BOINC平台充沛的ATI GPU加速项目

    ● BOINC平台充沛的ATI GPU加速项目

    如果你使用ATI显卡，不必去寻找那些高深的专业计算程序去体验GPU并行计算的魅力。体会ATI GPU的强大运算能力，只需加入BOINC平台就可以获得大量项目支持。从并行计算的分类层级来看，BOINC平台计算项目属于最高层级“集群或分布式计算”（Cluster/Distributed parallel）。

    BOINC的中文全称是伯克利开放式网络计算平台（Berkeley Open Infrastructure for Network Computing），他能够把许多不同的分布式计算项目联系起来统一管理。并对计算机资源进行统一分配。BOINC目前已经成熟，多个项目已经成功运行于BOINC平台之上，如SETI@home、LHC@home、Rosetta@Home 、World Community Grid世界公共网格等。

BOINC分布式计算平台

    MilkyWay@home是一个基于 BOINC 平台的分布式运算项目。项目试图精确构建银河系附近星流的三维动态模型。与 SETI@home 和 Einstein@home 相比较，MilkyWay@home 同样把探索星际空间作为项目目标。项目的另一个目标是开发并优化分布式计算的算法。该项目在今年年初已经汇聚了超过1PetaFlops运算能力，运算速度超过了世界上第二快的超级计算机，该项目在推出后不久就提供了支持ATI显卡的运算程序。

    除了在计算机科学和天文学研究的重要发现外，研究人员表示，该项目对于公众的科学发现也作出了重要进展。自项目开始至今，来自 169 个国家超过 45000 名的志愿者捐献了计算能力，目前项目活跃的用户约有1.7万。除了志愿者外，伦斯勒其他学科及院外的机构也参与该项目。其中包括伦斯勒的研究生 Matthew Newby，Anthony Waters，and Nathan Cole 还有 SETI@home的创始者David Anderson，这项研究的资金主要由国家科学基金会（NSF）提供，还有 IBM，ATI 和 NVIDIA捐献的设备。

MilkyWay@home项目模拟（配图来自“科学松鼠会”《银河之伴，汝居何方》）

    MilkyWay@home这个项目折射到计算机硬件方面，实际上就是像素对比，是对比进化算法得来的银河系演进图与真实拍得的照片的差异。它是按照进化算法先验算一个银河系在某时间断面的图，然后那这个图跟拍摄的实际照片进行对比。Milkyway@home虽然是研究天体的项目，但这种研究算法天生具有遗传算法的特性，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；Milkyway@home提供的ATI显卡计算任务具有内在的隐并行性和更好的全局寻优能力，这个项目里更多的也不是分支嵌套，而是把算好的结果跟已知的观测结果进行比对，这样ATI GPU架构吞吐量巨大的优势再一次体现了。

    另一个活跃在BOINC平台上的支持GPU计算的项目是Collatz Conjecture，这是一个利用联网计算机进行数学方面研究，特别是测试又称为3X+1或者HOTPO（取半或乘三加一）的考拉兹猜想的研究项目。该项目的运算目的很简单，变量只有一个n，如果它是奇数，则对它乘3再加1，如果它是偶数，则对它除以2，如此循环，最终都能够得到1。这个项目的研究目标就是寻找最大的质数。

    该项目的主程序分支出现在初始段，而且所有的线程的分支几乎都是统一的，所以对于分支能力的考验是比较少的，反而它能够使几乎所有线程都同步进行这个相对简单的吞吐过程。这就决定了该项目上ATI GPU的运算速度要比NVIDIA GPU快，因为ATI所提供的硬件结构更适应于这种数据结构。

Radeon HD5770显卡正在运行DNETC@home项目的ATI加速任务

    BOINC平台同样有一些密码学项目可以发挥ATI GPU的浮点加乘优势，比如在近期提供了GPU运算支持的DNETC@home项目。DNETC@HOME 是 distributed.net 在 BOINC 平台的封装器，用于使其平台的项目能够运行于 BOINC 平台上。Distributed.net 创立于1997年。2002年10月7日，以破解加密术而著称的 Distributed.net 宣布，在经过全球33.1万名电脑高手共同参与，苦心研究了4年之后，他们已于2002年9月中旬破解了以研究加密算法而著称的美国RSA数据安全实验室开发的64位密匙——RC5-64密匙。目前正在进行的是RC5-72密匙。

    目前DNETC@home项目运行的是 RC5-72（试图攻破 RC5 的 72 位密钥）。值得一提的是项目没有提供 CPU 的计算程序，因此要参加项目必须使用显卡才能进行计算。

    我们在第四章第六和第七节已经通过GPC Benchmark软件分析了ATI GPU在密码学计算中的优势。在DNETC@home项目这类密码学计算中，无论是加密还是解密都很少牵扯到计算层面，GPU只是不断随即生成数据然后去试探，决定运算结果的基本上只有开关（运算器）数量，而不是运算器组织结构，所以A卡理论吞吐量高的特性再次得到体现。