Effizientes Lösen linearer Gleichungssysteme über GF(2) - CDC ...

2.2. NVIDIA 7
Seit ca. 2000 werden auch Grafikprozessoren mit ihren Rechenleistungen für
parallelisierbare Operationen verwendet. Dabei handelt es sich oft um Berechnungen,
die traditionell auf der CPU durchgeführt werden. Das Lösen
von allgemeinen Aufgaben mit Grafikkarten wird als General Purpose Computation
on Graphics Processing Unit oder kurz GPGPU bezeichnet (Siehe
[17]). Grafikkarten verfügen über eine SIMD-Architektur. Neuere GPUs von
NVIDIA ermöglichen die zeitgleiche Ausführung mehrerer unterschiedlicher
Programme auf einer Grafikkarte wodurch auch die MIMD Architektur umgesetzt
ist. Das Multiprozessorsystem ist homogen und alle Prozessoren befinden
sich auf der selben Karte. Jeder verfügt über einen eigenen Adressraum
und hat Zugriff auf den globalen Speicherbereich, welchen sich alle Prozessoren
teilen.
2.2 NVIDIA
NVIDIA wurde 1993 von Jen-Hsun Huang, Curtis Priem und Chris Malachowsky
gegründet und gehört heute zu einer der größten Firmen für die
Entwicklung von Grafikprozessoren und Chipsätzen für Personal Computer
und Spielkonsolen (Siehe auch [11]).
Im Februar 2007 wurde die Compute Unified Device Architecture, kurz CU-
DA entwickelt. Diese API ermöglicht es Grafikprozessoren als Co-Prozessoren
für die CPU einzusetzen um parallelisierbare Berechnungen zu beschleunigen.
Bis dahin war die Schnittstelle nur auf graphische Anwendungen ausgelegt,
was eine Verwendung in anderen Anwendungsbereichen erschwerte. Dennoch
wurde der Einsatz von GPUs für parallele Berechnungen immer mehr zu einer
gängigen Praxis. Grafikkarten verfügen über eine parallele Many-Core Architektur,
bei der jeder Grafikkern tausende von Threads gleichzeitig ausführen
kann (Siehe auch Kapitel 2.5). Mit der Entwicklung von CUDA konnte NVI-
DIA den Markt für seine Produkte erweitern. Anwendbar ist die API auf
viele Karten der GeForce und Quadro Serie, sowie für alle Tesla Karten. Tesla
Karten sind Streamprozessoren, welche für den Einsatz als Co-Prozessor
entwickelt wurden und nicht über Monitoranschlüsse verfügen (Siehe [13])
CUDA ermöglicht mit C for CUDA einen leichten Einstieg in die Programmentwicklung,
da es sich um die relativ bekannte Programmiersprache C mit