Laptop dla programisty i naukowca. Na mocnym laptopie można nie tylko grać

• Na laptopie z GeForce RTX można nie tylko grać
• Laptop do tworzenia grafiki i wideo
• Laptop dla programisty i naukowca

Laptop dla programisty i naukowca

Nie da się ukryć, że w ostatnich latach doszło do dużego spowolnienia na polu procesorów, przy jednoczesnym dynamicznym rozwoju układów graficznych. Między innymi dlatego wzrosło znaczenie GPU w obliczeniach ogólnego przeznaczenia. Pomimo dużo niższego taktowania, karty graficzne pozwalają wielokrotnie skrócić czas wykonywania obliczeń równoległych. To dlatego, że – w porównaniu z CPU – mają one dużo więcej rdzeni.

Trzeba jednak pamiętać, że procesory graficzne domyślnie nie zostały stworzone do tego typu zadań, więc trzeba liczyć się z pewnymi ograniczeniami i utrudnieniami. W każdym razie GPU oferują dzisiaj bardzo korzystny stosunek ceny do mocy obliczeniowej, która jest nieporównywalnie wyższa w porównaniu z tradycyjnymi procesorami. To dlatego są coraz szerzej wykorzystywane do profesjonalnych celów.

Rodowód może i gamingowy, ale przeznaczenie może być bardzo różne.

Jak to możliwe, że GPU są szybsze w obliczeniach równoległych? Na początek należałoby opisać, jak radzą sobie z tym tradycyjne procesory. Każde skomplikowane zadanie jest rozkładane na mniejsze kroki, które są wykonywane po kolei. Tymczasowe wyniki trafiają do szybkich, ale niepojemnych rejestrów pamięci CPU. Jeśli te są pełne, to wykorzystuje się pamięć cache, a później pamięć operacyjną. To znacząco wydłuża cały proces, między innymi z powodu zapisywania i odczytywania danych. W przypadku kart graficznych używane są setki, a nawet tysiące mniejszych rdzeni, które razem są w stanie wykonywać wiele zadań jednocześnie. Poza tym GPU ma dostęp do szybszej pamięci, co dodatkowo ułatwia pracę.

Dzisiaj akceleratory obliczeń obsługują wiele popularnych języków programowania, w tym C, C++, Fortran, a nawet skrypty uruchamiane w Pythonie. CUDA pozwala programistom zwiększać wydajność aplikacji obliczeniowych, wykorzystując moc procesorów graficznych. Między innymi dlatego są używane w wielu przemysłach, np. naftowym, medycznym, obronnym i wywiadowczym, a także w inżynierii wspomaganej komputerowo. To wszystko sprawia, że z powodzeniem można z ich korzystać także w celach naukowych, w tym do prognozowania pogody. Nic nie stoi na przeszkodzie, aby możliwości układów GeForce sprawdzić także na zakupionym „cywilnym” laptopie.

Gaming w służbie nauki? Ciekawych czasów doczekaliśmy.

Jak widzicie, notebook z mocną kartą graficzną nadaje się nie tylko do grania. Z powodzeniem możecie go wykorzystać do streamowania, edycji grafiki, a nawet tworzenia animacji czy wideo w wysokiej rozdzielczości. Jeśli dysponujecie odpowiednią wiedzą lub chcecie się nauczyć czegoś nowego, to rdzenie CUDA wykorzystywane są także w obliczeniach równoległych, tj. w programowaniu i wielu zastosowaniach profesjonalnych (w tym naukowych).

Mamy nadzieję, że ten artykuł pozwoli Wam zdobyć budżet na wymarzony sprzęt... do nauki.