Developing Synthetic Applications Benchmarks on Composable Cyberinfrastructure: A Study of Scaling Molecular Dynamics Applications on GPUs
Developing Synthetic Applications Benchmarks on Composable Cyberinfrastructure: A Study of Scaling Molecular Dynamics Applications on GPUs
复制标题
开发可组合网络基础设施的综合应用基准：GPU 上扩展分子动力学应用的研究
DOI：
10.1145/3569951.3597556
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Liu, Honggao
中科院分区：
文献类型：
--
作者：
Lawrence, Richard E;Chakravorty, Dhruva K;He, Zhenhua;Dang, Francis;Perez, Lisa M;Brashear, Wesley A;Liu, Honggao
无限扩展的潜力，提高性能，更好地共享计算资源，激励研究人员适应可组合的基础设施。在这些系统上测量性能需要评估组合配置本身如何影响性能，这超出了传统的扩展方法。我们强调计算的性质和可组合基础设施的配置之间的微妙关系。探索新的应用程序基准测试策略，为可组合系统的最佳配置和最佳计算实践提供信息。现实的分子动力学研究工作流程被用作组成GPU系统的基准，以开发产生可识别和信息丰富的结果的基准测试策略。我们采用的做法，一个现实的情况下，分子动力学研究工作流程组成的GPU系统。我们讨论的计算瓶颈的识别，并建立一个新的基准性能套件，可以帮助研究人员阐明组合基础设施的最佳组合的需要。
The potential for infinite scaling, improved performance, and better sharing of computing resources motivates researchers to adapt to composable infrastructures. Measuring performance on these systems requires an assessment of how the composed configuration itself affects performance which goes beyond traditional scaling approaches. We emphasize the subtle relationship between the nature of the calculation and the configuration of the composable infrastructure. New application benchmarking strategies are explored to inform the optimal configurations and best computing practices for composable systems. Realistic molecular dynamics research workflows are employed as benchmarks for composed GPU systems to develop a benchmarking strategy that yields recognizable and informative results. We employ the practices on a realistic case for a molecular dynamics research workflow on a composed GPU system. We discuss the identification of computational bottlenecks and establish a need for new benchmark performance suites that can help researchers articulate optimum compositions for composable infrastructure.
可组合网络基础设施流模拟的规模化研究
DOI：
10.1145/3569951.3597565
发表时间：
2023
期刊：
USA
影响因子：
--
作者：
Mishra, Sambit;Witherden, Freddie;Chakravorty, Dhruva;Perez, Lisa;Dang, Francis
通讯作者：
Dang, Francis
可组合网络基础设施上分布式深度学习工作负载的性能
DOI：
10.1145/3569951.3593601
发表时间：
2023
期刊：
USA.
影响因子：
--
作者：
He, Zhenhua;Saluja, Aditi;Lawrence, Richard;Chakravorty, Dhruva;Dang, Francis;Perez, Lisa;Liu, Honggao
通讯作者：
Liu, Honggao