[論文レビュー] Performance Analysis Cluster and GPU Computing Environment on Molecular Dynamic Simulation of BRV-1 and REM2 with GROMACS

Heru Suhartanto, Arry Yanuar+1 more|arXiv (Cornell University)|Oct 16, 2012

Protein Structure and Dynamics参考文献 7被引用数 5

ひとこと要約

本研究では、BRV-1およびREM2化合物のGROMACSベースの分子動力学シミュレーションを、16ノードのクラスタおよびGPUアクセcelerated PC上で評価した。GTX 470 GPUを用いることで、クラスタ構成に対して11–12倍の高速化を達成した。GPUコンピューティングはコストの25％にとどまりながら優れたパフォーマンスを発揮し、高パフォーマンスな分子動力学シミュレーションワークロードにおける極めて効率的な代替手段であることが示された。

ABSTRACT

One of application that needs high performance computing resources is molecular d ynamic. There is some software available that perform molecular dynamic, one of these is a well known GROMACS. Our previous experiment simulating molecular dynamics of Indonesian grown herbal compounds show sufficient speed up on 32 n odes Cluster computing environment. In order to obtain a reliable simulation, one usually needs to run the experiment on the scale of hundred nodes. But this is expensive to develop and maintain. Since the invention of Graphical Processing Units that is also useful for general programming, many applications have been developed to run on this. This paper reports our experiments that evaluate the performance of GROMACS that runs on two different environment, Cluster computing resources and GPU based PCs. We run the experiment on BRV-1 and REM2 compounds. Four different GPUs are installed on the same type of PCs of quad cores; they are Gefore GTS 250, GTX 465, GTX 470 and Quadro 4000. We build a cluster of 16 nodes based on these four quad cores PCs. The preliminary experiment shows that those run on GTX 470 is the best among the other type of GPUs and as well as the cluster computing resource. A speed up around 11 and 12 is gained, while the cost of computer with GPU is only about 25 percent that of Cluster we built.

研究の動機と目的

• GROMACSを用いた分子動力学シミュレーションのパフォーマンスを、クラスタおよびGPUコンピューティング環境の両方で評価すること。
• 大規模クラスタの導入に代わるコスト効率の高い代替手段を特定すること。
• 同一のクアッドコアPCハードウェア上での異なるGPUモデルを用いたGPUアクセcelerationのスケーラビリティおよび効率性を評価すること。
• BRV-1およびREM2のようなインドネシアのハーブ化合物のシミュレーションにおいて、GPUベースのシステムが従来のクラスタを上回る速度とコスト効率を実現できるかどうかを特定すること。

提案手法

• 16ノードのクラスタ（クアッドコアPCで構成）を用いて、BRV-1およびREM2の分子動力学シミュレーションをGROMACSで実施した。
• 同一のクアッドコアPCに、GeForce GTS 250、GTX 465、GTX 470、Quadro 4000の4種類のGPUを搭載し、パフォーマンスを比較した。
• すべてのGPU構成およびクラスタ環境におけるシミュレーション実行時間とパフォーマンス指標を測定した。
• GPU構成とクラスタ構成のシミュレーション時間を比較して、スピードアップ比を算出した。
• GPUシステムの総ハードウェアコストをクラスタ構成と比較することで、コスト効率を評価した。
• 公平な比較を確保するため、一貫したパrameterを用いた標準的なGROMACSワークロードを用いた。

実験結果

リサーチクエスチョン

• RQ1 BRV-1およびREM2化合物のGROMACS分子動力学シミュレーションにおいて、GPUベースのPCのパフォーマンスは16ノードクラスタと比べてどの程度か？
• RQ2 GTS 250、GTX 465、GTX 470、Quadro 4000の中から、GROMACSシミュレーションで最も高いパフォーマンス向上を達成したGPUモデルはどれか？
• RQ3 最良のパフォーマンスを示したGPU構成は、クラスタ環境に対してどの程度のスピードアップ比を達成したか？
• RQ4 類似またはより優れたパフォーマンスを達成する場合、GPUベースのシステムのコストはクラスタ構成と比べてどの程度か？
• RQ5 GPUアクセceleratedシステムは、分子動力学シミュレーションにおいて大規模クラスタのコスト効率の良い代替手段となるか？

主な発見

• GTX 470 GPUが、テストされたすべてのGPUの中で最高のパフォーマンスを発揮し、GTX 465およびGTS 250を上回った。
• GTX 470搭載のPCは、16ノードクラスタ環境と比較して約11～12倍のスピードアップを達成した。
• GTX 470を搭載したGPUベースのPCのコストは、16ノードクラスタシステムの総コストの約25％にとどまった。
• クラスタ環境はパフォーマンス比較の基準を提供したが、速度およびコスト効率の両面でGPU構成に劣っていた。
• 結果から、GPUアクセceleratedシステムは、分子動力学シミュレーションにおいて、従来のクラスタの極めて実用的で効率的な代替手段であることが示された。
• 本研究は、GPUコンピューティングが、BRV-1およびREM2のようなバイオ分子系において、高い正確性と信頼性を維持したまま、シミュレーション時間を顕著に短縮できることを確認した。