Tesla

Erfolgsgeschichte | Technische Universität Dresden
SCHNELLERE FORSCHUNG MIT EINEM GRAFIKPROZESSORBESCHLEUNIGTEN SUPERCOMPUTER
Success Story | Dresden University of Technology

NVIDIA® Tesla® K80 Grafikprozessoren eröffnen Forschern an der TU Dresden völlig neue wissenschaftliche Möglichkeiten mit komplexen Berechnungen und umfangreichen Datensätzen.


HERAUSFORDERUNG

Das herkömmliche, rein CPU-basierte Rechenzentrum stellt eine Herausforderung für Wissenschaftler vieler Sparten dar. Die zu lösenden Aufgaben sind komplex und erfordern mehr Rechenleistung, als CPUs liefern können. Dr. Michael Bussmann vom Helmholtz-Zentrum Dresden-Rossendorf erforscht zum Beispiel neuartige Krebs-Behandlungsmethoden mit Hochleistungslasern, die das umliegende gesunde Gewebe schonen. In Anbetracht der komplexen Simulationen und In-situ-Visualisierungen, die diese Arbeit erfordert, ist er auf Grafikprozessoren angewiesen, um innerhalb sinnvoller Zeit aussagekräftige Ergebnisse zu erhalten – auf rein CPU-basierten Systemen ist diese Aufgabe schier nicht lösbar.

Aus der Sicht der IT-Verwaltung ist die Auslastung eines Rechenzentrums ein wichtiges Maß für den Erfolg einer Investition. Vier Monate nach der Implementierung des rein CPU-basierten Systems der TU Dresden näherte sich die Auslastung einem Wert von 50 %, was darauf hinwies, dass die Anwender das System noch immer nicht ohne weiteres für ihre Anforderungen verwenden konnten.

„Unser Rechenzentrum umfasste mehr als 800 herkömmliche Server, aber selbst deren Leistung reichte für manche der Forschungsaufgaben nicht aus“, erklärt Dr. Guido Juckeland, IT-Architekt und Mitarbeiter des GCoE der TU Dresden. „Wir kamen schnell zu der Entscheidung, es mit Grafikprozessor-beschleunigten Berechnungen zu versuchen, und wandten uns dafür an NVIDIA.“

LÖSUNG

Zunächst wurden an der TU Dresden 88 NVIDIA Tesla K20 Grafikprozessoren in 44 Servern installiert. Zur Verblüffung von Dr. Juckeland stieg die Systemauslastung am ersten Tag der Bereitstellung sofort auf über 80 %. Im Anschluss stieg die Auslastung durch vermehrte Nachfrage bisheriger und neuer Grafikprozessor-Anwender mit mehr als 20 Grafikprozessor-beschleunigten Anwendungen sogar noch weiter an.

„Indem wir unseren Anwendern Zugriff auf viele NVIDIA Tesla HighendGrafikprozessoren geben, können unsere Forscher Entdeckungen machen, die auf CPU-basierten Systemen so gut wie unmöglich wären“, fährt Juckeland fort.

„Selbst Highend-Workstations und -Notebooks verfügen nicht über ausreichend Rechenleistung für anspruchsvolle Berechnungen. Deshalb brauchen wir die beschleunigten Server.“

Die NVIDIA Tesla K20 Grafikprozessoren weckten bald das Interesse weiterer Anwender unterschiedlicher Sparten, unter anderem für Deep Learning, wodurch die Auslastung weiter anstieg. Die Nachfrage war so hoch, dass die IT-Abteilung beschloss, einen Teil des geplanten CPU-Erwerbs in den Kauf von 64 Knoten mit zwei Tesla K80 Grafikprozessoren umzuwandeln.

ERGEBNIS

Durch die Beschleunigung ihrer Supercomputer mit Tesla K80 Grafikprozessoren können die Forscher schneller zu Ergebnissen kommen und sogar Aufgabenstellungen bewältigen, die mit CPU-basierten Systemen einfach nicht möglich sind. Ein Beispiel:

Dr. Bussmann kann für seine Erforschung einer Krebstherapie mittels laserbeschleunigter Ionenstrahlen am Helmholtz-Zentrum DresdenRossendorf auf einem einzigen Tesla K80 Grafikprozessor knapp 250 Millionen Partikel simulieren. Der Zugriff auf alle 256 Grafikprozessoren ermöglicht eine extrem präzise In-situ-Visualisierung und Simulationen, die ein CPU-System nicht liefern könnte. Die mit der Tesla-Plattform erzielte Leistungssteigerung hilft dem Forscherteam dabei, Wege zu finden, Krebszellen gezielter zu zerstören und das umliegende gesunde Gewebe zu schonen.

Das Max-Planck-Institut für molekulare Zellbiologie und Genetik (MPI CBG) setzt täglich massiv-parallele Anwendungen ein. Dr. Gene Myers und sein Forschungsteam nutzen Grafikprozessoren für diverse Anwendungen von der Simulation der Ausbreitung elektromagnetischer Wellen und der Echtzeit-Mikroskopsteuerung und -Visualisierung bis hin zur Rauschunterdrückung und Multi-View-Rekonstruktion bei der medizinischen 3D-Bildgebung.

Das Team des MPI CBG um Pavel Tomancak verwendet Tesla K80 Grafikprozessoren zur Beschleunigung von Anwendungen mit anspruchsvollen schnellen Fourier-Transformationen und zur Entfaltung von 3D-Bildern aus mehreren Winkeln um das 6- bis 20-fache im Vergleich zu herkömmlichen CPU-basierten Systemen.

Grafikprozessoren sind unverzichtbar für Forschungsprojekte, bei denen Deep Learning zum Einsatz kommt. Die Gruppe des Computer Vision Lab um Professor Carsten Rother hat ein semantisches Verständnis eines selbstfahrenden Autos für Elemente seiner Umgebung wie Fußgänger, andere Autos, Straßen und Schilder entwickelt. Das Training neuronaler Netzwerke ist eine große Herausforderung, der das Team in einer Entwicklungsumgebung mit rein CPU-basierten Systemen nicht gewachsen wäre.

Die 64 Server mit NVIDIA Tesla K80 Grafikprozessoren liefern etwa dieselbe Rechenleistung wie 1.400 CPU-basierte Server. Der wahre Vorteil der GrafikprozessorBeschleunigung liegt aber darin, wesentlich schnellere Forschungsergebnisse zu liefern. Nicht alle Anwendungen lassen sich über so viele Server skalieren, aber alle profitieren von den verfügbaren Grafikprozessoren.

„Der zunehmende Einsatz von Grafikprozessoren beim MPI CBG und bei der Datenanalyse, Simulationen und Bildrekonstruktionen in BiologieAnwendungen ermöglicht Wissenschaftlern die Untersuchung einer größeren Zahl an Organismen und ihrer Entwicklung vom Embryo bis zum adulten Alter auf Zellebene mit weit höherer Auflösung, als bisher möglich war“, sagt Juckeland.

„Die Aufrüstung unseres Rechenzentrums mit den NVIDIA Tesla K80 Grafikprozessoren wird uns in die Lage versetzen, den ständig ansteigenden Datendurchsatz zu bewältigen, der mit zunehmend automatisierter Verarbeitung einhergeht, und die gesteigerte Rechenleistung bereitzustellen, die neue, immer höher auflösende Algorithmen erfordern.“

Dresden University of Technology
 
Dresden University of Technology
Dresden University of Technology
 
Dresden University of Technology