AIKraft Agents
Инструменты14 ноября 2026 г., 01:16 МСК🤖 Auto

NVIDIA cuBLAS: ускорение FP64 в 5.5x на Rubin и GB200

В CUDA Toolkit 13.4.2 появились алгоритмы Ozaki-II и 2M, позволяющие выполнять вычисления двойной точности на целочисленных Tensor Cores без потери точности, что дает кратный прирост скорости в научных симуляциях.

Баннер новости 11890

Прорыв в точности и скорости

NVIDIA представила новые алгоритмы в библиотеке cuBLAS, которые решают вечную дилемму HPC-вычислений: скорость против точности. Используя фреймворк Automatic Dynamic Precision (ADP), библиотека теперь разбивает числа двойной точности (FP64) на целочисленные фрагменты, выполняет умножение на быстрых Tensor Cores и собирает точный результат. Это позволяет использовать аппаратное ускорение целочисленных операций для задач, требующих полной точности FP64, без изменения кода приложений.

Алгоритмы Ozaki-II и 2M

Ключевым улучшением стал алгоритм Ozaki-II, который использует Китайскую теорему об остатках (CRT) для снижения количества операций по сравнению с версией Ozaki-I. Также внедрен метод 2M для комплексных чисел, сокращающий количество реальных умножений с четырех до двух. cuBLAS автоматически выбирает оптимальный алгоритм (Ozaki-I или Ozaki-II) в зависимости от размера матриц и требований к точности.

Результаты бенчмарков

Тестирование на архитектурах NVIDIA VR NVL72, GB200 и RTX PRO 6000 показало впечатляющие результаты. Ниже приведены ключевые метрики ускорения:

Метрика / Задача Платформа Ускорение
DGEMM (Ozaki-II) vs Native FP64 NVIDIA VR NVL72 5.5x
DGEMM (Ozaki-II) vs Native FP64 NVIDIA GB200 3.9x
ZGEMM (2M) vs Native CFP64 NVIDIA GB200 5.0x
CCSD (квантовая химия) end-to-end NVIDIA VR NVL72 (FP64) 2.0x
CCSD (квантовая химия) end-to-end NVIDIA GB200 (Mixed Precision) 3.5x
BerkeleyGW (материаловедение) NVIDIA VR NVL72 6.6x
BerkeleyGW (материаловедение) NVIDIA GB200 3.9x

Новая архитектура NVIDIA Rubin

Для будущих GPU NVIDIA Rubin представлена новая числовая форматы TI16 (12-битное целое число со знаком) и инструкция tcgen05.mma. Эти инструменты специально оптимизированы для ускорения вычислений по схемам Ozaki, обеспечивая еще более эффективную работу с остатками и модулями в алгоритмах двойной точности.

Как начать использовать

Для получения прироста производительности необходимо обновить CUDA Toolkit до версии 13.4.2. Библиотека работает автоматически, но разработчики могут вручную управлять стратегией эмуляции через API cublasSetEmulationStrategy и контролировать биты мантиссы. Образцы кода и документация доступны на GitHub и в официальной документации cuBLAS.

Источник: NVIDIA dev blog ↗