GPU4EO 2015 è una sfida tra ricercatori finalizzata a migliorare le performance del software open source DORIS specifico per la elaborazione di dati satellitari radar sfruttando le capacità elaborativa dell GPU NVIDIA k 40.

Ma perchè abbiamo lanciato questa iniziativa?

Le GPU, dette comunemente schede video, stanno diventando sempre più veloci e consentono restituzioni a schermo sempre più realistiche e rendering sempre più accurati per la costruzione di ambienti digitali immersivi.

Tutto questo avviene sotto la spinta del mercato dell’entertaiment che ha portato anche ad una drastica riduzione dei costi delle GPU. Quindi sul mercato sono disponibili schede grafiche molto potenti a basso costo.

Parallelamente, si sta verificando una crescente disponibilità di immagini acquisite da molteplici tipologie di sensori montati a bordo di satelliti, aerei, droni e veicoli di ogni tipo.

L’elaborazione di queste immagini esige capacità elaborative crescenti che deve scontrarsi con l’esigenza di ridurre di 100 o 1000 volte i tempi di elaborazione per poter offrire servizi in tempo reale.

Adottare computer con CPU sempre più potenti e, dove possibile, grid di computer, anche su cloud, per parallelizzare i processi è una possibile soluzione per fare fronte a queste esigenze.

Questa scelta, tuttavia, oltre che costosa, in alcuni casi non è applicabile. Ad esempio, nel caso di elaborazioni in tempo reale di immagini direttamente a bordo di satelliti o di rover inviati in giro per lo spazio dove sono a disposizione limitatissime capacità elaborative. O, molto più semplicemente, quando il trasferimento delle immagini richiede troppo tempo. Tempo che non abbiamo nel caso di applicazioni in real-time e, quindi, è necessario che il processing avvenga lì dove sono archiviati i dati.

In tutti questi casi le GPU possono rappresentare la soluzione ottimale. Dispongono di capacità elaborative molto elevate e sanno fare bene i calcoli che servono per elaborare le immagini. Sono nate per quello!

Ma se vogliamo utilizzare le GPU per processare, ad esempio, le immagini telerilevate da satellite quali sono i problemi da affrontare?

Un semplice porting non è sufficiente per sfruttare a pieno le capacità elaborative delle GPU, che ‘ragionano’ in modo differente dalle CPU. I programmi vanno riscritti e gli algoritmi vanno adattati alle specifiche GPU che si adottano. Quindi in che modo possiamo riusare il codice già scritto nei software che sono disponibili sul mercato, senza dover riscrivere tutto?

Inoltre, ogni modello di GPU lavora in modo differente. Se adottiamo semplicemente le librerie disponibili, come ad esempio le CUDA di INVIDIA, non siamo certi di poter raggiungere le prestazioni massime che potenzialmente la scheda in uso ci può fornire.

Un altro tema da affrontare è la parallelizzazione del processo su un network di GPU, così come si fa con il grid di computer.

Quindi, ci sono ancora molti aspetti da esplorare nell’utilizzo delle GPU che richiedono team multidisciplinari in grado di integrare molteplici competenze: sulle GPU, sulle librerie, sugli algoritmi e sulle applicazioni da realizzare.

Per favorire questo processo di sviluppo di team multidisciplinari, abbiamo lanciato il Challenge GPU4EO con il contributo di CNR, INFN ENEA e Confindustria Puglia, nell’ambito del progetto RIESCO, e GAP s.r.l..  Inoltre, i partecipanti al Challenge potranno utilizzare le infrastrutture del data center ReCaS messo a disposizione dall’Università di Bari e INFN.

Possono partecipare al Challenge team nazionali ed internazionali sia afferenti ad enti di ricerca che team di studenti e/o professionisti che vogliono confrontarsi e unirsi per affrontare questa sfida. (qui il bando)

Una sfida aperta a tutti coloro che vogliono provare a sfidarsi in una frontiera che promette molte sorprese.

Buona sfida a tutti….