El banco francés se ocupa de la informática GPU - Calendae | Informática, Electrónica, CMS, Ciberseguridad

El banco francés se ocupa de la informática GPU

Hola, un placer verte por aquí. Soy Simón Sánchez y en esta ocasión vamos a hablar sobre El banco francés se ocupa de la informática GPU

El lanzamiento de esta semana del programa NVIDIA «Clústeres de GPU preconfigurados», del que hablamos el lunes, me hizo pensar en cómo y con qué rapidez las GPU han entrado en la corriente principal de HPC. Sin duda, las implementaciones de producción reales aún no están en la agenda, al menos no visiblemente. Y ahí está el problema. La mayoría de las empresas comerciales preferirían mantener oculto a los competidores el uso de tecnologías de vanguardia. Para la computación GPU en áreas como servicios financieros y exploración de petróleo y gas, esto es especialmente cierto.

Por eso me sorprendió un poco cuando BNP Paribas, una empresa de servicios bancarios y financieros con sede en París, me concedió una audiencia con Stéphane Tyc, director de Investigación cuantitativa de derivados de materias primas y renta variable global en la división de Banca Corporativa y de Inversión. de la compañia. En marzo, la compañía anunció que estaba utilizando dispositivos NVIDIA y CUDA para acelerar algunos de sus modelos de precios.

Además de estar disponible para hablar sobre las aventuras de la compañía en la computación GPU, Tyc me dio la sensación de que la cultura de los servicios financieros era bastante diferente a la de Estados Unidos. Por ejemplo, Tyc y su grupo son grandes defensores del código abierto y se les anima a contribuir a este esfuerzo. «Cuando tengo gente en mi equipo que quiere contribuir al software libre, eso es genial», me dijo. Tenga en cuenta que estamos hablando de una organización comercial que tiene que responder ante los inversores y sus clientes financieros. Si bien el código de análisis que desarrolla su equipo es propietario, está dispuesto a dedicar el tiempo de la empresa a mejorar las herramientas y bibliotecas de código abierto.

El software de análisis que desarrollaron es una versión avanzada de Black-Scholes que se utiliza para valorar cientos de miles de derivados de acciones. El paquete completo tiene alrededor de un millón de líneas de código fuente, pero el código que condujo a CUDA, un procedimiento de minimización utilizado para calibrar los parámetros de las simulaciones de Monte Carlo, es solo el uno o dos por ciento del total. Sin embargo, según Tyc, ese único procedimiento utiliza aproximadamente el 10 por ciento de los ciclos del procesador.

El precio exacto de los derivados requiere mucha potencia de punto flotante, por lo que la capacidad FP del hardware es directamente proporcional a la rapidez con la que puede ofrecer resultados útiles. Usando solo dos de las cuatro GPU en una tarjeta NVIDIA S1070, pudieron lograr un aumento de rendimiento de 15 veces y una mejora de rendimiento de 100 veces por vatio en este proceso.

Tyc señaló que parte de la recuperación en el rendimiento fue el resultado de cambiar el algoritmo para usar un punto flotante de precisión simple. Para las CPU x86, las operaciones de precisión simple y doble se realizan esencialmente a la misma velocidad, lo que tiende a hacer que muchos desarrolladores se sientan perezosos a la hora de elegir una implementación eficiente. Pero para las GPU, la precisión simple es de 5 a 10 veces más rápida, de ahí la motivación para cambiar el algoritmo.

El beneficio de todo este código es que pueden ajustar los precios a lo largo del día. Con una plataforma solo de CPU, configurarían el trabajo para que se ejecute durante la noche y recopilen datos al día siguiente, lo que no es una situación ideal para los comerciantes.

En marzo, la versión CUDA del modelo de precios no se había implementado para el comercio en vivo, pero Tyc quedó lo suficientemente impresionado como para comenzar a pensar en traer más códigos y usar GPU adicionales. Un desafío para ellos es que gran parte de su software está escrito en Ada. (Aparentemente en Francia, el estilo y la elegancia siguen siendo importantes, incluso en el software). Si hubieran usado C o Fortran, podrían haber recurrido a PGI o CAPS, que ofrecen herramientas que pueden convertir estos lenguajes de alto nivel en código GPU. . Por ahora, es probable que el equipo de Tyc continúe utilizando el enfoque de buscador de oro y convierta manualmente la fuente más intensiva en computación a CUDA.

A largo plazo, están considerando OpenCL como una forma de implementar su GPU en una base de código independiente del hardware. Aunque las opciones actuales para la computación GPU se limitan a NVIDIA y AMD (ATI), Intel planea lanzar sus primeros chips Larrabee similares a GPU dentro de un año, y es probable que los tres proveedores ofrezcan soporte OpenCL. En ese momento, la independencia de la plataforma puede parecer mucho más atractiva que en la actualidad. A pesar de lo feliz que está Tyc con los primeros resultados de la solución NVIDIA, dijo que preferirían no estar vinculados a un proveedor específico y sin duda verán a Larrabee cuando se presente.

Recuerda compartir en en tu Twitter y Facebook para que tus amigos lo vean

??? ? ? ???

Comparte