EPiGRAM-HS: Programmiermodelle für Exascale Systeme

EU-Projekt – Exascale Programming Models for Heterogeneous Systems

Da sich Supercomputer in Richtung Exascale bewegen und jedes Jahr immer leistungsfähiger werden, ist es auch immer schwieriger sie zu programmieren. EPiGRAM-HS ist eins von der Europäischen Kommission gefördertes Projekt (im Rahmen von Horizon 2020) mit dem Ziel, eine Programmierumgebung für heterogene Exascale-Systeme zu entwickeln. Unser Institut ist mit an Bord.

 

Heterogenität mit Vorteilen und Herausforderungen

Exascale-Supercomputer sind zu exaFLOP fähig und der nächste Meilenstein in der Rechenleistung von Großrechnersystemen. Exascale – das bedeutet 10 hoch 18 Fließkomma-Operationen pro Sekunde. Enorm starke Maschinen. Um die Rechenleistung zu steigern, bzw. den Energieverbrauch zu senken, werden heterogene Systeme verwendet, d.h. es gibt mehr als eine Art von Prozessor oder Kernen wie GPUs und FPGAs.

Diese Komplexität heterogener Systeme hat viele Vorteile. Allerdings sind heterogene Systeme schwieriger zu programmieren, da viele Codes nicht einfach von einem Maschinentypen auf einen anderen übertragen werden können. Das Potential kann so gar nicht voll genutzt werden, denn die Entwickelnden wissen noch nicht mit den Maschinen umzugehen.

Im Projekt EPiGRAM-HS arbeiten sechs Partnerorganisationen daher gemeinsam an der Bereitstellung eines Programmierframeworks, welches die Arbeit der Anwendungsexpertinnen und -experten optimiert und überhaupt ermöglicht. Jeder Partner im Projekt ist für die Bereitstellung eines kleinen Teils des Frameworks verantwortlich. EPiGRAM-HS startete im September 2018 und wird für drei Jahre von der Europäischen Kommission gefördert.

Anwendungsbezug – vom Wetter bis zu E-Health

Produktivere und leistungsfähigere Software hat auf vielen Ebenen einen starken gesellschaftlichen Einfluss. Damit sind beispielsweise Wettervorhersage schneller und präziser möglich. Das Weltraumwetter und die numerische Strömungsdynamik können wichtige Daten liefern und helfen, effektivere Technologien für die Zukunft zu entwickeln – auch im Hinblick auf die klimatischen Änderungen im Zuge des Klimawandels. Aber auch im Bereich Medizin unterstützen zukünftig Exascale-Systeme. Optimierte Erkennung von Krebs mithilfe von Deep-Learning-Anwendungen ist nur ein Beispiel unter dem Schlagwort E-Health.

Übersichtssgrafik zum Projekt EPiGRAM-HS.
© EPiGRAM-HS
Übersichtssgrafik zum Projekt EPiGRAM-HS.

Unser Part: Aufgaben und Ziele des Fraunhofer ITWM

Wir erweitern unsere HPC-Werkzeuge (GPI und GPI-Space) im Hinblick darauf, Deep Learning Anwendungen auf heterogenen Systemen mit FPGAs (field-programmable gate arrays) zu integrieren.

Im Einzelnen arbeiten wir an folgenden Punkten:

  • Wir erweitern unser aufgabenbasiertes Programmiersystem GPI-Space für den Einsatz in heterogenen Rechenclustern. Wir werden in Zukunft in der Lage sein, FPGAs in den Workflow einzubinden. Die Entwicklung wird mit Deep Learning Anwendungen getestet.
  • Das parallele Programmiermodell GPI erweitern wir so, dass eine Kommunikation zwischen FPGAs möglich und getestet wird. Dabei wird die Kommunikation von der Host CPU gesteuert. Darüber hinaus werden wir mindestens ein gängiges Deep Learning Framework (TensorFlow oder PyTorch) mit Hilfe von GPI parallelisieren. Die Erweiterungen werden auch hier mit Deep Learning Anwendungen getestet.

Video: Übersicht zum Projekt EPiGRAM-HS

(Video in Englisch)

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacy

Unsere Expertin Dr. Valeria Bartsch erläutert im Video die Herausforderungen und Aufgaben, die sich im Projekt stellen.