Allumez les GPU : UW-Madison, le projet Morgridge déclenche l’informatique de niveau supérieur – Morgridge Institute for Research
Une forme de machinerie informatique qui était autrefois le domaine des joueurs vidéo hardcore, l’unité de traitement graphique, ou GPU, a récemment pris d’assaut le monde de la recherche scientifique.
Conçus à l’origine à la fin des années 1990 avec la capacité de rendre des graphiques 3D, les GPU ont été essentiels au fil des ans pour créer des effets visuels de plus en plus sophistiqués et réalistes.
Alors que la plupart du monde de la recherche a pensé en termes de CPU ou d’unités centrales de traitement comme la lingua franca de la puissance de calcul, les GPU émergent maintenant au sommet du rack pour des domaines tels que l’apprentissage automatique et le calcul scientifique.
Le chercheur de Morgridge, Anthony Gitter, professeur agrégé de biostatistique et d’informatique médicale à l’UW-Madison, a reconnu très tôt le besoin dans ses projets d’apprentissage automatique liés à l’ingénierie des protéines et aux projets de découverte de médicaments qui génèrent des millions de points de données. Il y avait des outils liés au GPU disponibles qui pourraient compléter les expériences de modélisation de ses équipes en quelques jours qui auraient pris des mois ou des années s’ils avaient été accomplis avec l’informatique standard basée sur le processeur.
Mais il a également remarqué, vers 2018, une vague d’efforts de bricolage sur le campus UW-Madison liés aux GPU.
J’ai vu beaucoup de mes pairs essayer de mettre en place leurs propres systèmes, se souvient-il. Les gens achetaient des stations de travail qui auraient un GPU et le plaçaient sous un bureau pour qu’un étudiant diplômé puisse l’exécuter, puis essayaient de déterminer quel matériel acheter, comment le maintenir et quel logiciel installer.
Gitter a repéré une opportunité. Pourquoi ne pas créer une ressource centralisée et une communauté d’utilisateurs qui pourraient aider à prendre en charge des centaines d’expériences GPU variées, un peu comme ses collègues de Morgridge et UW-Madison l’ont accompli via le Center for High-Throughput Computing (CHTC) ? Ce centre gère avec succès plus de 300 projets uniques par an, générant des centaines de millions d’heures de temps de calcul.
Nous avons pu apporter la documentation, créer une communauté d’utilisateurs et animer des ateliers sur l’utilisation de la ressource. Nous venons de créer cet environnement dans lequel nous sommes maintenant très bien préparés pour tirer le meilleur parti de la technologie.
Anthony Gitter
L’idée a conduit, en 2019, à une demande de subvention réussie via UW 2020, un projet soutenu par la Wisconsin Alumni Research Foundation (WARF) et conçu pour stimuler des projets hautement innovants susceptibles de transformer un domaine d’études. Gitter a réuni une équipe d’enquête qui était co-dirigée par des membres du CHTC et comprenait des professeurs de plus d’une demi-douzaine de domaines de recherche à forte intensité de données.
Le produit final, en seulement quelques années, a été un remarquable retour sur investissement. Les scientifiques de l’UW-Madison ont désormais un accès gratuit à un pool de plus de 100 GPU, auxquels ont déjà accès les chercheurs de plus de 40 départements universitaires de l’UW-Madison. Le GPU Lab est géré par le CHTC dans l’attente d’une croissance progressive pour répondre aux besoins des utilisateurs de la recherche.
L’équipe a construit la ressource lentement, ajoutant une technologie qui répondait spécifiquement aux commentaires de la communauté des chercheurs. Après une série d’investissements, un deuxième investissement majeur de WARF et de la Division des technologies de l’information (DoIT) en 2022 a plus que doublé la capacité du GPU du campus.
Je pense que cet investissement a été le plus réussi parce que nous n’avons pas tout investi dans le matériel, dit Gitter. Nous avons pu apporter la documentation, créer une communauté d’utilisateurs et animer des ateliers sur l’utilisation de la ressource. Nous venons de créer cet environnement dans lequel nous sommes maintenant très bien préparés pour tirer le meilleur parti de la technologie.
Christina Koch, facilitatrice en informatique de recherche pour CHTC, travaille en étroite collaboration avec de nombreux scientifiques de l’espace GPU, et elle dit que la ressource a ouvert les portes à de nombreux projets uniques. Par exemple, il est employé par le Digital Livestock Laboratory qui utilise des données vidéo pour suivre la santé et la nutrition des troupeaux laitiers. La communauté de microscopie Cryo-EM est un autre utilisateur majeur.
D’autres exemples incluent le Computational Materials Group du College of Engineering, qui utilise l’apprentissage automatique pour étudier les propriétés des verres métalliques. Et le professeur de chimie Xuhui Huang utilise des GPU dans des expériences d’apprentissage automatique pour prédire les interactions entre les produits chimiques et les protéines.
Les GPU, en tant que technologie, nécessitent beaucoup d’énergie et génèrent beaucoup de chaleur et de bruit, explique Koch. Je pense donc que c’est une autre bonne raison pour que les gens essaient de s’associer au CHTC. Nous mettons également l’accent sur le soutien aux utilisateurs au CHTC, ce qui, nous l’espérons, apporte la meilleure valeur possible au campus et intègre également les commentaires des chercheurs.
Je pense que cela nous rend très compétitifs par rapport aux institutions homologues, en termes d’accès, et surtout de gratuité pour les chercheurs du campus, ajoute Koch. Et notre approche organisée est probablement un peu différente de celle d’autres campus qui pourraient simplement offrir une ferme GPU.