technische universität dortmund Lehrstuhl für Hochfrequenztechnik Übertragungssysteme

Transkript

1 Lehrstuhl für Hochfrequenztechnik GPU-beschleunigte numerische Simulation faseroptischer Übertragungssysteme, Marius Helf, Peter Krummrich

2 Übersicht Motivation Split-Step p Fourier Methode Ansätze für eine beschleunigte Berechnung durch Parallelisierung Vergleich von Genauigkeit und Geschwindigkeit Zusammenfassung Ausblick 2

3 Motivation Numerische Simulationen faseroptischer Übertragungssysteme für eine optimale Systemauslegung unerlässlich Ausbreitung entlang der Faser durch die sogenannte nichtlineare Schrödingergleichung beschreibbar Lösung der Gleichung erfolgt meist durch das Split-Step Step Fourier Verfahren, welches sich für Parallelisierung anbietet Benötigte hohe Anzahl an Schritten verursacht hohen Rechenaufwand Beschleunigte Berechnung durch Implementierung des Split-Step Fourier Verfahrens auf einer (Standard-) Graphikkarte mit Parallelisierung 3

4 Vergleich GPU und CPU Leistung 1000 NVIDIA GPU GT200 lop/s (Spitze enleistung) GFl NV30 NV35 Intel CPU NV40 G70 G71 G80 3,0 GHz Core2 Duo G80 Ultra G92 32GHz 3,2 Harpertown 0 Jan Jun Apr Jun Mär Nov Mai Jun GT200 = GeForce GTX 280 G71 = GeForce 7900 GTX NV35 = GeForce FX 5950 Ultra G92 = GeForce 9800 GTX G70 = GeForce 7800 GTX NV30 = GeForce FX 5800 G80 = GeForce 8800 GTX NV40 = GeForce 6800 Ultra Rechenleistung von Graphikkarten verdoppelt sich ca. alle 6 Monate. 4

5 Aufbau von Mehrkern-CPU und -GPU 192 Prozessorkerne 2x4MB 64 bit 6,4GB/s DDR x64 bit 111,9 GB/s Graphikspeicher Hauptspeicher Intel Core2Quad Q6600 (21 GFlops/s) NVIDIA GeForce GTX 260 (715 GFlops/s) 5

6 Split-Step Fourier Methode Aufspaltung der nichtlinearen Schrödingergleichung in linearen und nichtlinearen Teil Separate Lösung des linearen und nichtlinearen Teils Lösung des linearen Anteils im Frequenzbereich und des nichtlinearen Anteils im Zeitbereich e (zulässig für kleine e Schrittlängen) Übergang zwischen Zeit- und Frequenzbereich erfolgt durch Fouriertransformation (Potential für signifikanten Geschwindigkeitsgewinn durch Parallelisierung) 6

7 Einsatz von GPUs für beschleunigte Berechnung Nvidia CUDA (Compute Unified Device Architecture) ermöglicht Mischung von CPU und GPU Code Quelle: T. Halfhill, Parallel Processing with CUDA 7

8 Referenzsystem 10,7 Gb/s NRZ-OOK 50 GHz Kanalraster, 10 WDM Kanäle -650 ps/nm Vorkompensation 50 ps/nm Unterkompensation pro Span 8

9 Geschwindigkeitsvergleich Beschleunigungsfaktor für GPU-basierte Simulationen mit CUFFT Implementierung im Vergleich zu CPU-basierten Simulationen mit Intel IPP FFT-Bibliothek auf einem CPU-Kern. 9

10 Vergleich der Genauigkeit Vergleich des Q-Faktors für unterschiedliche Übertragungsdistanzen. Darstellung der Abweichung zwischen CPU- und GPU-basierten Simulationen. 10

11 Vergleich der Genauigkeit (Fort.) Vergleich des Q-Faktors für unterschiedliche Übertragungsdistanzen. Darstellung der Abweichung zwischen CPU- und GPU-basierten Simulationen. 11

12 Übersicht Split-Step Anzahl und Rechenzeit Eingangs- g leistung [dbm/kanal] Anzahl Split- Steps Rechenzeit CPU in s pro Span Rechenzeit GPU in s pro Span bei FFT-Länge

13 Zusammenfassung GPU-basierte Simulation erlaubt signifikanten Geschwindigkeitsgewinn von annähernd Faktor 10 bei 2 17 FFT-Länge Bei Simulationen bis 2 17 FFT-Länge konnten keine signifikanten Abweichungen zwischen CPU- und GPU-basierten Simulationsergebnissen festgestellt werden CUDA erlaubt Berechnungen bis FFT Länge 2 23 ohne Modifikationen 13

14 Ausblick Analyse alternativer (GPU-basierter) FFT-Routinen mit höherer Genauigkeit und noch größerem Geschwindigkeitsgewinn Untersuchung weiterer, aktueller Graphikkarten bzgl. Genauigkeit 14