Luego de hacer su triunfal debut en el mercado de tarjetas gráficas para el mercado de consumo, la arquitectura Kepler hace su debut en el mercado HPC dando vida a los nuevos aceleradores de cómputo NVIDIA Tesla K10 y Tesla K20 “Big Kepler” como se le ha denominado por algunos medios y que están enfocados en el área de computación de alto rendimiento o high performance computing (HPC) para aplicaciones científicas y técnicas.
Como algunos pudieron percatarse, uno de los talones de Aquiles de Kepler para el mercado de consumo fue su rendimiento en aplicaciones que hace uso intensivo de computo GPGPU, en comparación con la competencia, sin embargo, sabemos que estos productos se optimizan dependiendo del mercado al cual están enfocados.
Por esta razón NVIDIA ahora lanza estos nuevos aceleradores basados en Kepler, los cuales son capaces de manejar los más complejos problemas en computación de alto rendimiento, ya que están diseñados justamente para este cometido. Kepler en este contexto u área es hasta tres veces más eficiente que su predecesor “Fermi”, que ya había establecido un nuevo estándar para computación paralela cuando fue introducido hace 2 años atrás.
NVIDIA Tesla K10:
El acelerador NVIDIA Tesla K10 entrega el más alto rendimiento enfocado en señalética, imagen y procesamiento para aplicaciones sísmicas, optimizadas para la industria del petróleo, exploración de gases y la industria de la defensa. Un solo acelerador Tesla K10 posee dos núcleos GK104 (los mismos usados por la GeForce GTX 690), pero que entregan un rendimiento de 4.58 TeraFLOPS de rendimiento punta en operaciones de punto flotante de precisión simple (single-precision) y ofrece un ancho de banda de memorias de 320 GB/s, con 3072 CUDA Cores (1536 por GPU) y 8GB de memoria GDDR5 con ECC (4GB dedicados por GPU) de estos 8GB un 12.5% es reservado para los registros ECC.
NVIDIA Tesla K20:
Por su parte Tesla K20 se basa en el nucleo GK110, al cual han denominado “Big Kepler” o el Gran Kepler, GPU que incluso no ha debutado en el mercado de escritorio, pero si lo hace en el mercado de computación de alto rendimiento para fines científicos y técnicos donde se requiere en gran poder de procesamiento intensivo. Esta GPU puede entregar hasta 3 veces el rendimiento en operaciones de punto flotante de doble precisión comparado con los productos Tesla anteriores basados en Fermi y soporta capacidades Hyper-Q y Paralelismo dinámico (dynamic parallelism).
- Dynamic Parallelism — This capability enables GPU threads to dynamically spawn new threads, allowing the GPU to adapt dynamically to the data. It greatly simplifies parallel programming, enabling GPU acceleration of a broader set of popular algorithms, such as adaptive mesh refinement, fast multipole methods and multigrid methods.
- Hyper-Q — This enables multiple CPU cores to simultaneously use the CUDA architecture cores on a single Kepler GPU. This dramatically increases GPU utilization, slashing CPU idle times and advancing programmability. Hyper-Q is ideal for cluster applications that use MPI.
Los aceleradores Tesla K20 estarán disponibles a partir del cuarto trimestre de este 2012 y potenciarán la nueva generación de supercomputadores como el Titan Supercomputer en el Oak Ridge National Laboratory (Tennessee) y el Blue Waters system en el National Center for Supercomputing Applications en la Universidad de Illinois en Urbana-Champaign. Como podrán ver en la siguiente imagen las especificaciones del núcleo GK110 estan pendientes de ser anunciadas.
CUDA 5 Preview
Adicionalmente a este anuncio de NVIDIA enfocado en el mercado de computación de alto rendimiento, la compañía de Santa Clara también ha anunciado o lanzado un preview de su plataforma de programación paralela CUDA 5, disponible para más de 20.000 miembros de su programa de desarrollo, la plataforma permitirá a los desarrolladores explorar formas de sacar el máximo provecho de sus GPU basados en Kepler, incluyendo Paralelismo dinámico.
CUDA 5 está planeado para estar disponible de manera general en el tercer cuarto de este 2012, sin embargo, los desarrolladores pueden tener acceso a al preview de la plataforma registrándose en el programa GPU Computing Registered Developer en el sitio de CUDA.
