cuDSS सामान्य रूप से उपलब्ध: सॉल्वर और पूरे सिमुलेशन की गति को अलग पढ़ें

क्या उपलब्ध हुआ और कौन-सा चरण तेज होता है

यह लाइब्रेरी की रिलीज का चरण है। NVIDIA के अनुसार cuDSS इंजीनियरिंग और वैज्ञानिक सिमुलेशन में बार-बार आने वाले बड़े स्पार्स सिस्टम हल करने को तेज करता है। सिमुलेशन और अनुकूलन सॉफ्टवेयर के डेवलपर GPU निष्पादन को मौजूदा उपकरणों में जोड़ सकते हैं। लेख जटिल डिजाइन के साथ बढ़ते सिमुलेशन समय को कम विचार जांच पाने से जोड़ता है। इससे उद्देश्य स्पष्ट होता है, लेकिन हर चरण GPU पर जाने या समान अनुपात में तेज होने का प्रमाण नहीं मिलता। हमारे अनुसार पहले उस गणना को पहचानना चाहिए जिसे तेज किया जा रहा है। इनपुट तैयारी, अन्य संख्यात्मक चरण और परिणाम की व्याख्या पूरी प्रक्रिया का हिस्सा रहते हैं। सामान्य उपलब्धता अपने आप किसी ग्राहक की स्थापना की लागत या उपयुक्तता नहीं सिद्ध करती और न ही नया सामान्य-क्षमता AI मॉडल घोषित करती है।

हमारे स्पष्ट रूप से काल्पनिक उदाहरण में मानें कि solver कुल समय का 50% लेता है। केवल उस हिस्से को 10 गुना तेज करने और बाकी समय समान रखने पर कुल समय पुराने का 55% होगा, यानी पूरे कार्य में करीब 1.82 गुना तेजी। यह दायरा समझाने का हिसाब है, किसी उल्लिखित साझेदार का मापा परिणाम नहीं।

प्रकाशित गुणक अलग प्रयोगों के हैं

Applied Materials का अधिकतम 10 गुना परिणाम Ginestra में स्पार्स सॉल्व को केवल CPU तरीकों से तुलना करता है; यह एक घटक का माप है। अलग उदाहरण में ZEISS SMT ने COMSOL Multiphysics और cuDSS से EUV लिथोग्राफी प्लाज्मा बेंचमार्क किया: 4 गुना गति तथा पूरा सिमुलेशन छह दिन 14 घंटे। हम इससे अप्रकाशित पुरानी अवधि नहीं निकालते और उदाहरणों का हार्डवेयर या संख्यात्मक सेटिंग एक जैसी नहीं मानते। Dassault Systèmes का 8–10 गुना संरचनात्मक और विद्युतचुंबकीय सॉल्वर उपयोग में है। लेख में ताप, तनाव और टेढ़ेपन के लिए Cadence Celsius, द्रव-संरचना अंतःक्रिया के लिए Siemens Simcenter STAR-CCM+ और अर्धचालकों के लिए Synopsys Sentaurus Device भी हैं। ये कंपनियों द्वारा बताए अलग एकीकरण हैं, साझा बेंचमार्क नहीं। हर गुणक के साथ इकाई, कार्यभार और तुलना प्रणाली रखना जरूरी है; सबसे बड़े आंकड़ों को जोड़कर पूरे सिमुलेशन का दावा करना अर्थ बदल देगा।

कई इंटरफेस तुरंत बदलाव का प्रमाण नहीं

NVIDIA C, C++, Python और Fortran इंटरफेस तथा एक वर्कस्टेशन से बड़े क्लस्टर तक विस्तार बताता है। इससे मौजूदा सॉफ्टवेयर में कई प्रवेश बिंदु मिलते हैं। स्रोत प्रत्येक ऐप के संस्करण, हार्डवेयर, मेमोरी और तैनाती की पूरी तालिका नहीं देता, इसलिए किसी भी स्थापना में तुरंत बदलाव का वादा नहीं किया जा सकता। भाषा बाइंडिंग की सूची सभी उत्पादों में समान सुविधाएं या संख्यात्मक व्यवहार भी सिद्ध नहीं करती। हमारा सुझाव है सॉल्वर इंटरफेस, उसके आसपास का ऐप और लक्ष्य मशीन अलग जांचें। उत्पादन मार्ग बदलने से पहले समर्थित सेटिंग और सीमा पर आदान-प्रदान होने वाला डेटा स्पष्ट करें। यह हमारी इंजीनियरिंग सिफारिश है, यहां परीक्षित एकीकरण नहीं। साझेदार के उदाहरण विशिष्ट उत्पाद उपयोग हैं, उनके हर संस्करण में स्वतः मिलने वाला अधिकार नहीं।

पायलट में पूरी उपयोगिता मापें

हम प्रतिनिधि मौजूदा कार्य और स्पष्ट आधाररेखा से शुरू करने का सुझाव देते हैं। इनपुट, सॉल्वर सेटिंग, स्वीकृति मानदंड और मशीन संरचना सुरक्षित रखें; तेज घटक तथा पूरे प्रवाह का समय दोनों दर्ज करें। जांचें कि परिणाम टीम की संख्यात्मक जरूरतें पूरा करता है: जल्दी समाप्त होना बेहतर भौतिक मॉडल का प्रमाण नहीं। केवल आंतरिक गणना की जगह विफलता, पुनः चलाना, मेमोरी दबाव, प्रतीक्षा और सभी संबंधित संसाधन शुल्क भी जोड़ें। ये प्रस्तावित माप हैं, NVIDIA द्वारा दिए परिणाम नहीं। वे उपयोगी इंजीनियरिंग बढ़ने और सिर्फ गणना छोटी होने में फर्क करते हैं। उदाहरण आगे जांच का कारण हैं, अलग दायरे निवेश लाभ की गारंटी नहीं। कीमत, लाइसेंस और तृतीय-पक्ष ऐप में उपलब्धता के लिए मौजूदा दस्तावेज जांचने होंगे। हमने पूरी घोषणा पढ़ी, जुड़े सॉफ्टवेयर, हार्डवेयर या व्यापक लागत-बचत दावों का सत्यापन नहीं किया।