Какая связь между червем длиной около миллиметра и OpenCL?

Недавно на хабре была статья про проект OpenWorm ^[1]. Проект использует OpenCL для расчета гидродинамики сглаженных частиц как на CPU, так и на GPU. Среди исследователей/разработчиков есть наши соотечественники Андрей Пальянов ^[2] и Сергей Хайрулин ^[3] из сибирского отделения Российской академии наук.

Под катом география комьюнити OpenWorm, а так же рейтинг популярности разработки на OpenCL по странам и ссылки на примеры для версии стандарта 2.0

Судя по публикациям, Андрей Пальянов и Сергей Хайрулин участвуют в проекте NeuroML и выполняли оптимизацию алгоритма PCI-SPH для GPGPU. А узнал о том, что этот проект собирается использовать OpenCL, в марте прошлого года от их коллеги по проекту Matteo Cantarelli.

География комьюнити openworm по данным сайта ^[4]:

Ситуация же с популярностью и использованием OpenCL в России странная. Судя по статистике моего блога и ссылкам на него с форума сайта консорциума khronos.org ^[5] и документации JavaCL ^[6], у нас в стране тема GPGPU не популярна. Возможно, не очень репрезентативно, но рейтинг популярности разработки на OpenCL по странам (на основе моего блога и без учета последнего хабр эффекта):

1. United States
2. Germany
3. Ukraine
4. United Kingdom
5. Poland
6. Latvia
7. France
8. Canada
9. China
10. Russia

Печально… При том что OpenCL — это не только GPU, CPU, но FPGA. Как вы считаете, почему сложилась такая ситуация?

Напоследок новость для тех, кому интересно. Состоялся релиз новой версии AMD APP SDK 3.0 Beta ^[7] для OpenCL 2.0. Которая также включает в себя библиотеку шаблонов C++ «Bolt» и оптимизированную версию OpenCV ^[8] (Open Computer Vision) для OpenCL ^[9].

Примеры в архиве SDK позволят разобраться с появившимися в 2.0 версии фичами: SVM ^[10] Coarse Grain, Pipe ^[11], New Workgroup Built-in APIs, Image Read and Write, Program Scope Variable, Generic Address Space, Shared Virtual Memory pointer with offset, SVM Fine Grain Buffer, C++ 11 Atomics, Device-side Enqueue ^[12], Depth Image.

Подробное описание примеров в блоге AMD ^[13] и SDK.

P.S. Предупреждая критику, я не евангелист OpenCL. На данный момент моя работа не связана с оптимизацией ПО на GPGPU и все оптимизации что я делаю сейчас — это попытка «выжать» большую производительность из кластеров Coherence, его CacheStore и Oracle database через тюнинг параметров jdbc драйвера, декомпиляция изучение oracle jdbc/coherence и прочий энтерпрайз где время передачи данных по сети и время дискового I/O преобладают над временем вычислений. Несмотря на это, слежу за новостями GPGPU и планирую вернуться к оптимизации алгоритма на OpenCL в своем проекте.

Автор: igor_suhorukov

Источник ^[14]