Steder hvor GPU'er typisk er hurtigere end CPU'er er tunge beregnings algoritmer indeholdende f.eks. FFT, BLAS og foldning. Typisk beregninger som bliver brugt på uddannelsesinstitutioner til forskning - men også til udvikling af f.eks. bedre vindmølle vinger, bedre kedler, bedre forbrænding, osv. Typisk prøver udviklingsafdelingerne sig frem ved at fabrikere mock-ups og modeller, fordi supercomputere har været meget dyre i forhold til anvendelsen.
Med mulighederne i GPU programmering ændres dette forhold. Mulighederne for at beregne konsekvenser og afsøge nye områder uden at skulle investere massivt i store cluster eller bygge utallige modeller vil kunne understøtte udviklingsafdelingen i analysefasen.
Typiske områder hvor GPU programmering står stærkt er fysik, kemi, aerodynamik, astronomi, kosmologi, atmosfæriske modellering, hav modellering olign.
Mergeit har gennem en længere periode arbejdet intensivt med GPU programmering og senest lavet et samarbejde med Durham University og nVidia omkring optimering af Gadget2 (program til at simulere diverse astrofysiske systemer). På baggrund af samarbejdet er vi blevet tildelt timer på to af Europas største clustere med GPU'er (http://www.prace-project.eu/). Systemet består typisk af et hierarkisk cluster med op til flere hundrede standard CPU-nodes, der hver kan have op til fire GPU'er. GPU'erne kan i dette tilfælde speede simuleringerne op med en faktor ti i forhold til CPU versionen. (http://www.version2.dk/artikel/14394-dansker-tester-astrofysisk-gpu-kode-med-nvidia-i-baghaanden)
Mergeit har et detaljeret kendskab til GPU'erne og den tilhørende software toolchain og SDK. Vi har rettet, forbedret og udvidet den eksisterende software fra nVidia for at gøre softwareudviklingen på grafikkortene nemmere, og vi har stort indblik i den store række af faldgrupper, der findes omkring GPU-udviklingen.
Se evt. flere detaljer her: http://www.mergeit.dk/fileadmin/indhold/cluster_comp.pdf. Beskrivelse af GPU programering og kursus beskrivelse.
