La multinacional de procesadores gráficos de ordenador Nvidia ha seleccionado a la Universidad Pablo de Olavide (UPO) como centro de enseñanza (teaching center) para su sistema CUDA de computación paralela, por su compromiso en el avance del estado de la educación en hardware de alto rendimiento y programación paralela usando esta novedosa arquitectura. La UPO es una de las cinco universidades españolas -junto a Alicante, Autónoma de Madrid, Málaga y la Politécnica de Madrid- que ofrecen formación en este campo emergente.

Para ello Nvidia ha donado a la Universidad Pablo de Olavide varias unidades avanzadas de procesamiento gráfico (GPU) para el equipamiento de un laboratorio de la Escuela Politécnica Superior. Este equipamiento se empleará en la docencia de las asignaturas del grado en Ingeniería Informática en Sistemas de Información. De este modo, también se facilita a los estudiantes el acceso a diferentes recursos y materiales específicos en la web de esta multinacional. Los profesores que coordinan este programa de formación son Luis Merino y Manuel Béjar, pertenecientes al Área de Ingeniería de Sistemas y Automática de la Universidad Pablo de Olavide. 

CUDA es una arquitectura de cálculo paralelo de Nvidia que aprovecha la gran potencia de los múltiples núcleos de computación presentes en las unidades avanzadas de procesamiento gráfico de los ordenadores actuales para proporcionar un incremento extraordinario del rendimiento del sistema. Los sistemas informáticos pasan de esta forma a realizar coprocesamiento repartido entre la unidad central de procesamiento (CPU) y la GPU, aumentando  considerablemente la potencia de cálculo. Si bien es cierto que la práctica de computación paralela ya se venía utilizando en las costosas arquitecturas de clúster, este nuevo enfoque permitirá acercar la computación paralela a más usuarios potenciales por su menor costo de implementación. “Las tarjetas de NVIDIA nos ofrecen la posibilidad de contar con cientos de núcleos de procesamiento funcionando a la vez para conseguir una mejora de la potencia de cálculo disponible para las aplicaciones. A estas capacidades del hardware se añade la versatilidad del entorno CUDA que permite programar las aplicaciones para las tarjetas. Todo ello hace que el sistema en su conjunto sea una alternativa real a los costosos clústeres cuando se considera la implantación de algoritmos de computación paralela.”, explica el profesor Manuel Béjar.

Según informa Nvidia, en la actualidad están en funcionamiento más de 128 millones de GPU aptas para CUDA, que están permitiendo que miles de desarrolladores, científicos e investigadores encuentren innumerables aplicaciones prácticas para esta tecnología en campos como el procesamiento de vídeo, la astrofísica, la biología y la química computacional, la simulación de mecánica de fluidos, la interferencia electromagnética, la reconstrucción de imágenes de TC, el análisis sísmico o el trazado de rayos entre otras.

Esta revolución que propone Nvidia con sus tarjetas gráficas no sólo está al alcance de grandes compañías, cualquier usuario puede optar a ellas. “Al tratarse de un producto que lleva varios años dentro del mercado por sus aplicaciones en el segmento gráfico, su precio se ha estabilizado dentro de unos márgenes asequibles para desarrolladores individuales que quieran aplicar mecanismos de computación paralela en sus programas”, concluye el profesor Béjar.