gyula Tóth
16:20 - 16:40
Room: MTA Wigner FK SzFI Tanácsterem
16:40 AliROOT szimuláció GPU alapon - Gergely Gábor Barnaföldi (Wigner RCP RNI)
AliROOT szimuláció GPU alapon
- Gergely Gábor Barnaföldi (Wigner RCP RNI)
16:40 - 17:00
Room: MTA Wigner FK SzFI Tanácsterem A CERN LHC ALICE kísérlet Monte Carlo alapú részecskegenerátora az AliROOT, amely mind az elméleti elemzésekben, mind pedig a detektorok szimulációiban fontos szerepet kap. Sokat számítana, ha e generátor sebesség többszörösére növelhetnénk a grafikus processzorok segítségével. Korábbi munkánkban az AliROOT PRNG modulját cseréltük ki egy GPU alapú Mersenne-Twister algoritmusra, mely lehetővé teszi a GPU kártyák kihasználását akár az LHC GRID rendszeren belül is.