LEON

რას ერჩოდით ფორუმს?

არადა იგივე ივენთის მოწყობის შანსი ადრეც გვქონდა ჩვენ, სამართლიანობა მოითხოვს რომ ეს აღინიშნოს.. ოვერქლოქინგს რაც შეეხება, ეგ კაი ხანია მოკვდა. ნუ ამ ქვეყანაში მაინც. თუ არ გჯერათ გადახედეთ 3-4 წლის წინანდელ პოსტებს და ახლანდელ სიტუაციას. ენივეი სცადეთ, შეიძლება გაგიმართლოთ კიდეც.

სალამი. ადრე აქ ეს თემა იყო, მაგრამ ვიღაცას წაუშლია. დავდებ კიდევ, იქნებ ვინმეს რამეში გამოადგეს. მთლად ერთი-ერთზე ნუ გადააკოპირებთ სხვა საიტებზე, საავტორო უფლებები რედაქციას ეკუთვნის... თემა არასრულია და შეიძლება შეცდომებიც იყოს. გაითვალისწინეთ. ფოტოებზე: use google როდესაც ადამიანმა პირველი მიკროჩიპი შექმნა და მას პროცესორი უწოდა, იგი ვერც კი წარმოიდგენდა თუ რა გასაოცარ სიმძლავრეებს მიაღწევდა ახალი ქმნილება. CPU-ების პირველი თაობები მხოლოდ ერთი ფიზიკური ბირთვით იყვნენ აღჭურვილი და მათთვის დაკისრებული სამუშაოს შესრულებას ძალიან დიდ დროს ანდომებდნენ. გამოსავალი ამ სიტუაციიდან თავდაპირველად ფიზიკური ბირთვების რაოდენობის გაზრდით და HT-ს (ვირტუალური ნაკადები) გამოგონებით მოიძებნა, მაგრამ 6 ბირთვიანი (12 ნაკადოვანი) XEON ან 12 ბირთვიანი Opteron რეალურად მაინც არ იყო საკმარისი გარკვეული ამოცანების გადასაჭრელად. მათ მიერ დაკომპლექტებული სისტემების გადაბმით მიღებული კლასტერები მხოლოდ მცდელობა იყო შეექმნათ სუპერკომპიუტერი, რომელიც სპეციფიკური ხასიათის გამოთვლებისთვის იქნებოდა გამოსადეგი. პარალელური გამოთვლები თავისი შინაარსით ძალიან რთული პროცესია. ამ დროს ერთდროულად რამდენიმე ათეული ლოგიკური პროცესორი შეიძლება ანგარიშობდეს დასახული ამოცანის შედეგს, რომელიც კაცობრიობის განვითარებისთვის გადამწყვეტიც კი არის ზოგჯერ. თუ რატომ, ამას მოგვიანებით მოგახსენებთ. პირველი სერიოზული მიგნება, რომელმაც გადატრიალება მოახდინა სუპერკომპიუტერების სამყაროში, გახლდათ GPGPU (General-purpose computing on graphics processing units). ტექნოლოგია ითვალისწინებდა გრაფიკული ამაჩქარებლების ჩიპებისთვის CPU-ს მოვალეობების გადაბარებას , მაგრამ არა სრულიად და აი რატომ: Nvidia-ს მიერ 2006 წლის ნოემბერში შექმნილი CUDA SDK სტანდარტული C პროგრამირების ენის გაფართოებების დახმარებით შესაძლებლობას იძლეოდა აპლიკაციების შექმნისა, რომლებიც სამუშაოდ კომპანიის მიერ გამოშვებულ გრაფიკულ პროცესორებს გამოიყენებდა მაგრამ ამ უკანასკნელის ამუშავება ე.წ. stand alone რეჟიმში ვერ ხერდება, რადგან ოპერაციული სისტემები სამუშაოდ ისევ ფართოდ გავრცელებულ არქიტექტურებს აღიარებენ (X86/64, Alpha, PowerPC, SPARC და ა.შ.), მაგრამ არა CUDA-ს. ამიტომაც არის, რომ Nvidia -ს და პარტნიორების მიერ შექმნილი მულტი GPU სისტემები კვლავს CPU-სთან ერთად არიან აწყობილნი. CUDA-ს შექმნა და განვითარება საკმაოდ კარგ მომავალს უსახავდა GPGPU-ს. შესაძლებლობების ზღვარის ფაქტიურად არ ქონის გამო დასაშვები გახდა ერთდროულად მრავალი ბირთვის მიერ გამოთვლების წარმოება და ამისათვის საჭირო დროის არანორმალურად შემცირება. მაგალითისათვის: 4 ბირთვიანი CPU ბევრად მეტ დროს მოანდომებს საჭირო გადაწყვეტილების პოვნას, ვიდრე 240 „ბირთვის“ მქონე GPU. საბოლოოდ კი მივიღეთ ის, რომ Nvidia-მ კიდევ ერთი ლაინ აპი დაამატა თავის პროდუქციაში და ასე შეიქმნა Nvidia Tesla. სახელის შერჩევაზე ბევრი არ უფიქრიათ და ყველა დროის ყველაზე პროგრესულად მოაზროვნე გენიოსი გამომგონებლისა და პრაქტიკოსი მეცნიერის ნიკოლა ტესლას სეხნიად მონათლეს იგი. პარადოქსია, რომ ორივე მათგანს თავისი შესაძებლობების გამოისობით კონკურენტი არ ჰყოლია. მსგავსად თანამოძმე Quadro-სი Tesla-ც სხვა არაფერია თუ არა მოდიფიქირებული დესკტოპ სეგმენტის ვიდეო ადაპტერი ერთი გამონაკლისით - იგი მონიტორზე ინფორმაციას არ მოგაწვდით. პირველი CUDA მხარდაჭერის მქონე ვიდეო ადაპტერები GeForce 8 სერიიდან იწყებენ თავისი არსებობის ათვლას და დღემდე უკონკურენტოდ აგრძელებენ მოღვაწეობას. ზოგადად Nvidia-ს გრაფიკული ჩიპების მთავარ მახასიათებლად შეიძლება CUDA ბირთვების რაოდენობა მივიჩნიოთ. ადვილი წარმოსადგენია თუ რა კონკურენცია უნდა გაუწიოს 12 ნაკადოვანმა ცენტრალურმა პროცესორმა 512 CUDA ბირთვიან Tesla სერიის ჩიპს. ფაქტიურად შანსი არ აქვს Intel-ის ან AMD-ს ქმნილებას „მწვანეების“ წარმომადგენელთან ჭიდილიში. GPGPU-ს გამოყენების სფერო კი საკმაოდ შეზღუდულია. ამ სისტემებს ვერ ვიხილავთ ჩვეულებრივი მომხმარებლის სახლში ან თუნდაც რომელიმე საშუალო კომპანიის ოფისში. Tesla უპირველესად მეცნიერებისთვის შეიქმნა. პროგრამისტთა სასახელოდ უნდა ითქვას, რომ საკმაო რაოდენობის აპლიკაციის შექმნა ან გადაწერა შეძლეს ახალი პლატფორმისთვის და უნიკალური შესაძლებლობა მისცეს მეცნიერების სხვადასხვა დარგის წარმომადგენლებს ჩაეტარებინათ ექსპერიმენტები, რომლებზეც მანამდე ვერც კი იოცნებებდნენ. მოლეკულური დინამიკა ყველაზე ნათელი მაგალითია Tesla-ს რეალური დანიშნულების და შესაძლებლობების საილუსტრაციოდ. მოლეკულური დინამიკა არის სიმულაციის ტექნიკა, რომელიც ხშირად გამოიყენება ქიმიაში, ფიზიკასა და ბილოგიაში. მისი მიზანია გამოთვალოს ატომების და მოლეკულების გადაადგილების ტრაექტორიები, მათი გადაადგილების სიხშირე და დროის ინტერვალი. საბოლოო გამოთვლის მიზანი კი ნივთიერების სტატიკურ-დინამიკური თვისებების განსაზღვრა, კრისტალების ზრდის და პროტეინის "მუშაობის" შესწავლაა. ქვემოთ მოყვანილ სურათზე გამოსახულია ერთ-ერთი პოლიმერის 64 017 შემადგენელი ნაწილაკი, რომელთა მოძრაობის სქემის დამუშავებაც ხდება CUDA ტექნოლოგიის დახმარებით. მოლეკულური დინამიკა სხვა არაფერია თუ არა CUDA-ზე დაფუძნებული გამოთვლითი ტექნიკა და თითოეული პროცესისას ხდება აბსოლუტურად ყველა ატომის გადაადგილების ტრაექტორიის, მანძილის, დროის და სიხშირის გამოთვლა. ატომები კი წამში რამდენიმე მილიარდჯერ იცვლიან მდგომარეობას. ლითონებში კი ამ პროცესს რხევა ეწოდება და იქ სხვანაირად არის საჭირო გამოთვლების ჩატარება. ანუ იქ რხევების რიცხვის დათვლა ხდება. შეიძლება ერთი შეხედვით მარტივი ჩანს, მაგრამ საკმაოდ რთული პროცედურაა და ჩვეულებრივი პროცესორი არ გამოდგება ამ საქმისთვის. ზემოთმოყვანილი ცდის ამსახველ სურათზე გამოსახულმა ატომებმა შეიძლება შეასრულონ 18 მილიონი "ნაბიჯი" დროში. ამას თან ერთვის ისიც, რომ ყველა ატომი დამოუკიდებლად გადაადგილდება სხვებისაგან განსხვავებით. 2.4GHz-ზე მომუშავე Opteron 280 პროცესორს წამში 6.46 ასეთი ნაბიჯის დათვლა შეუძლია. სრული პროცესის დასრულებისთვის მას 32 დღე დასჭირდებოდა. სწორედ აქ ერთვება საქმეში პარალელური გამოთვლითი ტექნიკა. მეცნიერები ასეთი სამუშაოებისთვის იყენებენ სოფტს სახელწოდებით LAMMPS. ამ შემთხვევაში 32 ერთეული Opteron 280 პროცესორისგან გაკეთებული კლასტერი საქმეს ერთ დღეში დაასრულებს, მაგრამ მეტისმეტად ძვირი სიამოვნება კი არის. სულ უბრალო CUDA-თი აღჭურვილ GeForce 8800GTX-ს, რომელიც ოპტიმიზირებულია HOOMD-ზე (Highly Optimized Object-Oriented Molecular Dynamics), შეუძლია წამში 203 ნაბიჯი დაითვალოს, რომელიც ექვივალენტურია ზემოთ ნახსენები 32 პროცესორიანი კლასტერისა. მოლეკულურ დინამიკაში 2008 წლის შემდეგ კი ბევრი რამე შეიცვალა და GPU-ების გამოთვლითი სიმძლავრე შეუდარებლად გაიზარდა. მედიცინაში GPGPU ტიპის სისტემების გამოყენებამ წარმატება ჰპოვა და თითქმის ჩაანაცვლა CPU-ები. TechniScan Medical Systems-მა ჯერ კიდევ 2008 წელს დაიწყო ალგორითმების შემუშავება, რომლებიც გამოთვლებისთვის GPU-ს გამოიყენებდნენ. თანამედროვე პროცესორების დახმარებით შესაძლებელია მთლიანი გულმკერდის სკანირების(WBU) პროგრამის დამუშავება რამდენიმე საათში. ამ საქმეს კი ორი Tesla D870s 16 წუთში დაასრულებდა. ციფრული ტომოსინთეზი არის პროცესი, როდესაც ხდება სიმსივნის საშიშროების აღმოჩენა ადრეულ სტადიებზე. მასაჩუსეტსის ჰოსპიტალში გამოიყენეს Nvidia-ს GPU-ები რათა ეწარმოებინათ გამოთვლები, რაც დაკავშირებული იყო რენტგენის სხივების დახმარებით მიღებული შედეგების დამუშავებასთან. Boston Scientific-მა მოახერხა და მრავალი CPU-სგან შექმნილი კლასტერი წარმატებით ჩაანაცვლა GPU-ებით, რითაც გამოთვლების პროცესი 20-ჯერ ააჩქარა. ელექტრომაგნიტური ველის გადატანის შესაძლო პროცესების გამოთვლისათვის იქნა გამოყენებული ეს GPU-ები. გეოლოგებმა ადეკვატურად შეაფასეს ტესლას შესაძლებლობები და ფართოდ გაუღეს კარი ახალ ტექნოლოგიებს. მეცნიერები აქტიურად იყენებენ GPGPU სისტემებს სასარგებლო წიაღისეულის შესაძლო არსებობის კვლევისთვის. აქაც რასაკვირველია GPU-ებმა წარმატებით შეცვალეს CPU-ები. სურათზე სწორედ ერთ-ერთი ასეთი გამოთვლის პროცესს ხედავთ. ეს არაა სრული ჩამონათვალი, სადაც ეფექტურად გამოიყენება GPU და GPGPU სისტემები. მეცნიერების ბევრი დარგი გადავიდა უკვე ალტერნატიული გამოთვლების მეთოდზე და კიდევ უამრავი სფეროა სადაც მომავალში ვიხილავთ Tesla-ს. პარალელური გამოთვლები წარმოუდგენელია CUDA-ს გარეშე. Nvidia-ს მიერ განვითარებულმა ამ ტექნოლოგიამ რევოლუცია მოახდინა ზოგადად კომპიუტერულ სამყაროში და ახალი შესაძლებლობები და შესაბამისად ახალი მიზნები დაუსახა როგორც მეცნიერებს, ისე software დეველოპერებს. ამ უკანასკნელთ შეიძლება ითქვას გაუმართლათ, რადგან CUDA პროგრამირების სისტემა კროს პლატფორმულია და თანაბრად წარმატებულად შეიძლება განვითარდეს როგორც უკვე მრავალგზის ყელში ამოსულ Windows-ზე, ისე ეგზოტიკურ Mac-ზე. Nvidia-მ გაითვალისწინა რა, რომ პროგრამისტთა დიდი ნაწილი Linux პლატფორმას არჩევს სამუშაოდ, მათთვის სპეციალურად გამოუშვა CUDA Toolkit-ის ლინუქს ვერსია. ამასთან ცალკეა გამოყოფილი დრაივერები დეველოპერებისთვის. ბიოქიმია და ბიოინფორმატიკა კორპორაცია Nvidia მეცნიერების ამ მიმართულებებით საკმაოდ დაინტერესებულია და CUDA-ს გამოყენება არაერთ პროგრამაში მოუძებნა. უნდა ითქვას, რომ მათი უდიდესი ნაწილი ლაბორატორიებს და სამეცნიერო კვლევით დაწესებულებებს არ გასცილებია და ჩვეულებრივი მომხმარებლითვის მიუწვდომელია. ამ უნიკალური პროგრამების მუშაობის მექანიზმის შესახებ მხოლოდ ე.წ. datasheet-ების და მეცნიერთა მიერ გამოქვეყნებული მასალების საფუძველზე შეიძლება ვიმსჯელოთ. ჩვენ მოკლედ მიმოვიხილავთ რამდენიმე მათგანს. ACEMD - შეიმუშავა ლონდონში განთავსებულმა კომპანია Acellera Ltd-მა. სამუშაო სფერო - მოლეკულური დინამიკა. ACEMD-ის დიდი პლუსი არის ის, რომ გარდა ტრადიციული სისტემებისა, იგი ოპტიმიზირებულია CUDA-ზე სამუშაოდ და თანაბარი წარმატებით იყენებს როგორც ჩვეულებრივ GeForce ვიდეოადაპტერებს, ისე პროფესიონალურ Tesla-ს. სოფტის უფასო ვერსია საკმაოდ შეზღუდულია შესაძლებლობებში, Pro ვერსია კი 1600 ევროდან იწყება და საბოლო ფასი კონფიგურაციაზეა დამოკიდებული. AMBER – GPGPU გამოთვლებზე ორიენტირებული სოფტი, რომლის სამუშაო არეალიც მოლეკულური დინამიკაა. ჩვეულებრივ 4 ბირთვიან პროცესორთან შედარებით CUDA მხარდაჭერის ვიდეოადაპტერი მისი გამოყენებით 10-ჯერ სწრაფად მოახდენს საჭირო გამოთვლების ჩატარებას. GROMACS - გამოიყენება ბიოქიმიური ნივთიერებების (პროტეინები, ლიპიდები, ორგანული მჟავები) მოლეკულათა სიმულაციისთვის. პროგრამის ბოლო ვერსია სრულადაა პორტირებული CUDA -ზე და GPU აჩქარებას უჭერს მხარს. HOOMD - სოფტი დაწერილია სპეციალურად CUDA-სთვის და უნდა ითქვას, რომ CPU-ზე მომუშავე LAMPPS-სთან შედარებით 22-ჯერ სწრაფად ახდენს გამოთვლების წარმოებას. თავად LAMPPS კი გამაოგნებელ შედეგს აჩვენებს CUDA-ზე გამოყენებისას: Tesla-ს ორი გრაფიკული პროცესორის დახმარებით მან აჩვენა იგივე შედეგი რაც 24-მა ოთხ ბირთვიანმა პროცესორმა. NAMD-ის შემთხვევაში 4 Tesla იოლად „ერევა“ 16 ოთხბირთვიან CPU-ს. სოფტის ღია კოდი ხელმისაწვდომია დეველოპერებისთვის და თუ საკმარისი ცოდნა და ნერვები გაგაგაჩნიათ, შეგიძლიათ თავადაც სცადოთ მისი გარჩევა. TeraChem - მას შეიძლება ვუწოდოთ საოცრება. მულტი GPU კლასტერებზე გათვლილი ეს სოფტი კვანტური ქიმიის ძნელად გადასაჭრელ პრობლემებს Tesla-ს და CUDA-ს დახმარებით ებრძვის და საკმაოდ წარმატებულადაც. პროგრამა ამჟამად მხარს უჭერს density functional theory (DFT) და Hartree-Fock (HF) მეთოდებს. ოფიციალურად იგი ეკუთვნის PetaChem, LLC-ს, რომელიც მას ავრცელებს როგორც ფასიანი, საკმაოდ ძვირადღირებული ლიცენზიების ფარგლებში, ისე დემო ვერსიის სახითაც. TeraChem-მის გამოყენებისას Tesla-ს ოთხმა GPU-მ შეძლო შეესრულებინა 256(!) ოთხბირთვიანი CPU-ს საქმე. დამეთანხმებით არანორმალურად დიდი წარმადობაა. VMD -ს გამოყენების სფერო ბიოქიმიაა, თუმცა მეცნიერების გარდა ჩვეულებრივი მომხმარებლისთვისაც კი საკმაოდ საინტერესო იქნებოდა მისი მუშაობის პროცესის ყურება. საქმე ისაა, რომ ჩაშენებული სკრიპტინგის დახმარებით VMD ახდენს გიგანტური ბიომოლეკულური სისტემების გაანალიზებას, ანიმირებას და საბოლო შედეგის დისპლეიზე 3D გამოსახულების სახით გამოტანას. Tesla რასაკვირველია გაცილებით უკეთ გრძნობს თავს VMD-ს გარემოში ვიდრე ნებისმიერი CPU. საქმე გვაქვს წარმადობის გაზრდასთან 20-100X შუალედში. SARUMAN (Semiglobal Alignment of Short Reads using CUDA and Needleman-Wunsch). ამ უცნაური აბრევიატურის მქონე პროგრამა ბილეფელდის უნივერსიტეტის მეცნიერებს და CeBiTec-ს უნდა ვუმადლოდეთ. ბიოფიზიკის და ბიოინფორმატიკის განხრით იგი შეუცვლელია და სამუშაოდ მხარს უჭერს GPGPU მასიურ სისტემებს. რაოდენ საოცარიც არ უნდა იყოს, იგი ვრცელდება სრულიად უფასოდ და ღია კოდით. პლატფორმა რა თქმა უნდა Linux (წარმატებით გაიტესტა Ubuntu და Gentoo 64 ბიტიან დისტრიბუტივებზე). რაც შეეხება მედიცინას აქ ტესლას ვიდეო ბარათებმა შეიძლება ითქვას რომ მოახდინეს რევოლუცია. გრაფიკული ჩიპების მწარმოებლების კონფერენციაზე კალიფორნიაში GTC 2010-ზე Nvidia -მ წარმოადგინა ტექნოლოგია რომლის მიხედვითაც შესაძლებელია გულზე ოპერაციის ჩატარება მისი შეჩერების და დიაფრაგმიდან ამოღების გარეშე. ცოცხალ გულზე ოპერაციის ჩატარების მთელი სირთულე იმაში მდგომარეობს, რომ ჯერ ერთი გული ფეთქავს და შეუძლებელია რაიმე სახის ზუსტი ოპერაციის ჩატარება გულის დაზიანების გარეშე. პლუს გული ფეთქავს საკმაოდ სწრაფად (ოპერაციის დროს წამში ერთ ფეთქვამდე) თანაც ის ფაქტორიც გასათვალისწინებელია რომ გულის ყოველი ფეთქვა არის უნიკალური ანუ წინა ფეთქვის აბსოლიტურად ზუსტი ტრაექტორია არ მეორდება. რას გვთავაზობს Nvidia? გრაფიკულ პროცესორებს შეუძლიათ რეალურ დროში შექმნან გულის სამ განზომილებიანი ზუსტი ასლი. შექმნილ ასლზე გულის კონკრეტული ნაწილის ადგილმდებარეობა გადაეცემა რობოტს რომელიც იმოძრავებს სასურველ ადგილთან ერთად ანუ ფეთქვის დროს რა ადგილშიც აღმოჩნდება გულის სასურველი მონაკვეთი რობოტის ხელიც ზუსტად იმ ადგლას გადაადგილდება ამის წყალობით იქმნება უძრაობის ეფექტი... მეცნიერების გარდა შექმნილი ტექნიკური სირთულეებიდან CUDA ფაქტიურად ერთადერთი გამოსავალი აღმოჩნდა ვიდეო გამოსახულებაზე მომუშავე პროფესიონალებისთვის. საქმე ისაა, რომ რენდერი მითუმეტეს თუ საქმე გვაქვს 3D გამოსახულებასთან დაკავშირებულია საკმაოდ დიდ დროსთან. საქმე ისაა, რომ CPU-ებისგან აწყობილი კლასტერებიც კი პროცესის დასრულებას საკმაოდ დიდ დროს ანდომებენ, მაშინ როცა კინო ინდუსტრიაში დრო ფულია ამ გამოთქმის ყველანაირი გაგებით. Tesla-მ თავისი უსაზღვრო შესაძლებლობებით შეიძლება ითქვას გადაარჩინა ყველასათვის ნაცნობი ფილმის „ავატარის“ შემქმნელები. დასაწყისისთვის, როცა საჭირო გახდა 800 პერსონაჟის გამოსახულებათა შექმნა და დამუშავება, აღმოაჩინეს, რომ იმდენად ბევრი პოლიგონი იყო დასამუშავებელი, რომ კლასიკური მიდგომით, ანუ CPU-ების გამოყენებით ამ საქმეს მეტისმეტად დიდ დროს მოანდომებდნენ. ამასთან საჭირო იყო უზუსტესი და ძალიან მაღალი ხარისხის გამოსახულების მიღება. დღის წესრიგში დადგა შედეგის მიღწევის ახალი გზების ძიება, რა დროსაც გამოსავალი ისევ კორპორაცია Nvidia-მ იპოვა, როცა მოახდინა ახალზელანდიური სოფტ დეველოპერის Weta Digital-ის პროგრამა PantaRay-ს ძრავის გადაწერა CUDA-ზე და საბოლოოდ Nvidia Tesla S1070 GPU-ებისგან აწყობილმა სერვერმა 25-ჯერ სწრაფად დაარენდერა საჭირო გამოსახულებები. მას შემდეგ რაც მოკლედ მიმოვიხილეთ CUDA-ს შესაძლებლობები, ურიგო არ იქნებოდა მცირედი ექსკურსი გაგვეკეთებინა GPU-ს არქიტექტურის სამყაროში. ყველაფერი 1983 წელს დაიწყო, როდესაც კორპორაცია Intel-მა შეიმუშავა მულტიმოდულური გრაფიკული კონტროლერი iSBX 275, რომელიც Multibus სტანდარტს ეფუძნებოდა. აღნიშნული კონტროლერი მალევე იქცა ვიდეოდაფად და თავდაპირველად მხოლოდ ხაზების, რკალების და მართკუთხედების „დახატვა“ თუ შეეძლო. პირველი კომპიუტერი კი რომელსაც გრაფიკული ადაპტერი გააჩნდა, Commodore Amiga გახლდათ. თუმცა მასში გამოყენებული blitter არ იყო გრაფიკული ამაჩქარებელი კლასიკური გაგებით. იგი მარტივად რომ ვთქვათ მიკროპროცესორი გახლდათ, რომელიც CPU-სთან იყო შეწყვილებული და 2D გრაფიკის დამუშავებასაც კი ძლივს ახერხებდა. ეს ყველაფერი კი უკვე 1985 წელს ხდება. შეიძლება დღევანდელი გადასახედიდან სასაცილოდაც კი მოგვეჩვენოს 36 წლის წინანდელი ტექნიკის მიღწევები, მაგრამ საკმარისია გავიხსენოთ, რომ დღევანდელი ლიდერი GPU-ების წარმოებაში კორპორაცია Nvidia მაშინ იდეაშიც კი არ არსებობდა. იგი მხოლოდ 1993 წელს დაარსდა. შემდეგ იყო 90-იანი წლების პირველი ნახევარი უიშვიათესი გრაფიკული ადაპტერებით, რომლებიც მხოლოდ პროფესიონალებისთვის და ისიც შეზღუდულად გახლდათ ხელმისაწვდომი. ეს პერიოდი S3 Graphics-ის ზეობის ხანა იყო. მას მოგვიანებით თითქმის ჩაძირავენ წითელი და მწვანე გიგანტები. საბოლოოდ კი მომხმარებლისთვის პირველი ხელმისაწვდომი გრაფიკული ჩიპი ისევ და ისევ Nvidia-მ შექმნა. GeForce 256-ს, რომელსაც კოდურ სახელად NV10 შეურჩიეს, დაეკისრა კიდევ ერთი დიდი მისია, რომლითაც იგი ისტორიაში შევიდა. Nvidia-მ სწორედ მას უწოდა პირველი GPU (graphics processing unit) რაც მოგვიანებით სტანდარტად იქცა. ამ პერიოდში ვითარდებოდა DirectX და OpenGL. პირველი Tesla ოფიციალურად არ არის აღიარებული, თუმცა დიდი ტვინის ჭ#$%ტა არ სჭირდება იმის მიხვედრას, რომ სწორედ 8800GTX-ის მოდიფიცირებული ვარიანტი გახლდათ C870, რომელმაც რევოლუცია მოახდინა კომპიუტერულ ინჟინერიაში და CUDA პროგრამირების მოდელის დახმარებით ახალი მიმართულება შექმნა გამოთვლების სისტემაში. რასაკვირველია მისი ტექნიკური მონაცემები ბევრად გაუმჯობესებული გახლდათ ორიგინალისგან განსხვავებით. შეიდერების სიხშირე 1.35 GHz-ს შეადგენდა. პარალელური გამოთვლები ბევრად მეტ სიმძლავრეს მოითხოვენ ვიდრე ნებისმიერი სუპერ გრაფიკის მქონე თამაში. უნდა ითქვას, რომ პირველი Tesla საკმაოდ დიდ ძაბვას იყენებდა სამუშაოდ. GPU-სთვის მიწოდებულმა ნომინალურმა 1.3 ვოლტმა დღეს საგრძნობლად დაიკლო. C870-ის ვიდეომეხსიერება საკმაოდ შთამბეჭდავი გახლდათ 1536 მეგაბაიტი. ეს კი მიიღწეოდა გაზრდილი სიდიდის PCB-ზე უფრო მეტი GDDR3 ტიპის მეხსიერების SDRAM მოდულების დამონტაჟებით. C870 დაფუძნებული გახლდათ G80 ბირთვზე და არცაა გასაკვირი, რომ საკმაოდ ცხელი და არაენერგოეკონომიური გახლდათ. ამასთან G92 ბირთვის გამოსვლის შემდეგ Nvidia-ს არც უფიქრია მასზე Tesla-ს შექმნა. აფგრეიდი პირდაპირ GT200-ზე მოხდა. მანამდე კი C870-ის ბაზაზე Nvidia-მ გამოუშვა Tesla სისტემა თუ შეიძლება ასე ვუწოდოთ. D870 გამოვიდა ორი ფორმ ფაქტორით: დესკტოპ ვარიანტი და Rack სისტემა. D870 თავის თავში აერთიანებდა ორ C870-ს, რაც საბოლოო ჯამში გვაძლევდა 256 გამოთვლით ნაკადს (128+128 პრინციპით), 3 გიგაბაიტ ვიდეომეხსიერებას და ერთმაგი სიზუსტით პიკური დატვირთვისას 691 გიგაფლოპ გამოთვლით სიმძლავრეს. Nvidia უფრო შორსაც წავიდა და საზოგადოებას წარუდგინა 1U Rack სერვერებისთვის აწყობილი სისტემა S870. ეს უკანასკნელი ოთხ C870-ს აერთიანებდა და გიგაფლოპებში ასახულ სიმძლავრეს აორმაგებდა. ეს იყო Tesla 8 სერია Tesla 10 სერია. GT200 სერიის GPU-ების გამოშვებამ ახალი შესაძლებლობები მიანიჭა Tesla დანაყოფს. სერიის ყველაზე მძლავრი ერთ GPU-ანი ვიდეოდაფის GTX285-ის მოდიფიცირებამ Tesla C1060-მდე მიგვიყვანა, რომელიც უკვე 240 ბირთვით და 4 გიგაბაიტიანი GDDR3 ტიპის ვიდეომეხსიერებით იწონებდა თავს. S1070 კი 4 ერთეული C1060-ისგან შემდგარი სერვერული სისტემა გახლდათ, რომლის გამოთვლითი სიმძლავრე ერთმაგი სიზუსტისას 2764.8 გიგაფლოპს შეადგენდა, ორმაგი სიზუსტით პიკური დატვირთვისას კი 345.6-ს. Fermi არქიტექტურის შემუშავება გარდატეხა აღმოჩნდა ზოგადად კომპიუტერული გრაფიკის სფეროში და Nvidia-მაც ბუნებრივია ისარგებლა ამ უპირატესობით. გარდა რიგითი მომხმარებლებისა, რომლებმაც მიიღეს ახალი თაობის GeForce სათამაშო გრაფიკული ადაპტერები, ხელსაყრელ მდგომარეობაში აღმოჩნდნენ მეცნიერები, მათ საუკეთესო შესაძლებლობა ექმნებოდათ ეწარმოებინათ ისეთი სირთულის კვლევები, რომლებზეც ადრე ვერც კი იფიქრებდნენ. Fermi-ს ფარგლებში გამოსული Tesla ლაინ აპი გაიყო ორ მიმართულებად: workstation solutions და data center solutions. Workstation ვერსიები შედარებით უფრო მოკრძალებული რაოდენობით გამოვდნენ, სულ ორი ტესლა გვხვდება ამ მიმართულებით C2050 და C2070. ორივე მათგანს 448 CUDA ბირთვი გააჩნია, მაგრამ C2070-ს უმცროსი ძმასთან შედარებით ორჯერ გაზრდილი ვიდეომეხსიერება აქვს 6 გიგაბატი GDDR5. ერთმაგი სიზუსტის გამოთვლებისას 1 ტერაფლოპი სიმძლავრე გარანტირებულია მწარმოებლისგან. ამასთან განსხვავებით წინამორბედებისგან, ახალ მოდელებს გამოსახულების გამოსატანად DVI პორტებიც კი გააჩნიათ. M სერია უკვე data center solutions-ის განყოფილებას მიეკუთვნება. გარდა გაზრდილი ტექნიკური მონაცემებისა, ეს სერია გამოირჩევა მხარდაჭერილი გამოთვლების ტიპების გაცილებით უფრო გრძელი სიით, რომელთა შორისაც ფიგურირებს როგორც მიწისძვრის მოდელირება, ისე შედარებით ყოველდღიური CAD გამოთვლების წარმოება. გაზრდილმა სიმძლავრემ შესაფერისი გაგრილების გამოყენების საჭიროებაც დააყენა დღის წესრიგში და M სერიის Tesla უკვე მასიური სპილენძის რადიატორით არის აღჭურვილი და პასიური გაგრილების სისტემას იყენებს. როგორც ჩანს მეცნიერებს უფრო ჩუმ გარემოში მოუწევთ მუშაობა. ყველაზე „სუსტი“ M2050 ოთხი ერთეულით აკომპლექტებს სერვერულ სისტემა S2050-ს, რომელიც სეისმური მოდელირების და მოლეკულური დინამიკის სფეროში გამოიყენება. M2050-ების აღმოჩენა შეიძლება მსოფლიოში სიმძლავრით მეორე სუპერკომპიუტერ Tianhe-I-ში. ამ უკანასკნელის სიჩქარე 2.566 პეტაფლოპით (!) განისაზღვრება. ყველაზე მძლავრი Tesla დღეისათვის M2090 არის. მას 512 CUDA ბირთვი გააჩნია და ორმაგი სიზუსტის გამოთვლების წარმოებისას პიკურ 665 გიგაფლოპ სიმძლავრეს ავითარებს. სწორედ მას შეიძლება შევადაროთ ის დიდი მეცნიერი, რომლის სახელსაც ატარებს იგი. ======================== p.s. ზვიად, ნავიგატორის ის ნომერი თუ გაინტერესებს, რომელიც გაყიდვაში არასოდეს გამოსულა, მომწერე : )

justin bieber is a whore. justin bieber is a whore. justin bieber is a whore. justin bieber is a ... WHOOOOOOOORRRRREEEEE !!

POV and Colorful added :)

მეგა %$&#კენ მიექანება მსოფლიო :SNEMOTICON13:

იხილეთ ჩემი ხელმოწერა

ჰოდა მეც ასე ჩავთვალე საჭიროდ და გადავაკეთე! ხანდახან წესების წაკითხვაც არ გაწყენდათ სანამ ბლატავზე გადახვალთ რა> 5.

იყო თხოვნა იუზერებისგან და ჩავასწორე. ეს ყიდვა-გაყიდვის თემა არაა, ასე რომ ერთ პირს არ ეკუთვნის!

პოლი ჩასწორებულია. ახლა უკვე შეგიძლიათ ერთდროულად რამდენიმე მონიშნოთ. თუ სხვა ბრენდის დამატება გინდათ, დაწერეთ

ღმერთო მომკალი, ღმერთო პროკურატურაში მიჩივლე, ღმერთო საგადასახადო დამაყენე, ღმერთო საქართველოში ამომხადე სული ბანი ცხოვრების ბოლომდე!

avtors madloba rac sheexeba am xazsm ASUS ROG yoveltvis chagravda Dell aliens

სხვები ანძრევენ

ზვიო :D