<del id="9z7x1"></del>

          <track id="9z7x1"></track>

            <pre id="9z7x1"><b id="9z7x1"></b></pre>

            <address id="9z7x1"><strike id="9z7x1"><span id="9z7x1"></span></strike></address>

            <p id="9z7x1"><ruby id="9z7x1"><ruby id="9z7x1"></ruby></ruby></p>

            <p id="9z7x1"><pre id="9z7x1"></pre></p>

            領先的CAE軟件供應商為什么轉向GPU?

            2022-10-18 12:46:41 來源:EETOP
            本文你將會了解
            • 為什么領先的 CAE 軟件供應商轉向 GPU。
            • CAE 工作負載過渡到 GPU 的趨勢。

            計算機輔助工程(CAE)曾經是擁有高性能計算機的專家的領域,現在正成為設計師的工作站應用程序。今年早些時候,Jon Peddie Research對領先的CAE軟件供應商進行了一系列的采訪,如Altair、Ansys、Dassault Systèmes、Hexagon和Siemens Digital Industries software。JPR還與NVIDIA合作,了解GPU加速在許多CAE應用和工作流程中所帶來的變化。這些訪談的結果可以在一本名為《加速和推進CAE》的電子書中找到。(EETOP公眾號后臺輸入消息:CAE 可獲取)

            過渡并不快,GPU 是在 1999 年底推出的,以響應熱情擁抱 3D 游戲的狂熱游戲玩家的高需求。第一代 GPU 是專門為游戲設計的,游戲開發人員可以簡單地寫入 GPU 的內置函數。

            隨著應用程序編程接口 (API) 的發展,這些功能成倍增長。效果立竿見影——為 GPU 編寫的游戲數量迅速增加,游戲運行速度更快,而且它們變得更漂亮。

            事后看來,我們現在知道工程和科學計算正在經歷同樣的轉變,但在設計行業準備好之前,還需要做很多事情。所有軟件都是為 CPU 構建的,客戶依靠其系統 CPU 的能力來運行復雜、資源密集的模擬和分析軟件。他們也習慣了分析軟件的復雜和需要很長時間才能運行。

            一切都變得更快

            隨著創新步伐的加快,每一代 GPU 都獲得了對 CAE 有用的新功能,包括硬件加速矩陣數學和人工智能——內存更快、帶寬更高。

            此外,用于GPU編程的軟件工具正在激增。英偉達(NVIDIA)的CUDA于2007年推出,它為整個計算領域的應用程序開發了專門的庫。AMD也一直在研究開放軟件的方法,英特爾也是如此,它正在引入新的高性能 GPU 來補充其 CPU。

            在我們對 CAE 公司的采訪中,我們被告知,根據具體任務,GPU 的性能要比 CPU 好很多倍。然而,盡管有這個明顯的優勢,我們也被告知,一些工程師擔心 GPU 加速的應用程序必須為精確度的速度提升付出代價。事實證明并非如此。相反,開發人員及其客戶發現 GPU 加速計算的結果與基于 CPU 的求解器執行的結果一樣準確。

            GPU 加速使工作站能夠完成以前由高性能計算 (HPC) 機器執行的工作。因此,就能源使用和財務成本而言,執行這些工作的成本可能更低。以更低的成本和更可持續的方式執行更多迭代的能力使更多的設計人員能夠在設計過程的早期利用仿真,并對結果充滿信心。

            行業不會在一夜之間轉變,CAE 行業就是一個特別好的例子。一些產品基于最初在 1960 年代和 70 年代為 CPU 編寫的非常古老的代碼。這些公司如何利用 GPU 可能會有所不同。

            進行過渡

            從采訪的公司得知,他們正處于使用 GPU 進行 CAE 的早期階段。他們很早就意識到 GPU 的好處,但他們更清楚移植速度過快的陷阱。開發人員必須考慮在客戶站點安裝的硬件基礎以及他們試圖解決的問題類型。

            自推出以來,GPU 一直在發展以支持所有數字行業。它們集成了更多的晶體管、更大的內存、更快的帶寬。我們已經看到了新型加速器內核的發展,例如英偉達的 CUDA 內核和 AMD 的流處理器,并且添加了 Tensor 內核來加速 AI/ML 應用程序。已經引入了實時光線追蹤核心以及大量的開發人員軟件工具和庫。

            最終結果是 GPU 在減少處理模擬網格所需的時間方面領先于 CPU (見圖)。

            圖片

            隨著核心數量的增加,它會減少計算時間。如果使用得當,GPU 可提供驚人的加速。

            一些獨立軟件供應商 (ISV) 堅持使用 CPU,而一些較新的公司和新程序都在 GPU 上。我們認為最明智的方法是一種混合方法,讓用戶可以使用他們擁有的任何 GPU 功能。

            這個項目有幾個明顯的收獲。一是在已建立的 CAE 產品中使用 GPU 加速的增加。我們還看到了從頭開始編寫的新產品的開發,以利用 GPU??沙掷m性已成為開發商和客戶的重要考慮因素。最后,CAE 有可能成為設計過程中更完整的一部分,從而帶來更好的設計和更可持續的產品。

            原文:

            https://www.electronicdesign.com/technologies/embedded-revolution/article/21252892/jon-peddie-research-engineering-simulation-exploits-gpus

            1. EETOP 官方微信

            2. 創芯大講堂 在線教育

            3. 創芯老字號 半導體快訊

            相關文章

            全部評論

            • 最新資訊
            • 最熱資訊
            @2003-2022 EETOP

            京ICP備10050787號   京公網安備:11010502037710

            被主人玩弄调教抽打
            <del id="9z7x1"></del>

                    <track id="9z7x1"></track>

                      <pre id="9z7x1"><b id="9z7x1"></b></pre>

                      <address id="9z7x1"><strike id="9z7x1"><span id="9z7x1"></span></strike></address>

                      <p id="9z7x1"><ruby id="9z7x1"><ruby id="9z7x1"></ruby></ruby></p>

                      <p id="9z7x1"><pre id="9z7x1"></pre></p>