並列処理による処理速度向上

Size: px

Start display at page:

Download "並列処理による処理速度向上"

かずきつなかわ
5 years ago
Views:

科学の新領域を拓く物物理学者や計算化学者が命科学の研究をう際今までは不可能だったことを可能にしてくれるのが NVIDIA Tesla Bio Workbench です NVIDIA Tesla GPU を活しごく普通の PC をコンピュテーショナルラボに変換して複雑な命科学コードを実

えるコミュニティサイトそしてそのようなアプリケーションを CPU のみで構成されたコンピュータの 1/10 という低コストで実できる GPU ベースのプラットフォームです今まではスーパーコンピューティング資源がなければえなかったほど複雑な分シミュレーションが普通のワークステーションで

で速処理することができます分動学量化学 - AMBER GROMACS HOOMD LAMMPS NAMD TeraChem ( 量化学 ) VMD バイオインフォマティクス - CUDA-BLASTP CUDA-EC CUDA-MEME CUDASW++ (Smith-Waterman)

html をご覧ください GPU ソリューション Tesla Bio Workbench のアプリケーションは GPU ベースのデスクトップパーソナルスーパーコンピュータあるいはデータセンターソリューションで実します計算科学の進歩を加速できるように新的な超並列 CUDA GPU

1 科学の新領域を拓く物物理学者や計算化学者が命科学の研究をう際今までは不可能だったことを可能にしてくれるのが NVIDIA Tesla Bio Workbench です NVIDIA Tesla GPU を活しごく普通の PC をコンピュテーショナルラボに変換して複雑な命科学コードを実可能とし新薬の発や DNA 塩基配列の決定を従来の 10 倍から 20 倍もの速度で実現できるのです Tesla Bio Workbench を構成するのは命科学分野の各種アプリケーションそのようなアプリケーションのダウンロードサイトさらにアプリケーションについての議論や結果のチェックなどがえるコミュニティサイトそしてそのようなアプリケーションを CPU のみで構成されたコンピュータの 1/10 という低コストで実できる GPU ベースのプラットフォームです今まではスーパーコンピューティング資源がなければえなかったほど複雑な分シミュレーションが普通のワークステーションでえるようになれば研究のワークフローが最適化され研究のペースが幅に上昇します同じシミュレーションを GPU ベースのサーバクラスタへとスケールアップすればスーパーコンピュータでなければ不可能だった巨な分や系のシミュレーションも可能になりますたとえば以下のようなアプリケーションは GPU で速処理することができます分動学量化学 - AMBER GROMACS HOOMD LAMMPS NAMD TeraChem ( 量化学 ) VMD バイオインフォマティクス - CUDA-BLASTP CUDA-EC CUDA-MEME CUDASW++ (Smith-Waterman) GPU-HMMER MUMmerGPU 詳しい情報は tesla_bio_workbench_jp.html をご覧ください GPU ソリューション Tesla Bio Workbench のアプリケーションは GPU ベースのデスクトップパーソナルスーパーコンピュータあるいはデータセンターソリューションで実します計算科学の進歩を加速できるように新的な超並列 CUDA GPU コンピューティングアーキテクチャをベースとしたソリューションでありいずれもすでに購可能な状況となっていますをご覧になると以下の製品について詳しく知ることができますワークステーションソリューション : Tesla パーソナルスーパーコンピュータ机上でパーソナルなスーパーコンピューティングを実現データセンターソリューション : TESLA GPU コンピューティングクラスタ規模設備を使したコンピューティングに最適

ノ秒//ナノ秒/ステップ/タイムステップシミュレーション時間(フェムト秒)//GPU ベースの分動学量化学アプリケーションナAMBER CUDA 対応 GPU を使すると AMBER による明的溶媒や明的溶媒のシミュレーションを速にうことができます CUDA アーキテクチャをベースとした Tesla GPU コンピューティングソリューションと組み合わせるとクアッドコア

を念頭に基礎から構築された汎の粒学パッケージですさまざまな種類の場や積分機能を持っていますしオブジェクト指向となっているため必要に応じて場や機能を追加することも簡単にえます HOOMD-blue のページでは詳しいベンチマークを確認することができます Tesla GPU 1 個と HOOMD-blue の組み合わせは CPU コア 32 個を超える性能を発揮します

2 ノ秒//ナノ秒/ステップ/タイムステップシミュレーション時間(フェムト秒)//GPU ベースの分動学量化学アプリケーションナAMBER CUDA 対応 GPU を使すると AMBER による明的溶媒や明的溶媒のシミュレーションを速にうことができます CUDA アーキテクチャをベースとした Tesla GPU コンピューティングソリューションと組み合わせるとクアッドコア CPU 1 個の場合に対して処理速度が 10 倍以上にもなるのです下記のデータは明的溶媒 PME と明的溶媒 GB のベンチマークです詳細はサンディエゴスーパーコンピューティングセンターの協で作成した AMBER 11 NVIDIA ベンチマークのページに掲載されています HOOMD HOOMD-blue は NVIDIA GPU の画期的な CUDA アーキテクチャの活を念頭に基礎から構築された汎の粒学パッケージですさまざまな種類の場や積分機能を持っていますしオブジェクト指向となっているため必要に応じて場や機能を追加することも簡単にえます HOOMD-blue のページでは詳しいベンチマークを確認することができます Tesla GPU 1 個と HOOMD-blue の組み合わせは CPU コア 32 個を超える性能を発揮します HOOMD+GPU と LAMMPS+32 CPU コアの較 2 GPU 2 GPU 秒32 CPU コア 1 GPU 1 GPU 32 CPU コア LAMMPS+86 CPU コア 32 個 HOOMD-BLUE+Tesla 10 シリーズ GPU 1 個 HOOMD-BLUE+Tesla 10 シリーズ GPU 2 個 CPU コア 8 個 Tesla C1060 Tesla C2050 DHFR NVE 原 23,558 個ヌクレオゾーム原 25,095 個 1GB-1 CPU = クアッドコア Intel Xeon E 個 ifort 10.1 MKL 10.1 MPICHZ GPU = Tesla C1060/Tesla C2050 Gfortran 4.1 nvcc v3.0 ポリマーレナードジョーンズ液体 ( 粒 6 万 4000 個 ) ( 粒 6 万 4000 個 ) データ提供 : ミシガン学 GROMACS GROMACS はタンパク質脂質核酸など結合による相互作が複雑な化学的分のシミュレーションとして開発された分動学パッケージです現在その GROMACS を CUDA へポーティングし GPU による速化に対応したベータ版が提供されていますこのベータ版では Particle-Mesh-Ewald(PME) 法結合相互作の任意形状明的溶媒の般化ボルン (GB) 法がサポートされています CUDA バージョンの GROMACS は現在シングル GPU のみのサポートでその性能は以下のとおりです LAMMPS LAMMPS は古くから使われている分動学パッケージで並列マシンと相性がよいという特徴があります CUDA バージョンの LAMMPS ではの計算を GPU に分担させてスピードアップをはかっています以下にすように GPU を使した LAMMPS はスケーリング性にも優れています 2 個の Tesla GPU と GPU-LAMMPS の組み合わせは CPU 24 個を超える性能を発揮します CPU クラスタと GPU クラスタにおける LAMMPS の性能較 Particle-Mesh-Ewald(PME) 法テップデータ提供 : ストックホルム体膜研究所ス秒秒速度 3.5 倍速度 5.2 倍溶媒和スペクトリンスペクトリンダイマー ( 原 3 万 7800 個 ) ( 原 7 万 5600 個 ) クアッドコア Intel E 個 Reaction-Field カットオフ法速度 22 倍 NaCl ( 原 394 個 ) 秒クワッドコア CPU の数あるいは Tesla GPU の数 GPU 2 個 = CPU 24 個 GPU 2 個 CPU 24 個データ提供 : オークリッジ国研究所スコットハンプトンおよびプラトゥル K アガルワル

3 STMVステップ/格点03/GPU ベースの分動学量化学アプリケーション NAMD NAMD については 2007 年イリノイ学アーバナシャンペーン校 (UIUC) のチームが CUDA アクセラレーション対応を実現しました UIUC がった Tesla ベースの NCSA Lincoln クラスタにおけるスケーリング実験ではクアッドコア CPU 16 個のクラスタを超える性能を Tesla GPU 4 個で得ることができました以下にすように Tesla GPU クラスタにおける NAMD はスケーリング性にも優れています VMD VMD は分ビジュアライゼーションのプログラムで 3D グラフィックスと組込スクリプトをいて巨な体分系の表やアニメーション分析をうことができます VMD では主要なカーネルとアプリケーションの部が NVIDIA GPU の超並列 CUDA アーキテクチャに対応していますその結果 CPU のみのシステムと較して NVIDIA CUDA GPU 搭載システムではアプリケーションの実速度が 20 倍から 100 倍にアップします CPU クラスタと GPU クラスタにおける NAMD の性能較 VMD による分軌道計算 1秒GPU 4 個 = CPU 16 個秒Intel Core2 Q660 0 ( クワッド ) 2.4GHz C60-a Thr-a C60-b ( カーボン 60) Thr-b ( トレオニン 17) ( カーボン 60) ( トレオニン 17) クワッドコア CPU の数あるいは Tesla GPU の数データ提供 :UIUC 理論計算物物理グループデータ提供 :UIUC 理論計算化学グループ TeraChem TeraChem は NVIDIA GPU の超並列 CUDA アーキテクチャの活を念頭に基礎から構築された汎の量化学ソフトウェアパッケージで密度汎関数 (DFT) 法と Hartree-Fock(HF) 法に対応しています p スレッドを使った複数 GPU をサポートしているほか MPI にも近中に対応する予定です Tesla GPU 4 個を搭載したワークステーションと TeraChem の組み合わせはクアッドコア CPU 256 個と GAMESS の組み合わせを超える性能を発揮します CPU+GAMESS と較した GPU+TeraChem の速度 50 倍 11 倍 7 倍 8 倍クアッドコア Intel 5520 CPU 2 個 4 個データ提供 :PetaChem

15 分相対速度相対速度相対速度リード = 35 誤り率は 1% 2% 3% GPU ベースのバイオインフォマティクスアプリケーション CUDA-BLASTP CUDA-BLASTP はタンパク質配列データベースのスキャンをう NCBI BLAST を NVIDIA Tesla GPU の超並列 CUDA アーキテクチャによってスピードアップするアプリケーションです FASTA

個を搭載したワークステーションと CUDA-BLASTP を組み合わせると Intel i7-920 CPU 1 個で NCBI BLAST (2.2.22) を実する場合にべて速度が 10 倍にもなりますつまり CPU では分単位の時間がかかる処理が GPU を活すると秒単位となるわけです CUDA-BLASTP と NCBI BLASTP の速度較 CUDA-MEME CUDA-MEME は MEME( バージョン 3.

4 15 分相対速度相対速度相対速度リード = 35 誤り率は 1% 2% 3% GPU ベースのバイオインフォマティクスアプリケーション CUDA-BLASTP CUDA-BLASTP はタンパク質配列データベースのスキャンをう NCBI BLAST を NVIDIA Tesla GPU の超並列 CUDA アーキテクチャによってスピードアップするアプリケーションです FASTA フォーマットのデータベースを CUDA-BLASTP で読み取れる形式のファイルに変換するユーティリティも意されています 2 個を搭載したワークステーションと CUDA-BLASTP を組み合わせると Intel i7-920 CPU 1 個で NCBI BLAST (2.2.22) を実する場合にべて速度が 10 倍にもなりますつまり CPU では分単位の時間がかかる処理が GPU を活すると秒単位となるわけです CUDA-BLASTP と NCBI BLASTP の速度較 CUDA-MEME CUDA-MEME は MEME( バージョン 3.5.4) をベースとしたモチーフ発ソフトウェアで NVIDIA Tesla GPU の超並列 CUDA アーキテクチャによって速に処理をうことができます MEME では OOPS と ZOOPS をサポートしています 1 個と CUDA-MEME との組み合わせは x86 CPU 1 個と MEME の組み合わせと較して処理速度が 23 倍にもなりますつまり CPU では時間単位の時間がかかる処理も GPU を活すると分単位で終了するわけです以下の図は OOPS(One Occurrence Per Sequence) モデルで 4 種類のデータセットを処理した場合の結果です CUDA-MEME と MEME の速度較 22 分 NCBI BLASTP 1 スレッド Intel i7-920 CPU NCBI BLASTP 4 スレッド Intel i7-920 CPU CUDA BLASTP 1 個 CUDA BLASTP 2 個 57 分 4 時間 AMD Opteron 2.2GHz クエリデータ提供 : ナンヤン科学 ( シンガポール ) 5 時間 5 時間 21 時間 3.5 CUDA-EC CUDA-EC は速動作のショートリード並列シーケンスエラー訂正ツールです HTSR (High-Throughput Short-Read) データにおけるシーケンシングエラーを修正するとともに NVIDIA Tesla GPU の超並列 CUDA アーキテクチャを活し HTSR 処理速度を幅にめてくれます DNA フラグメントアセンブリツールは前処理としてエラー訂正をうものが多く最近のハイスループット DNA シーケンサーではエラー訂正が重要な役割を果たします 1 個と CUDA-EC の組み合わせは x86 CPU 1 個と Euler-SR の組み合わせと較して処理速度が 20 倍にもなりますつまり CPU では分単位の時間がかかる処理も GPU なら秒単位で終了するわけです 5 種類のゲノムについて処理速度を較した下図で A1 A2 A3 などは誤り率が 1% 2% 3% の場合をします CUDA-BLASTP と NCBI BLASTP の速度較データ提供 : ナンヤン科学 ( シンガポール ) ショウジョウバエ HS_200 4 シーケンス HS_ シーケンス HS_ シーケンス 4 シーケンスデータ提供 : ナンヤン科学 ( シンガポール ) CUDASW++(Smith-Waterman) CUDASW++ はタンパク質データベースについて Smith-Waterman 検索をうバイオインフォマティクスソフトウェアで NVIDIA Tesla GPU の超並列 CUDA アーキテクチャを活して NCBI BLAST の 10 倍から 50 倍という速でシーケンス検索をうことができます CUDASW++ は 59K までのクエリに対応しています CUDASW++ は複数の Tesla GPU が利可能で NCBI BLAST に対して 10 倍から 50 倍のスピードアップがえます 5000 を超えるクエリで最 30 GCUPS(Giga Cells Updates per Second) が得られるのです BLAST はヒューリスティックなアルゴリズムであるのに対し CUDASW++ は Smith-Waterman アルゴリズムによってローカルアライメントの最適化を図っています CUDASW++ と NCBI BLAST の較クエリデータ提供 : ナンヤン科学 ( シンガポール ) 2 GPU:BLOSUM45 1 GPU:BLOSUM45 BLAST+CPU: BLOSUM62 BLAST+CPU: BLOSUM50

対速度データ提供 : メリーランド学相GPU-HMMER GPU-HMMER はプロファイル HMM を使ってタンパク質シーケンスのアライメントをうバイオインフォマティクスソフトウェアで NVIDIA Tesla GPU の超並列 CUDA アーキテクチャによって速に処理をうことができます GPU-HMMER は HMMER(2.

5 対速度データ提供 : メリーランド学相GPU-HMMER GPU-HMMER はプロファイル HMM を使ってタンパク質シーケンスのアライメントをうバイオインフォマティクスソフトウェアで NVIDIA Tesla GPU の超並列 CUDA アーキテクチャによって速に処理をうことができます GPU-HMMER は HMMER(2.0) に対して処理速度が 60 倍から 100 倍にも達します GPU-HMMER では GPU を使って HMM 検索ツールをスピードアップし 60 倍から 100 倍ものスピードアップを実現します 1 台のワークステーションに複数の Tesla GPU が搭載されていればすべての GPU を活可能で CPU では時間単位の時間がかかる処理を分単位まで短縮することができます MUMmerGPU MUMmerGPU は GPU によってシーケンスアライメントをハイスループットでうバイオインフォマティクスソフトウェアですひとつのレファレンスシーケンスに対して複数のクエリシーケンスをアライメントする処理を NVIDIA Tesla GPU の超並列 CUDA アーキテクチャによって速でうことができます MUMmerGPU( バージョン 2.0) では CPU と MUMmer の組み合わせに対して 3 倍から 4 倍のスピードアップが実現できます下図は MUMmerGPU バージョン 1.0 のデータであり近中にバージョン 2.0 のデータにアップデートします HMMER: 処理速度が 60 倍 100 倍 MUMmerGPU と MUMmer の較 GPU 3 個 GPU 2 個 GPU 1 個 CPU 1 個状態の数 (HMM サイズ ) データ提供 : スケーラブルインフォマティクスとバッファロー学 Opteron GHz 1 個 2 個 3 個時間 ( 分 ) NVIDIA Tesla Bio Workbench の詳細についてはをご覧ください 2010 NVIDIA Corporation. All rights reserved. NVIDIA NVIDIA ロゴ NVIDIA Tesla CUDA は NVIDIA Corporation の商標あるいは登録商標ですその他の企業名および製品名はそれぞれ各社の商標あるいは登録商標です

NVIDIA Tesla K20/K20X GPU アクセラレータアプリケーションパフォーマンステクニカルブリーフ

NVIDIA Tesla K20/K20X GPU アクセラレータアプリケーションパフォーマンステクニカルブリーフ K20 GPU2 個に対するスピードアップ NVIDIA は Fermi アーキテクチャ GPU の発表によりパフォーマンスエネルギー効率の両面で飛躍的な性能向上を実現しハイパフォーマンスコンピューティング (HPC) の世界に変革をもたらしましたまた実際に GPU