Die Rechenleistung von GPUs (Graphics Processing Unit) hat in den letzten Jahren eine dramatische Entwicklung genommen. Für einige Hundert Euro kann man heutzutage eine Grafikkarte für den PC erwerben, deren Fließkomma Rechenleistung im Jahr 2002 noch für einen Eintrag in die Liste der 500 schnellsten der Welt ausgereicht hätte.
Angesichts dieser beeindruckenden Leistungsentfaltung stellt sich die Frage, ob sich mit GPUs auch andere Berechnungen ausführen lassen als die üblichen Shading Algorithmen in Computerspielen. Diese Frage beschäftigt inzwischen einen ganzen Forschungszweig, genannt GPGPU (General-Purpose Computation using Graphics Hardware).
In meinem Vortrag werde ich zunächst auf die Datenstrukturen eingehen, die üblicherweise auf GPUs zu Verfügung stehen. Anschließend werden wir erweiterte Datenstrukturen kennenlernen, die auf den Vorhergehenden aufbauen. Exemplarisch für GPGPU Anwendungen werde ich die Abstraktionssprache BrookGPU vorstellen, die es nicht-Computergrafikern ermöglicht, allgemeine Berechnungen auf GPUs durchzuführen. Den Abschluss bildet die GPU-Implementierung von Operatoren für Lineare Algebra, welche die wesentliche Grundlage für viele wissenschaftliche Anwendungen (z.B. numerische Simulation) darstellt.
Literatur
J. Krüger, and R. Westermann: Linear Algebra Operators for GPU Implementation of Numerical Algorithms. In Proceedings of Siggraph 2003.
Ian Buck, Tim Foley, Daniel Horn, Jeremy Sugerman, Kayvon Fatahalian, Mike Houston, and Pat Hanrahan: Brook for GPUs: Stream Computing on Graphics Hardware. In Proceedings of Siggraph 2004.
Aaron Lefohn, Joe Kniss, and John Owens: Implementing Efficient Parallel Data Structures on GPUs. GPU Gems 2.
