Achtergrond

GPU-rekenen: bezint eer ge begint (maar doe het daarna wel)

Martijn Slob, Bjorn Snijders
Leestijd: 7 minuten

GPU‘s worden soms gezien als de ultieme oplossing voor het versnellen van grote berekeningen, maar zo simpel ligt het niet. De manier van implementeren bepaalt in belangrijke mate het succes en de keuze van het algoritme kan zelfs een nog grotere impact hebben, zo bleek bij een project rond het simuleren van ultrasone golven in metalen objecten.

Scientific computing is het vakgebied dat zich bezighoudt met het uitvoeren van grootschalige berekeningen met behulp van de computer. Een vakgebied dat sinds 1940 een ongelooflijke ontwikkeling heeft doorgemaakt, waar voorlopig geen eind aan lijkt te komen. Op het terrein van hardware zien we een ontwikkeling in het parallel inzetten van specifieke rekenkernen, zoals GPU‘s, DSP‘s en FPGA‘s. Door hun relatief lage prijs komt high-performance computing opeens heel dichtbij voor allerlei toepassingen.

Dit soort hardware heeft echter ook zijn beperkingen, want niet alle algoritmes zijn geschikt voor parallellisatie. Daarnaast zijn er beperkingen zoals een gelimiteerd lokaal geheugen per rekenunit. Om de rekenkracht ten volle te benutten, zullen de algoritmes daarom sterk getuned moeten zijn op de hardware waarop ze draaien.

This article is exclusively available to premium members of Bits&Chips. Already a premium member? Please log in. Not yet a premium member? Become one and enjoy all the benefits.

Login

Related content