Dansker tester astrofysisk GPU-kode med Nvidia i baghånden

Danske Carsten Eie Frigaard har brugt de seneste omkring to år på at skræddersy koden til det astrofysiske simuleringsværktøj Gadget2 til grafikprocessorer på sine egne små-clustre hjemme i privaten.

Nu har han så fået lov til at teste koden på hardware, der er en del af det store, europæiske supercomputer-netværk Prace.

»Prace arbejder for at kunne levere hardware og software til det videnskabelige samfund, og med hensyn til Gadget2 er de interesserede i at have et proof-of-concept i forhold til at få koden til at køre på GPU'er,« siger Carsten Eie Frigaard, der er civilingeniør indenfor software og derudover har en kandidatgrad i astronomi fra Århus Universitet.

Han arbejder til daglig som udvikler hos open source-konsulenthuset Mergeit, hvor han nu også har fået mulighed for at arbejde på Gadget2.

Gadget2 er oprindeligt udviklet ved Max Planck Instituttet for Astrofysik og er et open source-værktøj til såkaldte kosmologiske N-body/SPH-simuleringer. Værktøjet kan for eksempel bruges til at simulere kollisioner mellem galakser.

GPU'er er billige og brutale talknusere

Grafikprocessorerne - GPU'er - har de senere år vist sig som prisbillige og effektive alternativer til almindelige CPU'er, og det har fået Carsten Eie Frigaard til at undersøge mulighederne for at udnytte dem til de astrofysiske simuleringer.

»Da jeg stødte på GPU-kortene, tænkte jeg, at de var en meget god måde at få en masse performance for ikke ret mange penge,« siger Carsten Eie Frigaard.

Derfor er han interesseret i at prototype-teste koden, så den kan gøres mere robust overfor at kunne compile og køre i forskellige hardwaremiljøer.

Han har samtidig etableret kontakt til Durham University i England og grafikkortproducenten Nvidia, hvor sidstnævnte har en interesse i både at kunne sælge sine professionelle grafikkort til videnskabelige projekter, men også at beholde sit forspring på området i forhold til processorfabrikanten Intel.

»Nvidia har jo været ret fremme i skoene på området for grafikkort, og deres hardware er meget udviklet, ligesom deres software også er rigtig godt med. Men Intel vil også gerne ind på det her marked,« siger Carsten Eie Frigaard.

Carsten Eie Frigaard bruger Nvidias CUDA-arkitektur til at skrive C-kode, der er særligt paralleliseret til at køre på GPU'erne.

Carsten Eie Frigaard har fået bevilget 3.100 core-timer på GPU-clusteret CEA i Frankrig og det samme antal timer på GPU-clusteret HLRS i Tyskland.