Holder GPU'er unge

Graphics Processing Units (GPU'er) bruges til mange beregningsintensive opgaver. Deres ældningsproces kan bremses af smart ledelse, som TU Wien (Wien) og University of California (Irvine) nu har vist.

Grafikbehandlingsenheder bruges ikke kun til at vise grafik. I dag, de bruges ofte til særligt udfordrende beregninger - for eksempel i videnskabelig forskning eller endda Bitcoin-minedrift.

Imidlertid, deres ydeevne falder normalt over tid. Efterhånden som de individuelle kerner i behandlingsenheden ældes, de fungerer ikke længere perfekt sammen. TU Wien og University of California, Irvine har derfor udviklet en forbedret chiphåndteringsmetode, som fordeler behandlingsopgaverne på en effektiv måde. I mere end 95 % af tilfældene dette kan bremse ældningsprocessen for GPU'er.

Meget Parallel Computing

"De standardcomputere, som vi bruger derhjemme, har kun nogle få processorkerner. En grafikprocessor består på den anden side af et stort antal kerner - typisk hundreder eller tusinder", siger professor Muhammad Shafique (Institut for Computer Engineering, TU Wien). Derfor, GPU'er er ekstremt nyttige til parallelle beregninger, hvor en opgave kan opdeles i mange mindre beregninger, der kan løses uafhængigt af hinanden, af forskellige kerner på samme tid.

Kernerne, imidlertid, er aldrig helt identiske. "Strukturerne på GPU'en er meget små. Der vil altid være små ufuldkommenheder og afvigelser på grund af produktionsprocessen", siger Muhammad Shafique. Derfor, aldring har forskellige virkninger på forskellige kerner. Under stress, ydeevnen af ​​forskellige kerner vil glide fra hinanden.

Dette er et problem for parallel computing. Når en opgave er fordelt på mange kerner, og systemet skal vente på, at den sidste er færdig, før næste trin i beregningen kan startes, den langsomste kerne bestemmer processens samlede hastighed. Dette kan drastisk reducere GPU'ens ydeevne.

Smarte ledelsesteknikker

Muhammad Shafique og holdet af professor Mohammad Al Faruque (University of California, Irvine) ønsker at løse dette problem ved hjælp af smarte ledelsesmetoder:"For det første, det er afgørende at kende status for de enkelte kerner", siger Muahmmad Shafique. "Så kan vi fordele forskellige opgaver på en sådan måde mellem kernerne, at fysisk stress fordeles optimalt."

Kerner med lignende egenskaber kombineres til "klynger", som så får mere eller mindre udfordrende opgaver – alt efter deres nuværende status. Den vej, ældningsprocessen kan bremses, den samlede ydeevne af systemet øges. "Der har allerede været ideer til, hvordan man kan bremse ældningsprocessen for GPU'er med compiler-baserede teknikker, men vores metode er meget mere effektiv. Det virker i mere end 95 % af tilfældene", siger Muhammad Shafique.