Späť

Masívne paralelné výpočty na grafických procesoroch v štatistickej fyzike spinových systémov
Massive parallel computations on graphics processors in the statistical physics of spin systems

RNDr. Michal Borovský
Univerzita Pavla Jozefa Šafárika v Košiciach, Prírodovedecká fakulta

Abstrakt:
Masívne paralelizovaná architektúra grafických procesorov (GPU) teoreticky poskytuje potenciál pre značné urýchlenie výpočtov v porovnaní s komerčne dostupnými CPU jednotkami. Avšak, samotné optimálne využitie tejto výhody pri vedeckých aplikáciách si vyžaduje pochopenie, ako takáto GPU jednotka manipuluje s dátami pri výpočtoch a ako pristupuje k rôznym druhom pamätí, ktorými disponuje. Riešenie numerických simulácii v štatistickej fyzike nutne vyžaduje preskúmať čo najväčší počet vzoriek zo štatistického súboru, aby sme dosiahli pomerne presné výsledky. Preto je priam žiadané minimalizovať výpočtový čas paralelizáciou prostredníctvom GPU procesorov, čim sme schopní výrazne skrátiť výpočtový čas. Stochastické simulácie potrebujú taktiež kvalitné generátory pseudo-náhodných čísel, ktoré budú generovať paralelné sekvencie vzoriek s čo najmenšou koreláciou. Stručne si priblížime niektoré efektívne metódy, s ktorými vieme skúmať modely štatistickej fyziky, pričom sa zameriame na isingovský spinový model.

Kľúčové slová:
grafické procesory; paralelné výpočty; štatistická fyzika; Isingov model; generátory pseudo-náhodných čísel


Abstract:
Massively parallelized architecture of graphics processors (GPU) theoretically provides potential to significantly speed up computations in comparison with commercially available CPU units. However, the optimal use of this advantage in scientific applications requires understanding, how such a GPU unit handles data in the calculations and how it accesses to different types of memories. Numerical simulations in the statistical physics necessarily require examining sufficiently large number of samples from statistical ensemble to obtain relatively accurate results. Therefore it is desired to minimize the computational time with parallelization of the computation process by the means of GPU processors. Stochastic simulations also require a pseudo-random number generator of good quality which will produce parallel sequence of the least correlated samples. We briefly present some efficient methods to examine models of statistical physics, focusing on the Ising spin model.

Keywords:
graphics processing unit; parallel computation; statistical physics; Ising model; pseudo-random number generators

Späť