知識星球
HPC應用支援GPU計算的增長幾乎完全是由英偉達(NVIDIA)推動的，該公司在構建一個健壯的軟體生態系統以支援其在硬體方面的投入。具體來說，透過開發了一套並行程式設計API、庫和相關的軟體開發工具CUDA(Compute Unified Device Architecture)支援GPU平臺的應用程式開發，包括OpenCL開放的標準框架、各種處理器架構加速和OpenACC(高階語言的標準編譯器指令)。NVIDIA還在全球建立了超過20個GPU中心，數百個學術機構的GPU研究和教育中心的全球網路，提高通用GPU程式設計軟體工具開發的速度，透過與ISV合作加速完善商業HPC應用程式和開發庫。
隨著工智(AI)能的出現，許多組織都在投入深度學習技術，將人工智慧的發展和技術帶到他們的產品、服務或運營中，然而這些演演算法通常依賴於GPU，AI已經成為NVIDIA的主要增長引擎。
在HPC應用支援GPU計算調查中，著名諮詢機構Intersect360要求使用者列出他們的頂級HPC應用程式(5個站點內)。然後用這些資料來統計最多常用的HPC應用程式。在2017年第三季度收集的資料中，1792個統計程式中共有534個不同的應用程式。
HPC本質上是一個多元化的市場，應用程式跨越多個領域。本報告將重點關註在HPC使用者站點普查中所報告的前50個應用程式，按次數排序。為了將應用串列限制在50(其中有2個統計併列49位)，從每個主要應用場景中選擇了2個應用程式。高效能運算(HPC)跨越了技術和業務領域等一系列應用領域。在大多數領域中都存在GPU加速應用程式，包括化學研究，流體動力學分析，結構分析，環境建模，地球物理學，視覺化/影象處理和物理。
在HPC應用支援GPU計算報告中，諮詢機構Intersect360列出了50個最常用的高效能運算(HPC)應用程式，識別出目前採用GPU加速的應用程式。根據對最新HPC使用者站點普查資料和研究發現，HPC使用者用到的50個最流行的應用程式中有34個提供GPU支援，另外2個應用目前正在開發中。前15個應用程式目前都透過某種形式實現對GPU支援。在HPC市場上，GPU計算已經達到了一個臨界點，這將預示著HPC應用程式採用GPU最佳化將成為主流。
化學領域
化學是最常見的HPC應用領域之一，有組織使用HPC系統瞭解化合物和過程，根據這種理解設計新的物質為今後的研究和產品開發提供資訊。包括計算化學，分子建模，和質譜資料分析。
前50名HPC應用中有20個應用於化學。這種HPC軟體受歡迎的原因是生物分子研究和開發新化合物的興趣所驅動的。如表2所示，GPU對頂級化學編碼的支援非常深入的，這在很大程度上要歸功於該應用領域中，大量的開原始碼和活躍的開發者的貢獻。因此，20個化學應用中有16個目前可以使用GPU加速，包括排在前15名的HPC應用。
流體動力學分析
計算流體動力學(CFD)的解決方案目前異常廣泛的被應用，如:飛機設計，內燃機設計，建築物氣流分析，心臟泵的設計，細胞內蛋白質運輸的建模，等等。與結構分析領域類似，這些應用主要來自商業程式碼捐獻，但最初的程式碼來自NASA開發和開源的努力。在HPC中，作為前十大應用程式的OpenFOAM的出現，預示著整個行業向開原始碼的方向發展。
如表3所示，這兩種最流行的CFD應用，ANSYS Fluent和OpenFOAM使用GPU的支援。
結構分析
結構分析包括用於分析各種結構的應用程式，包括顯式和隱式有限元分析(FEA)，是用於工程分析的重要計算工具。它主要是用來對結構的負載和壓力進行分析，包括用於汽車的虛擬崩潰測試。
表4描述了前50個HPC應用程式中的8個結構化分析應用。8個中有7個已經支援GPU計算。
生物科學
生物科學應用是用來揭示生命的本質、並幫助設計醫學治療方案的學科。他們也用於瞭解和提高農業生產。這部分包括基因組學等應用，蛋白質組學，藥物發現等等。由於基因組學的快速發展，帶動分析基因和細胞的生物資訊學軟體快速發展， 使得基因組學驅動整個生命科學發展。
如表6所示，在生命科學領域，GPU計算應用已經落後於其他領域，然而，BLAST應用有個GPU版本，被稱為GPU-BLAST，現在已在研究領域使用，還有一個GPU加速版本的Bowtie，作為NVIDIA實驗室專案在運作。
表7列出了剩餘的前50個HPC應用程式及其域。2個商業智慧領域，2個天氣預報和環境建模領域，1個物理和1個樣式識別領域。
天氣、環境建模
環境建模包括用於模擬天氣、氣候、空氣質量和海洋的應用程式系統。天氣預報的潛在用途包括從輓救生命和財產到先進的嚴重天氣警報，預測野火，透過預測能源需求來管理電網，根據天氣預報來估計當地超市對產品的需求。
商業智慧
SAP和Oracle出現在前50名HPC應用程式的串列中。在業務計算、HPC、甚至科學應用程式之間透過有一些交叉，隨著分析領域的迅速發展透過資料庫解決一些問題。SAP和Oracle都有GPU加速版本。SAP和Oracle正在佈局未來，為企業客戶開發AI最佳化的模組，計劃把深度學習應用到GPU計算。
物理應用
物理包括用於建模行為中涉及的基本原理的應用程式，物質和能量。該領域的範圍涵蓋從宇宙演化的宇宙模型，到量子力學的亞原子水平的物質。物理學家是HPC的首批使用者之一。
樣式識別
樣式識別是深度學習的基礎。樣式識別應用程式可以從大量的訓練中學習資料，以便能夠從類似的資料中做出推斷。TensorFlow是最常用的應用程式，深度學習與GPU計算有很強的親和力，而TensorFlow則可以透過GPU實現加速和最佳化。
>>>>>>>>>>>> 相關閱讀 <<<<<<<<<<<<
1、從高效能運算(HPC)技術演變解析方案、生態和行業發展趨勢
2、詳解GPFS檔案系統架構、組網和Building Block
溫馨提示：
請搜尋“ICT_Architect”或“掃一掃”二維碼關註公眾號，點選原文連結獲取更多技術資料。
求知若渴, 虛心若愚(Stay hungry, Stay foolish)
