Die Informatik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Verwaltung des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Informatik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Mathematik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Universität Bremen
Zeige Wirtschaftsinformatik-Format Pdf_icon Informatik-Format Pdf_icon Digitale Medien-Format Pdf_icon Systems Engineering-Format Pdf_icon

Informatik-Ansicht

Massively Parallel Algorithms


Massively Parallel Algorithms
Modulnummer
ME-708.05
Master
Pflicht/Wahl
Wahl Basis Ergänzung
Sonderfall
Zugeordnet zu Masterprofil
Basis Ergänzung
Sicherheit und Qualität
KI, Kognition, Robotik
Digitale Medien und Interaktion
Modulbereich : Praktische und Technische Informatik
Modulteilbereich : 708 Computergrafik
Anzahl der SWS
V UE K S Prak. Proj.
2 2 0 0 0 0 4
Kreditpunkte : 6 Turnus

i. d. R. angeboten alle 2 Semester

Formale Voraussetzungen : -
Inhaltliche Voraussetzungen : Algorithmisches Denken. Gewisse Programmierfähigkeiten in C (empfohlen wird das "Propädeutikum C/C++")
Vorgesehenes Semester : ab 1. Semester
Sprache : Deutsch/Englisch
Ziele :

Die Ära der single-core Prozessoren ist zu Ende. Inzwischen gibt es neue, massiv-parallele Prozessoren (GPUs), die hunderte bis tausende von Threads parallel abarbeiten können. Diese entwickeln sich zur Zeit als Co-Prozessoren, die große Teile der Berechnung den (multi-core) CPUs abnehmen. Möglicherweise werden sich GPUs als neue Architektur für die Haupt-Prozessoren – gerade auch auf mobilen Geräten – etablieren, da diese mehr Compute-Power pro Energieeinheit bieten.

Die große Zahl von parallelen Cores stellt das Design von Algorithmen und Software allerdings vor neue Herausforderungen, damit diese von der großen Parallelität profitieren können. Das Hauptziel dieser Vorlesung ist es, Studenten in die Lage zu versetzen, für solch massiv-parallele Hardware Algorithmen zu entwerfen.

Simulation wird inzwischen gemeinhin als die dritte Säule der Wissenschaft angesehen (neben den Experimenten und der Theorie). In der Simulation wird ein ständig wachsender Bedarf an Rechenleistung benötigt; gerade diese wird aber durch die Verfügbarkeit von GPUs fast schon zu einer Commodity auf dem Desktop.

Daher gibt es viele wissenschaftliche Bereiche, in denen Studenten das Wissen, das sie in dieser Vorlesung erwerben, gewinnbringend einsetzen können, wie z.B.:

  • Computer science (e.g., visual computing, database search)
  • Computational material science (e.g., molecular dynamics simulation)
  • Bio-informatics (e.g., alignment, sequencing, …)
  • Economics (e.g., simulation of financial models)
  • Mathematics (e.g., solving large PDEs)
  • Mechanical engineering (e.g., CFD and FEM)
  • Physics (e.g., ab initio simulations)
  • Logistics (e.g. simulation of traffic, assembly lines, or supply chains)

Am Ende dieser Vorlesung werden Studenten

  • aktive Erfahrungen bei der Entwicklung von Software und Algorithmen für massiv-parallele Architekturen gesammelt haben;
  • eine Anzahl von massiv-parallelen Algorithmen-Patterns kennen;
  • in der Lage sein, eigene massiv-parallele Algorithmen zu entwickeln;
  • CUDA kennen.

In der ersten Hälfte der Vorlesung werden Studenten sich anhand von kleinen und mittelgroßen Übungen und Frameworks mit der parallelen Programmier-Umgebung CUDA vertraut machen. In der zweiten Hälfte werden Studenten an einem eigenen Projekt arbeiten.

Inhalte :

Diese Vorlesung führt Studenten in die grundlegenden und einige fortgeschrittene Methoden und Techniken der massiv-parallelen Algorithmen ein. Einige der vorgesehenen Themen sind:

  • die Programmierumgebung CUDA C;
  • die Speicher-Hierarchie und verschiedene Speicher-Charakteristiken;
  • die GPU Architektur
  • parallele Reduktion;
  • coalesced memory access;
  • massiv-parallele Matrix-Algorithmen;
  • Prefix-Sum und deren Anwendungen in der Bildverarbeitung;
  • Textur-Filterung;
  • Paralleles Sortieren (odd-even, bitonic, adaptive bitonic);
  • Bildverarbeitung;
  • Thrust;
Unterlagen (Skripte, Literatur, Programme usw.) :
  • Jason Sanders, Edward Kandort: CUDA by Example. Addison-Wesley, Pearson Education.
  • Wen-Mei W. Hwu: GPU Computing Gems Jade Edition. Morgan Kaufmann.
  • David B. Kirk, Wen-Mei W. Hwu: Programming Massively Parallel Processors. Morgan Kaufmann.
  • NVidia: CUDA C Programming Guide.
Form der Prüfung : i.d.R. Bearbeitung von Übungsaufgaben und Fachgespräch oder mündliche Prüfung
Arbeitsaufwand
Präsenz 56
Übungsbetrieb/Prüfungsvorbereitung 124
Summe 180 h
Lehrende: Prof. Dr. G. Zachmann Verantwortlich Prof. Dr. G. Zachmann
Zurück

Zeige Wirtschaftsinformatik-Format Pdf_icon Informatik-Format Pdf_icon Digitale Medien-Format Pdf_icon Systems Engineering-Format Pdf_icon