AES_8 2022

FOCUS Approfondimenti 46 Novembre - Dicembre 2022 n Automazione e Strumentazione simulazioni, le ricerche e attività di modellistica matematica, le tecniche di analisi evoluta, più i sistemi di calcolo parallelo vengono sviluppati in maniera tale da incorporare acceleratori har- dware specifici (GPU, GPGPU, FPGA, ASIC), in aggiunta alle convenzionali CPU. Non esiste infatti una sola architettura di computing capace di soddisfare adeguatamente i requisiti di qualun- que workload. L’introduzione degli acceleratori comporta però anche un aumento della complessità delle possibili configurazioni architetturali, che poi occorre sup- portare a livello di sviluppo software. Giusto per intendersi, in un’architettura eterogenea possono essere integrati differenti dispositivi, tra cui CPU, GPU (graphics processing unit), FPGA (field pro- grammable gate array), ciascuno dei quali tipica- mente richiede la programmazione con differenti linguaggi, librerie, tool. Ovviamente ciò comporta limitazioni in termini di costi e riusabilità del codice su diverse architetture target. Per venire incontro a questo genere di problemi, ad esempio, il modello di programmazione oneAPI di Intel ha l’obiettivo di semplificare la programmazione, consentendo agli sviluppatori di creare una singola base di codice, riutilizzabile su differenti architetture hardware (CPU, GPU, FPGA). Accelerare le simulazioni Riuscire ad accelerare le simulazioni avvalendosi di sistemi di calcolo parallelo dotati di perfor- mance sempre più elevate fornisce, sia al mondo della ricerca, sia al settore industriale, benefici chiave: ad esempio, nel caso della progettazione di nuovi sistemi di computing, diventa possibile accelerare ulteriormente il time-to-market del prodotto o sistema, in quanto si può procedere allo sviluppo software, ancor prima della dispo- nibilità dell’hard-ware target reale. Inoltre, attra- verso la simulazione, si può ridurre costi e rischi di sviluppo, perché la fase di testing della nuova tecnologia si può avviare prima all’interno del processo di design. Un altro ambito industriale in cui è importante poter accelerare la simulazione è la fluidodinamica computazionale (CFD). Anche in questo caso, migliorare le simulazioni significa attuare i miglioramenti progettuali, riducendo i tempi e minimizzando le fasi di testing che richie- dono la realizzazione di prototipi fisici. Un ambito, quello CFD, in cui l’adozione di acceleratori har- dware come le GPU sta aiutando a velocizzare l’e- secuzione dei workload nelle simulazioni. Non a caso, quest’anno, società come Ansys e Siemens hanno arricchito i propri strumenti CFD con il sup- porto per l’accelerazione tramite GPU, dispositivi che hanno l’abilità di eseguire calcoli in parallelo. In un ampio numero di applicazioni e tipologie di workload, i processori grafici mostrano di for- nire significativi miglioramenti delle performance rispetto alle CPU convenzionali. n L’adozione di acceleratori hardware specifici, come le GPU, sta aiutando a velocizzare l’esecuzione dei workload, soprattutto nelle simulazioni e negli algoritmi che prevedono molteplici interazioni di modelli complessi L’utilizzo in grandi quantità di chip commerciali ha prodotto le architetture degli attuali supercomputer, che sono definiti come ‘massicciamente paralleli’