Tesla-GPUs von NVIDIA treiben weltweit energieeffizientesten Petaflop-Supercomputer an

Erneut basiert der weltweit energieeffizienteste Petaflop-Supercomputer auf NVIDIA-Tesla-GPUs. Der Tsubame 2.0 am Tokyo Institute of Technology ist dreimal energieeffizienter als vergleichbare Supercomputer, die nur CPU-basiert sind.

Der Tsubame 2.0 des Global Scientific Information Center (GSIC) am Tokyo Institute of Technology wird auf der kürzlich veröffentlichten Green-500-Liste als "grünster" Supercomputer der Petaflop-Klasse geführt. Die Liste, die zweimal jährlich erscheint, enthält die 500 energieeffizientesten Supercomputer.

Der Tsubame 2.0 ist ein Supercomputer, der auf CPUs und GPUs basiert und im Bereich der wissenschaftlichen und industriellen Forschung in Japan eingesetzt wird. Er besteht aus HP-ProLiant-SL390-Servern mit Intel-Xeon-CPUs und NVIDIA-Tesla-GPUs. Die Tesla-GPUs tragen zu mehr als 80 Prozent seiner Performance bei. Mit einer Performance von 1,19 Petaflops bei einem Energieverbrauch von 1,2 Megawatt bietet der Tsubame 2.0 eine Rechenpower von 958 Megaflops pro Watt. Er ist 3,4-fach energieeffizienter als das nächstplatzierte ausschließlich CPU-basierte x86-Petaflop-System, der Cielo Cray Supercomputer am Los Alamos National Laboratory, der 278 Megaflops pro Watt bietet.

Im Rennen um das Exascale-Computing ist die Energieeffizienz ein entscheidendes Kriterium geworden. Heterogene GPU-beschleunigte Systeme sind energieeffizienter als Systeme, die nur CPU-basiert sind, weil Applikationen die Vorteile unterschiedlicher Prozessoren für verschiedene Aufgaben nutzen können. Die sequentiellen Teile einer Applikation laufen auf CPUs und die daten- und rechenintensiven werden durch die massiv-parallele GPU beschleunigt.

Die aktuelle Green-500-Liste unterstreicht die Bedeutung von heterogenen Rechensystemen im Bereich Energieeffizienz. Fünf der zehn weltweit effizientesten Systeme und 22 unter den Top 30 basieren auf einer Kombination aus GPUs und CPUs.

Tesla-GPUs sind massiv-parallele Beschleuniger, die auf der parallelen Computing-Architektur CUDA basieren. Entwickler können ihre Applikationen unter Verwendung von CUDA C, CUDA C++, CUDA Fortran oder Direktiven-basierten Compilern beschleunigen.