Cada científico con su 'superordenador', y un 'superordenador' para cada investigador. Lo que parecía una utopía se acerca cada vez más a la realidad. El uso de los procesadores gráficos para cálculos cada vez más complejos y rápidos lo está haciendo posible. Y por menos de 9.000 euros.

Si pensamos en un 'superordenador', enseguida vienen a la cabeza imágenes de gigantescos recintos llenos de armarios y cables, y presupuestos astronómicos para su mantenimiento. No obstante, ahora es posible disponer de una potencia de cálculo de hasta cuatro teraflops por segundo en un equipo que no ocupa más que uno de sobremesa.

Muchos, sobre todo los aficionados a los videojuegos, conocen la compañía NVIDIA por sus tarjetas GForce. Recientemente, la compañía lanzó Tesla, que ahora presenta en Europa, un poderoso sistema procesador basado en gráficos (GPU) que, aseguran, 'democratiza' la era de los 'superordenadores'.

¿En qué consiste esta 'revolución'? Como explica David Kirk, jefe científico de la compañía, este poder de computación a este precio hará que "cualquier compañía o universidad, cualquier país, rico o pobre, va a ser capaz de tener un superordenador", lo que puede contribuir al desarrollo de la investigación hasta niveles nunca vistos.

El origen está en el uso de unidades gráficas de procesamiento (GPU) para realizar cálculos en general, en lugar de las CPU, o unidades centrales de procesamiento. La diferencia entre ambos sistemas es que, en el primero de los casos, se trata de un procesador con múltiples núcleos dedicados todos ellos a realizar la misma tarea (sobre variables o datos diferentes). La CPU, que es lo que tienen normalmente los ordenadores, consta de dos o cuatro núcleos (hoy en día) más complejos, que realizan las tareas normales del ordenador.

"Nos dimos cuenta de que las GPU resolvían uno de los principales problemas que tienen los gráficos, que es la computación en paralelo, así que nos planteamos que podían funcionar de otra manera, realizando cálculos generales", comenta Kirk.

Como apunta Nacho Navarro, profesor de la Universidad Politécnica de Catalunya e investigador del BSC, "si quisiéramos estudiar, por ejemplo, el flujo de sangre que pasa por un corazón, si usáramos una GPU, podríamos asignar cada mililitro a un núcleo de procesamiento".

Los resultados son poco menos que asombrosos. El poder de procesamiento de imágenes médicas en 3D se multiplica por 146, según ha comprobado la Universidad de Utah, mientras que en cálculos sobre física cuántica se multiplican por 130 (Universidad de Illinois) o en álgebra lineal, por 47 (Universidad Jaume I de Castellón).

Incluso las simulaciones financieras se ven aceleradas dramáticamente, hasta 149 veces, según la Universidad de Oxford. ¿Contribuirá este avance a frenar la crisis financiera mundial? Quién sabe.

Uno de los avances que más prometen es en el campo de la diagnosis médica. Con este tipo de 'superordenadores', una prueba diagnóstica como una resonancia magnética puede ser completada y resuelta en minutos. También se ven acelerados los resultados de tomografías, o incluso prospecciones geológicas en 3D para buscar petróleo o gas.
GPU-CPU ¿Qué es mejor?

Este avance en la democratización de la 'supercomputación' supone una mejora en los procesos de cálculo más complicados que existen en la ciencia, pero... ¿en todos? Navarro opina que cada sistema de computación es bueno para según qué cosas. "Para que compense, has de tener suficientes datos, y que estos datos se puedan procesar en paralelo. Pr ejemplo, el movimiento de partículas en el aire, o las señales de un sonar".

La clave GPU es que es fruto que la idea de pensar en resolver los problemas desde el principio en paralelo, es decir, descubriendo qué partes son independientes una de otra, y luego agrupando los problemas que surgen para hallar una solución.

Enlace: El Mundo