Grafikbehandlingsenheter (GPU:er) används för många beräkningsintensiva uppgifter. Deras åldringsprocess kan bromsas av smart hantering, som TU Wien (Wien) och University of California (Irvine) nu har visat.

Grafikbehandlingsenheter används inte bara för att visa grafik. I dag, de används ofta för särskilt utmanande beräkningar-till exempel inom vetenskaplig forskning eller till och med Bitcoin-mining.

Dock, deras prestanda brukar minska med tiden. När de enskilda kärnorna i bearbetningsenheten åldras, de fungerar inte perfekt tillsammans längre. TU Wien och University of California, Irvine har därför utvecklat en förbättrad chiphanteringsmetod, som fördelar bearbetningsuppgifterna på ett effektivt sätt. I mer än 95 % av fallen, detta kan bromsa åldringsprocessen för GPU:er.

Mycket parallell beräkning

"Standarddatorerna som vi använder hemma har bara några processorkärnor. En grafikprocessorenhet å andra sidan består av ett stort antal kärnor - vanligtvis hundratals eller tusentals", säger professor Muhammad Shafique (Institute for Computer Engineering, TU Wien). Därför, GPU:er är extremt användbara för parallella beräkningar, där en uppgift kan delas upp i många mindre beräkningar som kan lösas oberoende av varandra, av olika kärnor samtidigt.

Kärnorna, dock, är aldrig helt identiska. "Strukturerna på GPU är mycket små. Det kommer alltid att finnas små brister och avvikelser på grund av produktionsprocessen", säger Muhammad Shafique. Därför, åldrande har olika effekter på olika kärnor. Under stress, prestanda för olika kärnor kommer att glida isär.

Detta är ett problem för parallellberäkning. När en uppgift fördelas mellan många kärnor och systemet måste vänta tills den sista är klar innan nästa steg i beräkningen kan startas, den långsammaste kärnan bestämmer processens totala hastighet. Detta kan drastiskt minska prestandan hos GPU:n.

Smarta hanteringstekniker

Muhammad Shafique och teamet av professor Mohammad Al Faruque (University of California, Irvine) vill lösa detta problem med smarta hanteringsmetoder:"Först, det är avgörande att veta statusen för de enskilda kärnorna ", säger Muahmmad Shafique. "Då kan vi fördela olika uppgifter på ett sådant sätt bland kärnorna att fysisk stress fördelas optimalt."

Kärnor med liknande egenskaper kombineras till "kluster", som sedan tilldelas mer eller mindre utmanande uppgifter - beroende på deras nuvarande status. På det sättet, åldringsprocessen kan bromsas, systemets övergripande prestanda ökar. "Det har redan funnits idéer om hur man kan bromsa åldringsprocessen för GPU:er med kompilatorbaserade tekniker, men vår metod är mycket mer effektiv. Det fungerar i mer än 95 % av fallen ", säger Muhammad Shafique.