GPU技术

GPU 带来的性能提升能够彻底改变工程分析与设计优化过程的面貌。MSC Nastran 2012中基于CUDA 的GPU加速将让诸多行业的模型模拟性能提升 1.5 - 5 倍，从而有助于客户改善其工作流程、更快地将更好的产品推向市场。

在12月14日举办的百亿亿次(ExaScale)研讨会上，东京工业大学全球科学信息与计算中心教授Satoshi Matsuoka发表了“Tsubame 2.0：满负荷运行具有4000颗GPU的超级计算机”的演讲，分享了东京工业大学超级计算机Tsubame 2.0的研究与应用成果。

在12月14日举办的百亿亿次(ExaScale)研讨会上，中国科学院过程工程研究所博士侯超峰发表了“基于天河一号千万亿次分子动力学晶体硅模拟” 的演讲，分享了天河一号二期(天河-1A)在分子动力学的应用。

GPU技术大会亚洲站(GTC Asia)于2011年12月14-15日在北京国家会议中心隆重召开，这也是GPU技术大会首次登陆中国。作为业界最大的技术盛会，GPU技术大会旨在分享GPU给科学和计算带来的变革性的影响。

GPU技术大会亚洲站(GTC Asia)上，东京工业大学全球科学信息与计算中心教授Satoshi Matsuoka发表了“Tsubame 2.0：满负荷运行具有4000颗GPU的超级计算机”的演讲，分享了东京工业大学超级计算机Tsubame 2.0的研究与应用成果。

GPU技术大会亚洲站上，全球高性能计算的顶尖专家分享Exascale超级计算的最新研究成果，共同探讨由Exascale超级计算所能实现的结构性的研究方法。中国科学院过程工程研究所博士侯超峰发表了“基于天河一号千万亿次分子动力学晶体硅模拟” 的演讲，分享了天河一号二期（天河-1A）在分子动力学的应用。

2011 年亚洲 GPU 技术大会 (GTC Asia2011)于2011年12月14号在中国北京的国家会议中心如期举行。GPU 技术大会让全世界的人们不仅能够更加深入地了解 GPU 计算与可视化，而且可以认识到它们在未来科学以及技术创新等方面的重要性。

南开大学的刘晓光博士为听众介绍了MrBayes软件基于GPU集群环境的应用。刘博士是南开大学计算机科学教授和博士生导师。他的兴趣包括并行计算和存储系统。MrBayes就是一个基于ML算法和贝叶斯推理法的系统发生分析程序，其突出的优点是可以对数据进行分隔

英伟达公司联合创始人兼首席执行官黄仁勋先生第一个登场亮相，在向全场嘉宾致欢迎辞之后，黄仁勋首先介绍了高性能计算在各领域的重要作用，他表示各个行业领域的工业设计以及仿真处理都离不开超级计算机如，生命科学，基因组，高性能计算，计算流体力学，能源开发，天气与气候模拟，计算机辅助工程等。

在SC11大会上，NVIDIA公司宣布了相关重大进展。首先，公司谈及欧洲的勃朗峰计划(Mont-Blanc project)，该计划的目标是使用超节能的商用组件开发一个欧洲的exascale级别超级计算机，并与全球超级计算机500强的超算机想媲美。

GPU(Graphic Processing Unit，图形处理器)用作高性能计算是一件很酷的事儿。硬件上着力于为图形计算优化的GPU在另一个用途上显得颇有潜力：把它们用于特定类型的高性能计算。这篇文章我会谈谈GPU是怎么实现高性能计算的，并简要介绍当下GPU在通用计算领域的发展状况。

PGI一直以来精心打造一款名为“PGI加速器”的“梦幻般”的编译器。从技术角度而言，这款编译器实现了自动并行化功能。它使得编程人员无需对底层代码做出任何适应性修改，即可马上实现对应用程序代码的加速。这款编译器只要求编程人员通过简单的提示，确定需要对哪些应用程序的哪部分代码进行并行化。

充分意识到GPU海量的吞吐和强悍的浮点计算能力，将极高提高程序性能，也能让充分发挥显卡的价值，GPU作为电脑上2个可编程的高性能芯片之一，长期以来都没得到普通程序员应有的重视，主要因为其编程麻烦，资料工具欠缺。

HPC China 2011会上，来自美国俄亥俄州立大学的Dhabaleswar介绍了阐述了在通向百亿亿次计算的道路上面临的挑战以及百亿亿次计算MPI(Message Passing Interface)编程模型的最新进展。

有关VolumeRender的介绍、和CUDA SDK中的VolumeRender解析在HERESY的一些文章中写的非常详细，这里我只想写写我对VolumeRender这个例子的一些理解。曾经遇到过cuda函数在跨编译单元调用的问题，这个例子用到了一个很巧妙的解决方法。

在2010 GPU技术大会(GTC)上，英伟达(NVIDIA)公司展示了自2009 GTC闭幕后的一年内CUDA的发展进程(如下图)，从中不难看出CUDA的强劲势头。当然，在随后的2011年这一势头更加明显。而对于大量刚刚接触CUDA的初学者来说，常常会被很多CUDA和GPU计算的相关问题所困扰。

工程师和科学家正在成功地使用GPU技术加速与他们的学科相关的计算。不需要具备广泛的GPU知识，付出很少的努力你就能够使用MATLAB获取GPU所承诺的强大的计算能力。不必采用低级别的CUDA编程，GPUArrays以及启用GPU的MATLAB函数帮助你加快了MATLAB操作。

FFT，IFFT以及线性代数运算超过了100个内置的MATLAB函数，通过提供一个类型为GPUArray(由并行计算工具箱提供的特殊数组类型)的输入参数，这些函数就能够直接在GPU上运行。这些启用GPU的函数都是重载的，换句话说，这些函数根据传递的参数类型的不同而执行不同的操作。