CUDA (англ. Compute Unified Device Architecture) — это архитектура параллельных вычислений от NVIDIA, позволяющая существенно увеличить вычислительную производительность благодаря использованию GPU (графических процессоров).
На сегодняшний день продажи CUDA процессоров достигли 128 миллионов. Тысячи разработчиков программного обеспечения, ученых и исследователей широко используют CUDA в различных областях, включая обработку видео, астрофизику, вычислительную биологию и химию, моделирование динамики жидкостей, электромагнитных взаимодействий, восстановление изображений, полученных путем компьютерной томографии, сейсмический анализ, трассировку луча и многое другое.
Направление вычислений эволюционирует от «централизованной обработки данных» на центральном процессоре до «совместной обработки» на CPU и GPU. Для реализации новой вычислительной парадигмы компания NVIDIA изобрела архитектуру параллельных вычислений CUDA, на данный момент представленную в графических процессорах GeForce, ION, Quadro и Tesla и обеспечивающую необходимую базу разработчикам ПО.
Говоря о потребительском рынке, стоит отметить, что почти все основные приложения для работы с видео уже оборудованы, либо будут оснащены поддержкой CUDA-ускорения, включая продукты от Elemental Technologies, MotionDSP и LoiLo.
Область научных исследований с большим энтузиазмом встретила технологию CUDA. К примеру, сейчас CUDA ускоряет AMBER, программу для моделирования молекулярной динамики, используемую более 60000 исследователями в академической среде и фармацевтическими компаниями по всему миру для сокращения сроков создания лекарственных препаратов.
На финансовом рынке компании Numerix и CompatibL анонсировали поддержку CUDA в новом приложении анализа риска контрагентов и достигли ускорения работы в 18 раз. Numerix используется почти 400 финансовыми институтами.
Показателем роста применения CUDA является также рост использования графических процессоров Tesla в GPU вычислениях. На данный момент более 700 GPU кластеров установлены по всему миру в компаниях из списка Fortune 500, таких как Schlumberger и Chevron в энергетическом секторе, а также BNP Paribas в секторе банковских услуг.
Благодаря ожидаемым в ближайшем будущем системам Microsoft Windows 7 и Apple Snow Leopard, вычисления на GPU займут свои позиции в секторе массовых решений. В этих новых операционных системах GPU предстанет не только графическим процессором, но также и универсальным процессором для параллельных вычислений, работающим с любым приложением.
Преимущества
По сравнению с традиционным подходом к организации вычислений общего назначения посредством возможностей графических API, у архитектуры CUDA отмечают следующие преимущества в этой области:
— Интерфейс программирования приложений CUDA (CUDA API) основан на стандартном языке программирования Си с некоторыми ограничениями. По мнению разработчиков, это должно упростить и сгладить процесс изучения архитектуры CUDA
— Разделяемая между потоками память (shared memory) размером в 16 Кб может быть использована под организованный пользователем кэш с более широкой полосой пропускания, чем при выборке из обычных текстур
— Более эффективные транзакции между памятью центрального процессора и видеопамятью
— Полная аппаратная поддержка целочисленных и побитовых операций
Ограничения
— Все функции, выполнимые на устройстве, не поддерживают рекурсии (в версии CUDA Toolkit 3.1 поддерживает указатели и рекурсию) и имеют некоторые другие ограничения
— Архитектуру CUDA поддерживает и развивает только производитель NVidia
CUDA в действии
Сегодня десятки тысяч разработчиков, ученых, студентов, создателей компьютерных игр и исследователей программируют приложения, использующие возможности GPU вычислений в самых различных областях, включая основанный на точной физике игровой процесс, анализ фондового риска, сейсмических данных и прогнозирование погоды.
General Mills использовала систему на основе CUDA для ответа на вопрос: Каким оптимальным способом можно приготовить замороженную пиццу в микроволновой печи? Вместо проведения физических экспериментов на тысячах комбинаций General Mills создала модели виртуальной пиццы, позволяющие обнаружить, какой эффект оказывает микроволновое излучение на различные сочетания сыра моцарелла, томатной пасты и основы из теста. Оказалось, что использование модели пиццы, созданной при помощи сложных компьютерных вычислений, экономит время и деньги. Впоследствии компанией были изготовлены только самые успешные варианты.
SeismicCity использует CUDA для повышения шансов обнаружения нефти. Стоимость бурения глубокой нефтедобывающей шахты может достигать сотен миллионов долларов. Во многих случаях представляется только один успешный исход бурения. Принадлежащая SeismicCity технология создания глубинных изображений на основе CUDA-вычислений позволяет верно интерпретировать сейсмические данные и помогает находить новые места для бурения скважин намного быстрее, чем системы предыдущих поколений.
OptiTex Ltd. и ее новой 3D технологии создания промышленного дизайна индустрия дизайна одежды поднялась на существенно новый уровень. Традиционно модным дизайнерам приходилось создавать тестовые изделия из ткани, что отнимало массу времени и приводило к большим расходам. Приложение OptiTex 3D модернизирует подход и позволяет дизайнерам симулировать внешний вид и движение тканей при помощи виртуальных моделей, предоставляя им возможность просмотреть, улучшить и снять измерения с прототипов еще до того, как ножницы коснутся материала. Обычно создание сезонной коллекции занимает 190 дней, но благодаря решению на основе CUDA от OptiTex время разработки и создания продукта сократилось до 35 дней.
Вот всего лишь несколько примеров того, как параллельные вычисления на GPU вносят революционные изменения в мир ресурсоемких задач во множестве отраслей промышленности.
Более того, представители академической среды также осознали невероятный потенциал данной вычислительной архитектуры. GPU-вычисления на основе CUDA теперь являются частью учебной программы в более чем 200 университетах, включая Массачусетский технологический институт (MIT), Гарвард, Кембридж, Оксфорд, Технологические институты Индии, Национальный университет Тайваня и Китайскую академию наук.
