Grafiikkaprosessorin hyödyntäminen tieteellisessä laskennassa
Nopanen, Veikko (2021)
Nopanen, Veikko
2021
Teknisten tieteiden kandidaattiohjelma - Bachelor's Programme in Engineering Sciences
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2021-04-22
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202104213251
https://urn.fi/URN:NBN:fi:tuni-202104213251
Tiivistelmä
Tässä työssä tutkitaan grafiikkaprosessorin käyttämistä apuvälineenä tieteellisessä ja yleisessä laskennassa. Dataintensiiviset sovelluskohteet hyötyvät rinnakkaislaskentaan perustuvasta toteutuksesta, johon on ideaalista käyttää rinnakkaisuutta hyödyntävää laskentavälinettä, kuten grafiikkaprosessoria. Grafiikkaprosessorin avulla voidaan lyhentää laskutoimitusten suoritusaikaa, sekä vähentää virrankulutusta ja kustannuksia.
Tieteen sovelluskohteet vaativat paljon laskentatehoa, jotta saadaan tarkkoja tuloksia mahdollisimman nopeasti. Monissa sovelluksissa käytetään apuna neuroverkkoja, jotka sisältävät paljon rinnakkaisuutta. Tämä ilmiö vaatii entistä tehokkaampia laskentamenetelmiä ja laskentavälineitä, joita grafiikkaprosessorit ovat luonnostaan.
Työssä tarkastellaan ensin grafiikkaprosessorin rakennetta, jossa rinnakkaisuus ilmenee komponenttitasolla. Sen jälkeen tutkitaan rinnakkaislaskentaa, ja miten grafiikkaprosessoria hyödynnetään tieteen sovelluskohteissa. Lopuksi tutkitaan kokeellisesti, miten grafiikkaprosessorin hyödyt tulevat esille käyttäen MATLAB-ohjelmistoa. MATLAB antaa hyvän lähtökohdan grafiikkaprosossorilaskennan kehittämiseen, jota voidaan parantaa entisestään käyttämällä CUDA-rajapintaa. Kokeellisten tulosten perusteella grafiikkaprosessoria kannattaa hyödyntää, kun ongelma on tarpeeksi dataintensiivinen.
Tieteen sovelluskohteet vaativat paljon laskentatehoa, jotta saadaan tarkkoja tuloksia mahdollisimman nopeasti. Monissa sovelluksissa käytetään apuna neuroverkkoja, jotka sisältävät paljon rinnakkaisuutta. Tämä ilmiö vaatii entistä tehokkaampia laskentamenetelmiä ja laskentavälineitä, joita grafiikkaprosessorit ovat luonnostaan.
Työssä tarkastellaan ensin grafiikkaprosessorin rakennetta, jossa rinnakkaisuus ilmenee komponenttitasolla. Sen jälkeen tutkitaan rinnakkaislaskentaa, ja miten grafiikkaprosessoria hyödynnetään tieteen sovelluskohteissa. Lopuksi tutkitaan kokeellisesti, miten grafiikkaprosessorin hyödyt tulevat esille käyttäen MATLAB-ohjelmistoa. MATLAB antaa hyvän lähtökohdan grafiikkaprosossorilaskennan kehittämiseen, jota voidaan parantaa entisestään käyttämällä CUDA-rajapintaa. Kokeellisten tulosten perusteella grafiikkaprosessoria kannattaa hyödyntää, kun ongelma on tarpeeksi dataintensiivinen.
Kokoelmat
- Kandidaatintutkielmat [8996]