Tag der Umweltmeteorologie Michael Kunz

Transkript

1 Tag der Umweltmeteorologie Michael Kunz

2 Beschleunigung von Ausbreitungsmodellen durch Portierung auf Grafikkarten Einleitung Das GRAL/GRAMM-System Cuda-GRAL Ergebnisse Vergleich der Modellergebnisse Vergleich der Rechengeschwindigkeiten

3 Einleitung (Ein) Ziel von Omniscientis: Online- und Echzeitmodellierung von Geruchsausbreitungen Alle 6 Minuten eine Modellrechnung mit neuen Strömungsund Quellenbedingungen

4 Einleitung Laufzeit des GRAMM/GRAL Systems der TU-GRAZ: 1-2 Stunden Viel zu langsam für Echtzeitmodellierung Benötigte Laufzeit: 3-4 Minuten (+ Overhead) Beschleunigung mit GPU-Technologie: Cuda-GRAL

5 Einleitung CPU vs. GPU Floating-Point Operations per Second for the CPU and GPU

6 Einleitung CPU vs. GPU The GPU Devotes More Transistors to Data Processing

7 Das GRAL/GRAMM-System Entwicklung der TU-Graz Verwendent für Genehmigungsverfahren in Österreich GRAMM: GRAz Mesoscale Model GRAL: GRAz Lagrangian model GRAL berechnet Partikelausbreitung für Flaches Terrain Gelände mit Windfeld aus GRAMM Gebäude werden in das Windfeld eingebettet (einfach oder vollständig mit Drucklöser) Kurze Ausbreitungszeit: transiente GRAL-Version (Übernahme der Partikel aus vorherigen Rechnungen)

8 Cuda-GRAL Ablauf Windfeld auf kartesisches Gitter interpolieren (Aus GRAMM/Bibliothek oder von Messpunkt) Gebäude in Windfeld einbetten Diagnostisch, nur Masseerhaltung Prognostisch, Masse- und Impulserhaltung Partikel auf Emissionsquellen und Time layer verteilen Für jeden Time layer Partikelausbreitung berechnen

9 Cuda-GRAL Ablauf Flow information Fine Cartesian grid interpolation Optional: Buildings or other obstacles Dispersion Emission source information Particles / Layers Current particle layer GPU CPU Concentration at receptor points Concentration at cut slices CPU

10 Cuda-GRAL Neu-Implementierung des alten FORTRAN Codes in optimierten C++/CUDA Zwei Hauptkomponenten auf GPU: Windfeldaufbereitung / Interpolation Partikelausbreitung Weiterhin auf CPU: Data IO: Datein lesen/schreiben Konvertierung von Emission zu Partikeln: CPU-Code ist schnell genug keine Speicherlimitierung

11 Cuda-GRAL Implementierung Ausbreitungrechnung FORTRAN - Version: do while timestep < timemax for all particles //compute... end for end do CUDA-Version Ein Partikel per GPU-Kern, jeder Kern berechnet: do while timestep < timemax //compute... end do

12 Cuda-GRAL Implementierung Interpolation Windfeld FORTRAN-Version: for x //im kartesischen Gitter for y for z compute old cell-index, interpolate value from neighbouring cells CUDA-Version: Eine Zelle per GPU-Kern, jeder Kern berechnet: compute old cell-index as fractional part, read interpolated value from memory GPUs können in Hardware linear interpolieren!

13 Cuda-GRAL Implementierung Drucklöser für Gebäude

14 Cuda-GRAL Implementierung Drucklöser für Gebäude

15 Cuda-GRAL Implementierung Drucklöser für Gebäude

16 Ergebnisse Footer Text

17 Vergleich GRAL-CPU/GRAL-GPU Indianapolis ohne Gebäude (60 min.): Recpetor 1 CPU GPU Concentration GPU 3.6 mil Recpetor Concentration Weather condition Recpetor 7 Weather condition CPU GPU GPU 3.6 mil Concentration Weather condition CPU GPU GPU 3.6 mil Recpetor Concentration Weather condition CPU GPU GPU 3.6 mil

18 OMNISCIENTIS (308427) Vergleich GRAL-CPU/GRAL-GPU Burgo-Pilot mit Terrain und Gebäude (6 min.): CPU GPU

19 OMNISCIENTIS Vergleich (308427) Geschwindigkeit GRAL-CPU/GRAL-GPU FORTRAN / CPU 36 min. für part. 2 hr. für part. CUDA / GPU 5 sec. für part. 18 sec. für 1.8 mil. part. 3 min. für 18 mil. part. 12 min. für 72 mil. part. 25 min. für 144 mil. part. Neue GPU Version > 400x schneller als CPU Version!

20 OMNISCIENTIS Vergleich (308427) Geschwindigkeit GRAL-CPU/GRAL-GPU FORTRAN / CPU Interpolation Windfeld 1-2 Minuten Gebäude einfach 5 Minuten Gebäude Drucklöser ½ Stunde Ausbreitung ½ Stunde CUDA / GPU Interpolation Windfeld < 1 Sekunde Gebäude einfach < 2 Sekunden Gebäude Drucklöser 10 Sekunden Ausbreitung 4 Sekunden

21 144 Million Partikel particles 1.8 mil. particles 18 mil. particles 72 mil. particles 144 mil. particles 0 15 unnormalized concentration

22 OMNISCIENTIS (308427) 144 Million Partikel 1.8 mil. particles 7 unnormalized concentration particles 0 18 mil. particles 72 mil. particles 144 mil. particles

23 Zusammenfassung CUDA-Gral ist ca. 400 mal schneller als FORTRAN-Version bei gleichen Ergebnissen Performance wesentlich besser als von Echtzeit- und Onlinemodellierung gefordert CUDA-Gral ermöglicht praktisch unbegrenzte Anzahl an Partikel Beschleunigung des Drucklösers für Gebäude vielversprechend für GRAMM (oder anderes Modell)