Сибирский федеральный университет

Одна из проблем, стоявших перед учёными, заключалась в преодолении недостатков осуществления гидродинамических вычислений на графических процессорах по сравнению с многоядерными процессорами — первые позволяют проводить ёмкие вычисления быстрее, чем вторые, но в случае использования одиночного GPU в памяти невозможно хранить все данные, необходимые для проведения вычислений. Учёные предложили использовать для проведения расчётов мульти-GPU, что позволило преодолеть лимиты памяти. В частности, были проведены тестовые сравнительные расчёты для моделирования несжимаемых ламинарных и турбулентных потоков в различных случаях, осуществлённые на 6-ядерном процессоре (CPU) и графическом процессоре (GPU), в результате чего оказалось, что скорость проведения подобных расчётов на GPU в 2–3 раза выше, чем на CPU.

Андрей Сентябов, доцент ИИФиРЭ СФУ, канд. физ.-мат. наук прокомментировал исследование следующим образом: «В последнее время производительность графических процессоров возросла настолько, что они стали привлекательны для научного и инженерного моделирования, что привело к их широкому применению в суперкомпьютерных системах. Во многих областях, в том числе в вычислительной гидродинамике, развиваются алгоритмы расчёта, использующие графические ускорители для выполнения трудоёмких операций. В то же время, принципы параллельных вычислений на GPU и CPU существенно отличаются, в результате на GPU легко переносятся только часть алгоритмов, выполненных по тем или иным явным схемам. В нашей области, моделировании несжимаемой жидкости, преобладают неявные алгоритмы, что делает разработку соответствующего кода сложной задачей. В то же время, при дальнейшем развитии программного кода мы можем получить мощный инструмент моделирования широкого класса течений».

Научное исследование под названием «Разработка высокопроизводительного кода для гидродинамических расчётов с использованием графических процессоров» было опубликовано в журнале «Communications in computer and information science», индексируемом базой данных Scopus (импакт-фактор на 2016 год — 0,35).