EL ECO DE LOS PASOS sostiene el apoyo crítico a la Revolución Venezolana desde el punto de vista del Comunismo Anarquista.- Colaboraciones a: cntfai@cantv.net
){kind=small}
Imagen de un ordenador con cuatro placas Tesla. (Foto: P. R.)
LONDRES.- Cada científico con su 'superordenador', y un 'superordenador' para cada investigador. Lo que parecía una utopía se acerca cada vez más a la realidad. El uso de los procesadores gráficos para cálculos cada vez más complejos y rápidos lo está haciendo posible. Y por menos de 9.000 euros.
Si pensamos en un 'superordenador', enseguida vienen a la cabeza imágenes de gigantescos recintos llenos de armarios y cables, y presupuestos astronómicos para su mantenimiento. No obstante, ahora es posible disponer de una potencia de cálculo de hasta cuatro teraflops por segundo en un equipo que no ocupa más que uno de sobremesa.
Muchos, sobre todo los aficionados a los videojuegos, conocen la compañía NVIDIA por sus tarjetas GForce. Recientemente, la compañía lanzó Tesla, que ahora presenta en Europa, un poderoso sistema procesador basado en gráficos (GPU) que, aseguran, 'democratiza' la era de los 'superordenadores'.
¿En qué consiste esta 'revolución'? Como explica David Kirk, jefe científico de la compañía, este poder de computación a este precio hará que "cualquier compañía o universidad, cualquier país, rico o pobre, va a ser capaz de tener un superordenador", lo que puede contribuir al desarrollo de la investigación hasta niveles nunca vistos.
El origen está en el uso de unidades gráficas de procesamiento (GPU) para realizar cálculos en general, en lugar de las CPU, o unidades centrales de procesamiento. La diferencia entre ambos sistemas es que, en el primero de los casos, se trata de un procesador con múltiples núcleos dedicados todos ellos a realizar la misma tarea (sobre variables o datos diferentes). La CPU, que es lo que tienen normalmente los ordenadores, consta de dos o cuatro núcleos (hoy en día) más complejos, que realizan las tareas normales del ordenador.
"Nos dimos cuenta de que las GPU resolvían uno de los principales problemas que tienen los gráficos, que es la computación en paralelo, así que nos planteamos que podían funcionar de otra manera, realizando cálculos generales", comenta Kirk.
Como apunta Nacho Navarro, profesor de la Universidad Politécnica de Catalunya e investigador del BSC, "si quisiéramos estudiar, por ejemplo, el flujo de sangre que pasa por un corazón, si usáramos una GPU, podríamos asignar cada mililitro a un núcleo de procesamiento".
Los resultados son poco menos que asombrosos. El poder de procesamiento de imágenes médicas en 3D se multiplica por 146, según ha comprobado la Universidad de Utah, mientras que en cálculos sobre física cuántica se multiplican por 130 (Universidad de Illinois) o en álgebra lineal, por 47 (Universidad Jaume I de Castellón).
Incluso las simulaciones financieras se ven aceleradas dramáticamente, hasta 149 veces, según la Universidad de Oxford. ¿Contribuirá este avance a frenar la crisis financiera mundial? Quién sabe.
Uno de los avances que más prometen es en el campo de la diagnosis médica. Con este tipo de 'superordenadores', una prueba diagnóstica como una resonancia magnética puede ser completada y resuelta en minutos. También se ven acelerados los resultados de tomografías, o incluso prospecciones geológicas en 3D para buscar petróleo o gas.
Este avance en la democratización de la 'supercomputación' supone una mejora en los procesos de cálculo más complicados que existen en la ciencia, pero... ¿en todos? Navarro opina que cada sistema de computación es bueno para según qué cosas. "Para que compense, has de tener suficientes datos, y que estos datos se puedan procesar en paralelo. Pr ejemplo, el movimiento de partículas en el aire, o las señales de un sonar".
La clave GPU es que es fruto que la idea de pensar en resolver los problemas desde el principio en paralelo, es decir, descubriendo qué partes son independientes una de otra, y luego agrupando los problemas que surgen para hallar una solución.-
){kind=small}
David Kirk, en un momento de la entrevista. (Foto: N. N.)
LONDRES.- La 'supercomputación' se democratiza, o al menos así lo piensa la compañía NVIDIA. Su jefe científico, David Kirk, es un convencido en las bondades de la GPU, la unidad de procesamiento gráfico, como la mejor manera de aumentar la velocidad de los ordenadores, y bajar su precio.
Experto en tecnología y aplicaciones de gráficos, su trayectoria es impresionante, y ha pasado por el MIT, por el Instituto de Tecnología de California, ha trabajado en Hewlett-Packard y en la industria del videojuego (Crystal Dynamics). Fue reconocido en 2002 con el prestigioso premio SIGGRAPH y es miembro de la National Academy of Engineering de EEUU.
¿Qué es la supercomputación?
Bien, en la ciencia moderna usamos la computación como una herramienta muy poderosa para simular realidades que suceden en la vida real, de manera que podemos experimentar. Los científicos pueden usar modelos de computación que implican miles de millones de cálculos con el fin de resolver un problema. Eso es supercomputación.
¿Pero a partir de qué momento, de qué volumen de cálculo hablamos de 'supercomputación'?
Lo que pasa es que cambia constantemente. La computación cada vez es más y más rápida, y eso es uno de los hechos más interesantes. En mi conferencia durante la presentación de Tesla de NVIDIA, comenté que el superordenador personal es 1.000 veces más poderoso que el CRAY X - MP, que llegó a ser el superordenador más rápido del mundo. La supercomputación ha roto la barrera del Petaflop, es decir, 1.000 Teraflops, y lo que nosotros estamos presentando es una máquina capaz de procesar cuatro Teraflops por segundo en una caja, lo que no está mal. Y sólo es el principio.
¿Para qué sirve el 'superordenador' personal? Dígame algunos ejemplos...
Esto tiene que ver con tu primera pregunta. Muchos científicos e investigadores en universidades, laboratorios del Gobierno o compañías privadas van a ser capaces de resolver problemas complejos y lograrán construir modelos matemáticos para buscar respuestas a los problemas que estudian. Podrán usar esta tecnología para ello. Quizá para descubrir algo nuevo, desde nuevos tratamientos contra el cáncer hasta, quién sabe, una salida para esta crisis económica.
¿Por qué considera que el uso de procesadores gráficos (GPU) para computación es una revolución? ¿Cuál es la diferencia con el uso de los procesadores centrales (CPU), como se hace generalmente?
Bueno, con la CPU tienes un número pequeño de procesadores, aunque éstos son muy complejos. Hemos tenido CPU de un núcleo durante mucho tiempo, y ahora existen los de doble núcleo, y los de cuatro núcleos. Cuatro es un número muy pequeño. Las GPU tienen cientos de núcleos, y cada uno de ellos es muy simple, es capaz de hacer una pequeña parte del trabajo total. Cuando estás resolviendo un problema, con la CPU tomas el todo y lo tienes que dividir entre los núcleos de procesamiento, tienes que pensar primero cómo lo divides, lo que no es tan eficiente. Con la GPU lo que haces es concretar un problema, y te permite repetir un mismo modelo con datos diferentes miles de veces. Cada núcleo trabaja en paralelo resolviendo su trocito de problema. Esto es más eficiente. Es como un ejército de pequeños 'resolvedores' de problemas, en lugar de tener unos pocos y poderosos. De hecho, las CPU están tomando este camino, cada vez tendrán más núcleos, pero nosotros estamos haciéndolo ya.
¿Cuál es la diferencia entre este sistema, Tesla, basado en GPU y Cell de Intel, que usan muchos de los más poderosos superordenadores del mundo, como 'RoadRunner'?
Cell es una tecnología bastante innovadora, es un procesador 'multicore' heterogéneo, que se basa en un núcleo principal y ocho procesadores especializados (SPE), lo que pasa es que no tiene herramientas que hagan que sea fácil de trabajar con este tipo de procesador, es muy complejo y necesitas a gente especializada. NVIDIA ha desarrollado CUDA, que es un lenguaje de programación en C para las GPU (como Tesla) que es más fácil. No hay un entorno como éste para Cell, lo que es una ventaja para Tesla.
Para terminar, ¿qué cuesta esto? ¿Por cuánto me sale tener un 'superordenador' personal?
¿Que cuánto cuesta? Una tarjeta GPU Tesla viene a costar entre 1.000 y 2.000 dólares, pero para una máquina completa tendrás que preguntar a los fabricantes, ya que nosotros proveemos de estas tarjetas a ellos; no vendemos ordenadores personales, sino que proporcionamos los componentes. En cualquier caso, no es mucho. Como he oído esta mañana a uno de los ponentes de la presentación, su 'superordenador' personal de 10.000 dólares está haciendo el mismo trabajo que un centro de supercomputación de tres millones de euros. Ahora produce cierta vergüenza comparar los precios, la gente que se gastó ese dineral debería tenerla (risas). El 'superordenador' personal es una ganga.-
/http%3A%2F%2F3.bp.blogspot.com%2F-LexayFZKpaM%2FUrkxf-zAFJI%2FAAAAAAAAGPg%2FYtKk5uU9qwI%2Fs640%2Fcladograma%2Bde%2Bla%2Bnavidad2.png)
/idata%2F1216343%2F2013-9%2Fpintura-de-los-estados-unidos1.jpg)
/idata%2F1216343%2F2013-9%2Fmusulmanes1.jpg)
![[Argentina] “Es una parte de la lucha pero no es la victoria”](https://image.over-blog.com/8nrRmWEHjYH79ltJjtDUE6y0LVE=/400x260/smart/filters:no_upscale()/idata%2F1216343%2F2013-9%2FTrata-de-personas.jpg)