CUDA uygulaması Apple GPU'da çalıştı
Yeni başarı, yalnızca basit bir hesaplama örneğiyle sınırlı değil. Çalışmada, bilimsel hesaplamalarda kullanılan üç boyutlu SPH (Smoothed Particle Hydrodynamics) baraj yıkılması simülasyonu başarıyla çalıştırıldı. Apple GPU üzerinde tamamlanan simülasyonun yaklaşık 6 saniye sürdüğü, aynı işlemin CPU üzerinde ise yaklaşık 60 saniyede tamamlandığı belirtiliyor. Böylece yaklaşık 10 katlık performans artışı elde edildi.
Kaçıranlar için CUDA, HIP ve Metal birbirinden farklı GPU programlama ekosistemleri olduğu için, CUDA ile yazılmış uygulamaların Apple'ın Metal altyapısına taşınması normalde ciddi kod değişiklikleri gerektiriyor. Araştırmacılar ise bunun yerine farklı bir yaklaşım izledi. Geliştirilen sistemde uygulama önce Clang/HIP üzerinden işleniyor, ardından SPIR-V, Vulkan ve MoltenVK katmanlarından geçirilerek Apple'ın Metal mimarisinde çalıştırılıyor.
GPT-5.6 Sol geliştirme sürecinde görev aldı
Projede dikkat çeken ayrıntılardan biri de GPT-5.6 Sol modelinin geliştirme sürecinde kullanılması. Araştırmacılar, yapay zekânın cihaz tarafındaki bellek düzeninin oluşturulmasına yardımcı olduğunu, MoltenVK ile SPIR-V arasındaki uyumluluk sorunlarını yaklaşık altı saat içerisinde tespit ettiğini ve bu sorunlar için alternatif çözümler geliştirdiğini belirtiyor.
Bunun yanında GPU kullanım oranının yüzde 100'e yaklaşması, geliştirilen dönüşüm katmanının donanımı verimli şekilde kullanabildiğini doğruluyor.Araştırmacılar, mevcut çalışmanın tek bir cihaz üzerinde gerçekleştirildiğini ancak gelecekte Thunderbolt üzerinden RDMA desteği kullanılarak çoklu Apple cihazlarında dinamik yük dengelemesi yapılabileceğini de öne sürüyor. Böylece daha büyük simülasyonların birden fazla sistem üzerinde çalıştırılması mümkün olabilir.
Nvidia'dan daha güçsüz
Bununla birlikte Apple GPU'ların hâlâ önemli bir sınırlaması bulunuyor. Metal mimarisi, çift hassasiyetli (FP64) hesaplamalarda Nvidia'nın profesyonel GPU çözümleri kadar güçlü değil. Bu nedenle hava tahmini, mühendislik analizleri ve süper bilgisayar uygulamaları gibi yüksek hassasiyet gerektiren alanlarda Nvidia'nın veri merkezi GPU'ları avantajını koruyor.
Yine de bu çalışma, CUDA/HIP tabanlı uygulamaların Apple Silicon gibi farklı GPU mimarilerine çok daha az kod değişikliğiyle taşınabileceğini göstermesi açısından önemli. Geliştirilen yaklaşımın olgunlaşması halinde geliştiricilerin tek bir GPU ekosistemine bağımlılığı azalabilir ve platformlar arası taşınabilirlik önemli ölçüde kolaylaşabilir.
