25 OCTUBRE, 2012
Lugar: CMM Centro de Modelamiento Matemático, Blanco Encalada 2120, 7º piso.
Horario: 9:30 – 12:30hrs. / 15:30 – TBA
El Workshop será dictado por Manuel Ujaldón Martínez. Profesor Titular en el Departamento de Arquitectura de Computadores de la Universidad de Málaga (España). Conjoint Senior Lecturer en la Escuela de Ingeniería Eléctrica y Ciencias de la Computación de la Universidad de Newcastle (Australia). CUDA Fellow en la empresa Nvidia (EEUU).
UPDATE: Presentation files are available to download (spanish only)
Programa
Charla de la mañana (09:30 hrs)
«ACELERACION EN GPU DE APLICACIONES EXPLOTANDO PARALELISMO MASIVO DE DATOS»
Tras una exitosa década siendo utilizadas como aceleradores hardware, las GPUs constituyen hoy en día una atractiva alternativa para la computación de altas prestaciones a bajo coste. Las aplicaciones de bioinformática manejan cada día mayores volúmenes de datos, convirtiéndose en candidatas ideales para aprovechar su paralelismo SIMD y lograr aceleraciones de hasta dos órdenes de magnitud.
Esta charla realiza un estudio de las aplicaciones a gran escala e ilustra un amplio elenco de funciones utilizadas para el procesamiento de imágenes de alta resolución, la computación evolutiva y el análisis genómico en las que las GPUs pueden contribuir con una aceleración significativa. Mostraremos una serie de optimizaciones CUDA sobre la base de ejemplos procedentes de estas áreas para explotar tres puntales básicos: (1) Paralelismo masivo de grano fino, (2) computación intensiva a niveles de TFLOPS, y (3) ancho de banda con memoria y jerarquía de memoria para mejorar el tiempo de acceso a los datos.
«GPU ACCELERATION OF APPLICATIONS EXPLOITING MASSIVE DATA-PARALLELISM»
After a decade being used as hardware accelerators, GPUs constitute nowadays a solid alternative for high performance computing at an affordable cost. Increasing volumes of data managed in bioinformatics make GPUs very attractive in this field, where SIMD parallelism may be deployed to speedup applications up to two orders of magnitude.
This talk reviews current challenges of large-scale applications and illustrates an assorted range of functions and kernels used for high-resolution image processing, evolutionary computation and genomic analysis where GPUs can contribute with a significant acceleration. CUDA optimizations are described for exploiting (1) massive fine-grained parallelism, (2) raw processing power at TFLOPS level, and (3) data bandwidth and memory hierarchy for swift data access.
Charla de la tarde (15:30 hrs)
«TENDENCIAS ACTUALES Y FUTURAS DE LA COMPUTACION EN GPU»
Esta charla compara las distintas alternativas que podemos seguir en la actualidad para programar GPUs, como CUDA, OpenCL y OpenACC. También describe algunos envolventes desarrollados por nuevas compañías y disponibles para Fortran, Java y Matlab entre otros, y analiza tendencias futuras que resultan prometedoras para la computación heterogénea de próxima generación.
En la vertiente arquitectural, visitaremos los actuales y futuros diseños híbridos de computación CPU/GPU, como Fusion y Graphics Core Next de AMD, Sandy/Ivy Bridge y MIC de Intel, para finalmente centrarnos en los desarrollos recientemente anunciados por Nvidia como Kepler y Echelon.
«CURRENT AND FUTURE APPROACHES TO GPU COMPUTING»
This talk compares existing alternatives for programming codes targeted to many-core GPUs, like CUDA, OpenCL and OpenACC. We also describe third party wrappers like those available for Fortran, Java and Matlab, among others, and analyze future trends which look promising for next heterogeneous computing.
On the architectural side, we review current and future CPU/GPU hybrid designs like Fusion and Graphics Core Next by AMD, Sandy/Ivy Bridge and MIC by Intel, to later focus on developments already announced by Nvidia like Kepler and Echelon.
Speaker
Manuel trabajó en paralelizadores semiautomáticos y compiladores de paralelismo de datos para aplicaciones irregulares durante el desarrollo de su tesis doctoral, que concluyó en 1996. Durante este período, formó parte de los comités de especificación de HPF y MPI, trabajando como post-doc en el Departamento de Ciencias de la Computación de la Universidad de Maryland en College Park (EEUU).
En 2003, se unió a la iniciativa GPGPU utilizando Cg, escribiendo el primer libro en castellano sobre la programación de GPUs para computación de propósito general, centrado en cómo implementar aplicaciones irregulares y algoritmos de álgebra lineal en GPUs.
Manuel sustituyó Cg por CUDA tras su irrupción, centrándose desde entonces en aplicaciones de procesamiento de imágenes y relacionadas con la bioinformática y la minería de datos. En los últimos 5 años ha sido co-autor de más de 40 publicaciones en revistas y congresos internacionales relacionados con estas temáticas. Además, ha impartido más de 30 cursos sobre programación CUDA en universidades de todo el mundo, incluyendo prestigiosos centros europeos, estadounidenses y australianos. Su labor ha sido reconocida por Nvidia con los galardones Nvidia Academic Partnership entre 2008 y 2011, Nvidia Teaching Center entre 2011 y 2013 en las Universidades de Málaga (España) y Newcastle (Australia), Nvidia Research Center en 2012 como investigador principal en la Universidad de Málaga, y finalmente CUDA Fellow a título individual en 2012.
Más información en su página Web personal: http://cms.ac.uma.es/ujaldon/index.php/es
También disponible en inglés en: http://cms.ac.uma.es/ujaldon/index.php/en
Manuel Ujaldon is an Associate Professor at the Computer Architecture Department, University of Malaga (Spain) and Conjoint Senior Lecturer at the School of Electrical Engineering and Computer Science of the University of Newcastle (Australia).
He worked on parallelizing compilers, finishing his PhD Thesis in 1996 by developing a data-parallel compiler for sparse matrix and irregular applications. During this time, he was part of the HPF and MPI Forums, working as post-doc in the Computer Science Department of the University of Maryland, College Park.
He joined the GPGPU movement in early 2003 using Cg, and wrote the first book in Spanish about programming GPUs for general purpose computing. The book described how to map irregular applications and linear algebra algorithms on GPUs.
Dr. Ujaldon adopted CUDA when it was first released, focusing on image processing, data mining and biomedical applications. Over the past five years, he was authored more than 40 papers in journals and international conferences in these areas. He has taught more than 30 courses on CUDA programming worldwide, including academic programs in European, North American and Australian Universities. He has also been honored with Nvidia Academic Partnership awards from 2008 to 2011, Nvidia Teaching Center awards from 2011 to 2013 as lecturer at the University of Malaga (Spain) and Newcastle (Australia), Nvidia Research Center award in 2012 as principal investigator at the University of Malaga, and finally CUDA Fellow in 2012.
Personal web site: http://cms.ac.uma.es/ujaldon/index.php/en
Also available in Spanish at: http://cms.ac.uma.es/ujaldon/index.php/es
Presentation files (spanish only):
0. Breve introducción a CUDA
1. Kepler
2. Aplicaciones bioinformáticas en GPUs
3. Computación heterogénea y su programación
4. Ejemplos de programación: Saxpy en GPU