Die Macht der parallelen Computertechnologie freisetzen: GPU-Technologien für die Ozeanvorhersage

Zusammenfassung. Betriebliche Ozeanvorhersagesysteme sind komplexe Systeme, die Ozeanmodelle mit hoher Leistung ausführen müssen, um zeitnahe Produkte und Datensätze bereitzustellen. Es sind erhebliche Rechenressourcen erforderlich, um leistungsstarke Modelle auszuführen, und historisch gesehen hat die technologische Entwicklung von Mikroprozessoren die datenparallele wissenschaftliche Berechnung eingeschränkt. Heute bieten GPUs eine zusätzliche und wertvolle Quelle Rechenleistung für die traditionellen CPU-basierten Maschinen: Die Nutzung von Tausenden von Threads kann die Ausführung vieler Modelle erheblich beschleunigen, von traditionellen HPC-Arbeitslasten mit zentralen Differenzen/Volumen/Elementmodellierung bis hin zum Training tiefen neuronaler Netzwerke, die in maschinellem Lernen und künstlicher Intelligenz verwendet werden. Trotz der Vorteile ist die Nutzung von GPUs in der Ozeanvorhersage aufgrund des Erbes von CPU-basierten Modellen und der intrinsischen Komplexität der Portierung grundlegender Modelle auf GPU-Architekturen noch begrenzt. Diese Überprüfung untersucht die potenzielle Nutzung von GPUs in der Ozeanvorhersage und wie die rechnerischen Eigenschaften von Ozeanmodellen die Eignung von GPU-Architekturen für die Ausführung der gesamten Wertschöpfungskette beeinflussen können: Sie diskutiert die aktuellen Ansätze zur Portabilität von Code (und Leistung) von CPU zu GPU, differenziert zwischen Tools, die Code-Transformationen durchführen, die Anpassung von Fortran-Code für die GPU-Ausführung erleichtern (wie PSyclone) oder der direkten Verwendung von OpenACC-Direktiven (wie ICON-O) bis hin zur Annahme spezifischer Frameworks, die das Management der parallelen Ausführung über verschiedene Architekturen hinweg erleichtern.