Der kalifornische Hersteller von Grafikprozessoren NVIDIA unterstützt das Labor Regensburg – Medical Image Computing (Re-MIC) der Fakultät für Informatik und Mathematik durch die Schenkung von zwei sogenannte Tesla-Prozessoren der neuesten Generation (Kepler, Tesla K20) zu Forschungszwecken.
Grafikkarten (GPUs) werden in den letzten Jahren neben ihrer ursprünglichen Aufgabe, der Visualisierung, verstärkt zu parallelen Rechnereinheiten ausgebaut. Bei der Tesla K20 handelt es sich um einen hochparallelen GPU-Supercomputer mit 2496 parallelen Rechnereinheiten. Die Unterstützung erfolgt nach dem erfolgreichen Antrag zum NVIDIA Academic Partnership Programm der Informatikprofessoren Jan Dünnweber und Christoph Palm in diesem Jahr.
Prof. Dünnweber betreut derzeit ein Hauptseminar-Projektstudium des Masterstudiengangs Informatik zum Thema “Affinity Propagation”. Dabei handelt es sich um ein Verfahren zur Verdichtung großer Datenmengen (Clustering), wie es unter anderem in der Genetik und der Krebsforschung, aber z.B. auch für die automatische Erkennung von Gesichtern, angewandt wird. Die Tesla Technologie ist laut Prof. Dünnweber aufgrund ihrer “Streamingeigenschaften” für derart rechenintensiven Anwendungen optimal. Die Chips beschleunigen nicht nur das Rendering, also die Berechnung von Bildern, sondern auch die parallele Verarbeitung beliebiger Datenströme.
Um das letzte Quantum an Rechenleistung aus der Technologie heraus zu holen, hat die Fakultät IM einen neuen Rechner angeschafft, der außer den nötigen Steckplätzen für die Tesla-Chips auch mehrere Hauptprozessorkerne enthält (6×2,9 GHz XEON mit 16 GB RAM). Der im „Regensburg Center of Biomedical Engineering“ (RCBE) untergebrachte Server hat somit eine “hybride Architektur”, ein echter “Supercomputer für den Schreibtisch”, den Prof. Dünnweber bereits für weitere Projekte einplant: Die Untersuchung von Sensordaten mit der Beteiligung internationaler Partner steht als nächstes auf dem Programm.
Während Prof. Dünnweber als Spezialist für die verteilte und parallele Verarbeitung von Daten vor allem an den High-Performance Computing (HPC) Features der Tesla-Chips interessiert ist, will der Leiter des Re-MIC, Prof. Palm, auch von deren fortschrittlichen Shader Units profitieren. Damit lassen sich z.B. dreidimensionale Effekte mit Hardware-Unterstützung implementieren. Aber auch in der Medizinischen Bildverarbeitung ist die Parallelisierung auf GPUs zur Beschleunigung von zunehmender Bedeutung. In Kooperation mit dem Institut für Neurochirurgie der Universitätsklinik Regensburg wurde unter der Federführung von Prof. Palm z.B. eine Methode zur automatischen Unterteilung von Magnetresonanztomogramme (MRTs) des Kopfes in verschiedene Gewebetypen für parallele GPUs umgeschrieben. Wichtiges Ergebnis der Studie: Je nach Algorithmus kann es bei GPUs zu kleinen Rundungsfehlern kommen, die oft aber auf das Endergebnis große Auswirkungen haben. Gerade an der Schnittstelle zwischen Informatik und Medizin ist aber die Genauigkeit und Reproduzierbarkeit von Berechnungsergebnissen besonders wichtig. Im Re-MIC wird nun an Methoden gearbeitet, solche Fehler zu vermeiden. Die Ergebnisse der Studie wurden auf der Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik (GMDS) auf dem Workshop “Biomedical Image and Signal Computing (BISC2013)” vorgestellt.