GPGPU Programozás Kutatócsoport

GPGPU Programozás Kutatócsoport

 

Az Óbudai Egyetem sikeres pályázatát követően 2014-ben tagja lett az NVIDIA által alapított CUDA Teaching Center (később GPU Education Center) programnak, amelynek célja a grafikus kártyák programozásának minél szélesebb körű elterjesztése. Az oktatási feladatok mellett a kar témával mélyebben foglalkozó oktatói megalapították a GPGPU Programozás Kutatócsoportot, amely a területtel kapcsolatos kutatásokat szervezi és segíti.

A kutatócsoport célja a grafikus kártyák (illetve általában az adatpárhuzamos rendszerek) lehetőségeinek feltárása, illetve az egyetem gyakorlatorientált megközelítéséhez alkalmazkodva, azok általános célú felhasználása különféle nagy számításigényű feladatok megoldása során. A kutatási feladatok mellett hangsúlyt fektet arra, hogy az érdeklődő hallgatók megismerhessék és a gyakorlatban is kipróbálhassák ezeket az eszközöket. Ennek megfelelően BSc, MSc és PhD szinten is számos hallgató vesz részt a témával kapcsolatos kutatásokban (szakdolgozatok, projektmunkák, TDK munkák keretein belül), amelyekkel már több elismerést szereztek (TDK helyezés, OTDK különdíj).

A kutatócsoport tevékenysége szerteágazó, hiszen az informatika kulcsterületein jelentenek előnyt ezek az újszerű lehetőségek:

 

- Képfeldolgozás: mind az orvosi képfeldolgozás (nagyfelbontású szövetminták szegmentálása)

, mind pedig az általános objektumazonosítás (autók azonosítása rossz minőségű videofelvételeken) területén sikerült jelentős eredményeket elérni.

- Szimulációk: az adatpárhuzamos rendszerek jól használhatók végeselem/véges differencia alapú szimulációk esetében, így ez is egy aktívan kutatott terület.

A kutatócsoport sikeresen kidolgozott egy GPU alapú módszert, amellyel szabályos formájú testek lehűlési szimulációját sikerült közel százszorosára gyorsítani.

- Heurisztikus keresések: számos nagy számításigénnyel bíró optimalizáló algoritmust (genetikus algoritmusok, raj alapú módszerek)

lehet felgyorsítani grafikus kártyák segítségével, ezen a téren szintén sikerült jelentős eredményeket elérni.

- Gépi tanulás: a neurális hálók tanítása ma már elképzelhetetlen lenne adatpárhuzamos gyorsítók nélkül. Ennek megfelelően több kutatás foglalkozik ezekkel

(természetes nyelvi feldolgozás, függvények közelítése neurális hálóval, képfeldolgozás konvolúciós hálóval, programkód elemzés, stb.).

- Egyéb kutatások: GPU-k használata pénzügyi szimulációk során (Monte Carlo módszer, számítási pontosság vizsgálata),

hardver lehetőségek elemzése (IBM NVLINK kapcsolat előnyei), stb.

A kutatócsoport részben az NVIDIA programján keresztül kapott (öt NVIDIA Titan Black, egy NVIDIA Tesla K40), részben pedig saját beszerzésű eszközökkel dolgozik (NVIDIA GTX és Tesla kártyák). Az IBM NVIDIA Acceleration Lab (Poughkeepsie) kutatóközponttal kiépített kapcsolat segítségével a kutatócsoport szükség esetén ideiglenes hozzáférést kaphat a legmodernebb IBM-NVIDIA fejlesztésű távoli szerverparkhoz.