Automatische Volumsdatenverarbeitung auf graphischen Parallelprozessoren

Volumetrische Datensätze, wie sie häufig von medizinischen Anwendungen erzeugt werden, stellen eine besondere Herausforderung an die Computergrafik: Durch ihre Komplexität und Größe erfordert die Verarbeitung und Darstellung die Programmierung neuester Grafikprozessoren, da heutige Hauptprozessoren für diese Art der Datenverarbeitung nicht gut geeignet sind. Dieser Projektantrag beschäftigt sich mit Methoden zur effizienten Ausnutzung dieser Geräte. Algorithmen zur Verarbeitung von volumetrischen Daten sind häufig nicht direkt an die daten-parallele Ausführung auf Grafikprozessoren anpassbar. Die dadurch entstehenden Implementierungen neigen zur Ineffizienz, weil sie oft nicht alle Recheneinheiten gleichmäßig mit Arbeit versorgen. Insbesondere bei interaktiven Anwendungen kann eine ineffiziente Implementierung das System unbrauchbar machen, weil die Bedienung durch den Benutzer eine Echtzeitverarbeitung der Daten erfordert. Aktuelle Grafikprozessoren versuchen effizienzsteigernde Maßnahmen umzusetzen, scheitern aber häufig an der Tatsache, dass die Art des ausgeführten Algorithmus und dessen Eigenschaften unbekannt sind. Des Weiteren besitzt diese von der Hardware gesteuerte Ausführungskontrolle nicht über ausreichende Privilegien im System, um weitreichende Entscheidungen durchzusetzen. An dieser Stelle setzt unser vorgeschlagenes Projekt an. Es bietet eine Programmierumgebung zur effizienten Ausführung und Speicherverwaltung für Volumsdarstellung und -verarbeitung. Über eine möglichst einfache Programmschnittstelle können Entwickler Daten und Aufgaben in Form eines gerichteten Ausführungs-Graphen an unser System übergeben. Dieses kann selbständig Abhängigkeiten erkennen und alle Aufgaben in geeigneter Reihenfolge unter Berücksichtigung von Einschränken (z.B. Echtzeitfähigkeit) an die ausführende Hardware übergeben. Speicherbereiche im Hauptspeicher und auf der Grafikkarte werden von unserer Umgebung verwaltet, und fehlende Daten automatisch von z.B. der Festplatte nachgeladen. Außerdem werden Zwischenergebnisse falls möglich zwischengespeichert, um die Gesamtlaufzeit zu verkürzen. Dieses Projekt verwendet neueste Grafikprozessor-Technik und Programmschnittstellen, wie OpenCL, um zukünftig Software-Entwicklern, die mit Volumsdatenverarbeitung konfrontiert sind, eine effiziente und zeitsparende Programmierung zu ermöglichen.

Innerhalb der letzten Jahre begann ein Paradigmenwechsel im Bereich der Computertechnologie. Physikalische Grenzen gestalten eine weitere Erhöhung der Prozessortaktraten zunehmend schwierig. Der einzige Ausweg, um die weiterhin steigende Nachfrage nach immer mehr Rechenleistung bedienen zu können, ist Parallelisierung das gleichzeitige Ausführen kleinerer Aufgaben auf einem Chip mit einer Vielzahl an Rechenkernen. Die am weitesten entwickelten integrierten Chips mit einer Vielzahl an parallelen Rechenkernen findet man auf modernen Grafikprozessoren (GPU). Die potenziell enorme Rechenleistung einer GPU konnte bis jetzt jedoch nur von Algorithmen genutzt werden, die sich in tausende kohärent arbeitende Ausführungsstränge aufteilen lassen. In diesem Projekt haben wir es uns zum Ziel gemacht, die Rechenleistung der GPU einer breiteren Klasse von Algorithmen zur Verfügung zu stellen. Dazu wurden Algorithmen entwickelt, die die Basis für eine Art Betriebssystem auf der GPU bilden. Dieses Betriebssystem ermöglicht die Beschreibung und Ausführung von Algorithmen mit inhomogenem, zeitlich veränderlichem Parallelismus. Dazu werden im Hintergrund tausende Arbeitspakete gesammelt, zum Zwecke schneller, kooperativer Ausführung kombiniert und auf die am besten passenden Prozessoren verteilt. Zusätzlich lassen sich die Arbeitspakete frei und vollkommen dynamisch priorisieren, was eine gleichzeitige Ausführung mehrere Algorithmen erlaubt. Um die Unterstützung dynamischer Programme zu komplettieren, stellt das System eine Speicherverwaltung zur Verfügung, welche Speicheranfragen von zehntausenden Ausführungssträngen gleichzeitig bedienen kann. Ergebnisse unserer Forschung sind die derzeit schnellsten GPU-Algorithmen im Bereich Warteschlangenmanagement, Speicherverwaltung und Priorisierungsalgorithmen. Außerdem haben wir den momentanen Stand der Technik in den Bereichen Volumsdatenverarbeitung, Bildsynthese und geometrischer Algorithmen vorangetrieben. So beschleunigt unser Modell die Simulation globaler Beleuchtung durch die Fokussierung der verfügbaren Rechenleistung auf jene Bereiche, die die stärkste Qualitätsverbesserung erwarten lassen. Außerdem konnten wir mehrere Volumsdatenvisualisierungsalgorithmen durch intelligente Ausführung signifikant beschleunigen. Schlussendlich erlaubt unser Modell die Erzeugung und Darstellung komplexer geometrischer Modelle in Echtzeit auf der GPU, wobei eine Generierung mit traditionellen Methoden Stunden benötigen würde. Die Ergebnisse unserer Forschung werden das Design und Ausführungsstrategien zukünftiger paralleler Architekturen beeinflussen.