อัลกอริทึมของจีนสามารถเพิ่มความเร็ว GPU ของ Nvidia ได้ถึง 800 เท่า

คาดว่าอัลกอริทึมใหม่จาก นักวิทยาศาสตร์ จะช่วยปรับปรุงประสิทธิภาพของ Peridynamics (PD) ซึ่งเป็นวิธีการนอกพื้นที่ที่ใช้ในการสร้างแบบจำลองรอยแตกร้าวและความเสียหายในวัสดุ วิธีใหม่นี้สามารถเพิ่มประสิทธิภาพการจำลองได้มากถึง 800 เท่า ปรับปรุงความเร็วในการจำลองสำหรับวัสดุขนาดใหญ่ได้อย่างมาก

อัลกอริทึมใหม่ช่วยเพิ่มความสามารถของ GPU ยอดนิยมจาก Nvidia ได้มากถึง 800 เท่า

ในปัจจุบัน ปริภูมิรอบทิศทางถูกนำมาใช้กันอย่างแพร่หลายในสาขาต่างๆ เช่น การบินและอวกาศ วิศวกรรมโยธาและ ทหาร เพื่อคาดการณ์ความล้มเหลวของวัสดุ อย่างไรก็ตาม การจำลองปริภูมิไดนามิกส์แบบดั้งเดิมมักจะต้องใช้ทรัพยากรการคำนวณจำนวนมาก ทำให้การศึกษาขนาดใหญ่ดำเนินไปช้าและไม่สามารถใช้งานได้จริง

โซลูชั่นอัลกอริธึมที่ก้าวล้ำ

ขณะนี้ รองศาสตราจารย์ Yang Yang และทีมวิจัยของเธอได้แก้ปัญหาดังกล่าวโดยนำเทคโนโลยี CUDA ของ Nvidia มาใช้เพื่อเพิ่มประสิทธิภาพการออกแบบอัลกอริทึมและการจัดการหน่วยความจำ กรอบงาน PD-General ที่พวกเขาพัฒนาขึ้นนั้นทำให้เร่งความเร็วได้สูงสุดถึง 800 เท่าบนการ์ดจอ (GPU) Nvidia RTX 4070 เมื่อเปรียบเทียบกับวิธีการต่อเนื่องแบบเดิม และยังเร็วกว่าโปรแกรมคู่ขนานที่ใช้ OpenMP ถึง 100 เท่าอีกด้วย ในการจำลองขนาดใหญ่ที่มีอนุภาคหลายล้านตัว อัลกอริทึมนี้สามารถทำงานได้ซ้ำ 4,000 ครั้งในเวลาเพียง 5 นาที โดยเฉพาะอย่างยิ่งในปัญหาขนาดใหญ่ ความเร็วในการประมวลผลไม่เพียงแต่จะเร็วขึ้นเท่านั้น แต่ยังแม่นยำกว่าโมเดลทั่วไปอีกด้วย

การปรับปรุงประสิทธิภาพการคำนวณนี้ช่วยให้นักวิจัยสามารถจำลองบน GPU ระดับผู้บริโภคได้ แทนที่จะต้องพึ่งพาคลัสเตอร์คอมพิวเตอร์ราคาแพงและประสิทธิภาพสูง สิ่งนี้มีความหมายสำคัญสำหรับอุตสาหกรรมที่ต้องมีการวิเคราะห์วัสดุโดยละเอียด รวมถึงอุตสาหกรรมการบินและอวกาศ วิศวกรรมและการผลิต เช่นเดียวกับการวิจัยทางทหาร

ความสามารถในการจำลองประสิทธิภาพสูงบน GPU ยอดนิยมยังช่วยลดการพึ่งพาเทคโนโลยีภายนอก โดยเฉพาะอย่างยิ่งในสภาพอากาศที่มีการคว่ำบาตรและข้อจำกัดทางการค้าในปัจจุบัน ความก้าวหน้าครั้งนี้จะทำให้จีนและรัสเซียสามารถก้าวหน้าด้านการวิจัยได้โดยไม่ต้องพึ่งพาฮาร์ดแวร์คอมพิวเตอร์ระดับไฮเอนด์จากประเทศตะวันตก

งานวิจัยดังกล่าวได้รับการตีพิมพ์ใน วารสาร Chinese Journal of Computational Mechanics เมื่อวันที่ 8 มกราคม 2025 และทีมงานเชื่อว่ากระบวนการเพิ่มประสิทธิภาพนี้สามารถขยายออกไปได้ไกลกว่าไดนามิก จึงสามารถปรับปรุงประสิทธิภาพของ GPU สำหรับการคำนวณทางวิทยาศาสตร์อื่นๆ ได้

ที่มา: https://thanhnien.vn/thuat-toan-trung-quoc-co-the-tang-toc-gpu-nvidia-len-800-lan-185250205231104787.htm