]> AND Private Git Repository - book_gpu.git/blob - BookGPU/Chapters/chapter17/ch17.tex
Logo AND Algorithmique Numérique Distribuée

Private GIT Repository
add ch17
[book_gpu.git] / BookGPU / Chapters / chapter17 / ch17.tex
1 \chapterauthor{G. Laville, C. Lang, K. Mazouzi, N. Marilleau, B. Herrmann, L. Philippe}{Femto-ST Institute, University of Franche-Comt{\'e}}
2
3 \newlength\mylen
4 \newcommand\myinput[1]{%
5   \settowidth\mylen{\KwIn{}}%
6   \setlength\hangindent{\mylen}%
7   \hspace*{\mylen}#1\\}
8
9 \chapter{Implementing MAS on GPU}
10 \label{chapter17}
11
12
13 \section{Introduction}
14 \label{ch17:intro}
15
16 In this chapter we introduce the use of Graphical Processing Units for
17 multi-agents based systems as an example of a not-so-regular
18 application that could benefit from the GPU computing
19 power. Multi-Agent Systems or MAS are a simulation paradigm used to
20 study the behavior of dynamic systems. Dynamic systems as physical
21 systems are often modeled by mathematical representations and their
22 dynamic behavior simulated by differential equations. The simulation
23 of the system thus often relay on the resolution of a linear system
24 that can be efficiently computed on a graphical processing unit as
25 shown in the preceeding chapters. But when the behavior of the system
26 elements is not uniformly driven by the same law, when these elements
27 have their own behavior, the modeling process is too complex to rely
28 on formal expressions. In this context MAS is a recognized approach to
29 model and simulate systems where individuals have an autonomous
30 behavior that cannot be simulated by the evolution of a set of
31 variables driven by mathematical laws. MAS are often used to simulate
32 natural or collective phenomenons whose individuals are too numerous or
33 various to provide a unified algorithm describing the system
34 evolution. The agent-based approach is to divide these complex systems
35 into individual self-contained entities with their smaller set of
36 attributes and functions. But, as for mathematical simulations, when
37 the size of the Multi-Agent System (MAS) increases the need of computing
38 power and memory also increases. For this reason, multi-agent systems
39 should benefit from the use of distributed computing
40 architectures. Clusters and Grids are often identified as the main
41 solution to increase simulation performance but Graphical Processing
42 Units (GPU) are also a promising technology with an attractive
43 performance/cost ratio.
44
45 Conceptually a MAS is a distributed system as it favors the definition
46 and description of large sets of individuals, the agents, that can be
47 run in parallel. As a large set of agents could have the same behavior
48 a SIMD model should fit the simulation execution. Most of the
49 agent-based simulators are however designed with a sequential scheme
50 in mind and these simulators seldom use more than one core for their
51 execution. Due to simulation scheduling constraints, data sharing and
52 exchange between agents and the huge amount of interactions between
53 agents and their environment, it is indeed rather difficult to
54 distribute an agent based simulator, for instance, to take advantage of new
55 multi-threaded computer architectures. Thus, guidelines and tools
56 dedicated to MAS paradigm and HPC is now a need for other complex
57 system communities. Note that, from the described structure (large
58 number of agents sharing data), we can conclude that MAS would more
59 easily benefit from many-cores architectures than from other kinds of
60 parallelism.
61
62 Another key point that advocates for the use of many-core in MAS is
63 the growing need for multi-scale simulations. Multi-scale simulations
64 explore problems with interactions between several scales. The
65 different scales use different granularities of the structure and
66 potentially different models. Most of the time the lower scale
67 simulations provide results to higher scale simulations. In that case
68 the execution of the simulations can easily be distributed between the
69 local cores and a many-core architecture, i.e. a GPU device.
70
71 We explore in this chapter the use of many-core architectures to
72 execute agent-based simulations. We illustrate our reflexion with two
73 uses cases: the colembola simulator designed to simulate the diffusion
74 of collembola between plots of land and the MIOR simulator that
75 reproduces effects of earthworms on bacteria dynamics in a bulked
76 soil. In Section \ref{ch17:ABM} we present the work related to MAS and
77 parallelization with a special focus on many-core use. In sections
78 \ref{ch17:sec:1stmodel} and \ref{ch17:sec:2ndmodel} we present in
79 details two multi-agent models, their GPU implementations, the
80 conducted experiments and their performance results. The first model,
81 given in Section \ref{ch17:sec:1stmodel}, illustrates the use of a GPU
82 architecture to speed up the execution of some computation intensive
83 functions while the main model is still executed on the central
84 processing unit. The second model, given in Section
85 \ref{ch17:sec:2ndmodel}, illustrates the use of a GPU architecture to
86 implement the whole model on the GPU processor which implies deeper
87 changes in the initial algorithm. In Section \ref{ch17:analysis} we
88 propose a more general reflexion on these implementations and we
89 provide some guidelines. Then we conclude in Section
90 \ref{ch17:conclusion} on the possible generalization of our work.
91
92
93 \section{Running Agent-Based Simulations}
94 \label{ch17:ABM}
95
96 In this section, we present the context of multi-agent systems, MAS, 
97 their parallelization and we report several existing works on using
98 GPU to simulate multi-agent systems.
99
100 \subsection{Multi-agent systems and parallelism}
101
102 Agent-Based systems are often used to simulate natural or collective
103 phenomenons whose actors are too numerous or various to provide a
104 simple unified algorithm describing the studied system
105 dynamic~\cite{Schweitzer2003}. The implementation of an agent based
106 simulation usually starts by designing the underlying Agent Based
107 Model (ABM). Most ABM are based around a few types of entities such as Agents,
108 Environment and around an Interaction Organization~\cite{Vowel02}. In the
109 complex system domain, the environment often describes a real space,
110 its structure (e.g. soil textures and porosities) and its dynamics
111 (e.g. organic matter decomposition). It is a virtual world in which
112 agents represent studied entities (e.g. biotic organisms)
113 evolution. The actual agent is animated by a behavior that can range
114 between reactivity (only react to external stimuli) and cognition
115 (lives its own process alongside other individuals). Interaction
116 and Organization define functions, types and patterns of
117 communications of their member agents in the
118 system~\cite{Odell:2003:RRD:1807559.1807562}. Note that, depending on
119 the MAS, agents can communicate either directly through special
120 primitives or indirectly through the information stored in the
121 environment.
122
123 Agent based simulations have been used for more than one decade to
124 reproduce, understand even predic complex system dynamic. They have proved their interest in various
125 scientific communities. Nowadays generic agent based frameworks are
126 promoted such as Repast~\cite{repast_home} or
127 NetLogo~\cite{netlogo_home} to implement simulators. Many ABM such as
128 the crown model representing a city-wide
129 scale~\cite{Strippgen_Nagel_2009} tend however to require a large
130 number of agents to provide a realistic behavior and reliable global
131 statistics. Moreover, an achieved model analysis needs to run many
132 simulations identified into an experiment plan to obtain enough
133 confidence in a simulation. In this case the available computing power
134 often limits the simulation size and the result range thus requiring
135 the use of parallelism to explore bigger configurations.
136
137 For that, three major approaches can be identified:
138 \begin{enumerate}
139 \item parallelizing experiments plan on a cluster or a grid (one or
140   few simulations are submitted to each
141   core)~\cite{Blanchart11,Chuffart2010}.
142 \item parallelizing the simulator on a cluster (the environment of the
143   MAS is split and run on several distributed
144   nodes)~\cite{Cosenza2011,MAR06}
145 \item optimizing simulator by taking advantage of computer resources
146   (multi-threading, GPU, and so on) \cite{Aaby10}
147 \end{enumerate}
148
149 In the first case, experiments are run independently each others and only simulation parameters change between two runs so
150 that a simple version of an existing simulator can be used. This
151 approach does not, however, allow to run larger models. 
152 % It does not imply
153 %model code changes except for Graphical Unit Interface extracting as
154 %the experiments does not run interactively but in batch. 
155 In the second
156 and the third case, model and code modifications are necessary. Only few
157 frameworks however introduce distribution in agent simulation
158 (Madkit~\cite{Gutknecht2000}, MASON~\cite{Sean05}, repastHPC~\cite{Collier11}) and parallel
159 implementations are often based on the explicit use of threads using
160 shared memory~\cite{Guy09clearpath} or cluster libraries such as
161 MPI~\cite{Kiran2010}.
162
163 Parallelizing a multi-agent simulation is however complex due to space
164 and time constraints. Multi-agent simulations are usually based on a
165 synchronous execution:
166 %by the agents that share the same environment. 
167 at each time step, numerous events (space data
168 modification, agent motion) and interactions between agents happen.
169 Distributing the simulation on several computers or grid nodes thus
170 implies to guaranty a distributed synchronous execution and
171 coherency. This often leads to poor performance or complex synchronization
172 problems. Multi-cores execution or delegating part of this execution
173 to others processors as GPUs~\cite{Bleiweiss_2008} are thus usually easier
174 to implement since all the threads share the data and the local clock.
175
176 % Different agent patterns can be adopted in an ABMs such as
177 % cognitive and reactive ones~\cite{Ferber99}. Cognitive agents act on
178 % the environment and interact with other agents according to a complex
179 % behavior. This behavior takes a local perception of the virtual world
180 % and the agent past (a memory characterized by an internal state and
181 % belief, imperfect knowledge about the world) into account. Reactive
182 % agents have a much systematic pattern of action based on stimuli
183 % response schemes (no or few knowledge and state conservation in agent). The
184 % evolution of the ABM environment, in particular, is often represented with
185 % this last kind of agents. As their behavior is usually simple, we
186 % propose in this chapter to delegate part of the environment and of the
187 % reactive agents execution to the graphical processing unit of the
188 % computer. This way we can balance the load between both CPU and GPU
189 % execution resources.
190
191 % In the particular case of multi-scale simulations such as the Sworm
192 % simulation~\cite{BLA09} the environment may be used at different
193 % levels. Since the representation of the whole simulated environment
194 % (i.e. the soil area) would be costly, the environment is organized as
195 % a multi-level tree of small soil cubes which can be lazily
196 % instantiated during the simulation. This allows to gradually refine
197 % distribution details in units of soil as agents progress and need
198 % those information, by using a fractal process based on the
199 % bigger-grained already instantiated levels. This characteristic,
200 % especially for a fractal model, could be the key of the
201 % distribution. For instance, each branch of a fractal environment could
202 % be identified as an independent area and parallelized. In addition
203 % Fractal is a famous approach to describe multi-scale environment (such
204 % as soil) and its organization~\cite{perrier}. In that case the lower
205 % scale simulations can also be delegated to the GPU card to limit the
206 % load of the main (upper scale) simulation.
207
208 \subsection{MAS Implementation on GPU}
209 \label{ch17:subsec:gpu}
210
211 The last few years saw the apparition of new generations of graphic
212 cards based on more general purpose execution units which are
213 promising for less regular systems as MAS. 
214 % These units can be programmed using GPGPU languages to solve various
215 % problems such as linear algebra resolutions, usually based on matrix
216 % manipulations.
217 The matrix-based data representation and SIMD computations are
218 however not straightforward in Multi-Agent Systems, where data
219 structures and algorithms are tightly coupled to the described
220 simulation. However, works from existing literature show that MAS can
221 benefit from these performance gains on various simulation types, such
222 as traffic simulation~\cite{Strippgen_Nagel_2009}, cellular
223 automatons~\cite{Dsouza2007}, mobile-agent based
224 path-finding~\cite{Silveira:2010:PRG:1948395.1948446} or genetic
225 algorithms~\cite{Maitre2009}. Note that an application-specific
226 adaptation process was required in the case of these MAS: some of the
227 previous examples are driven by mathematical laws (path-finding) or
228 use a natural mapping between a discrete environment (cellular
229 automaton) and GPU cores. Unfortunately, this mapping often requires
230 algorithmic adaptations in other models but the experience shows that
231 the more reactive a MAS is the more adapted its implementation is to
232 GPU.
233
234 The first step in the adaptation of an ABM to GPU platforms is the
235 choice of the language. On the one hand, the Java programming language
236 is often used for the implementation of MAS due to its availability
237 on numerous platforms or frameworks and its focus on high-level,
238 object-oriented programming. On the other hand, GPU platforms can
239 only run specific languages as OpenCL or CUDA. OpenCL (supported on
240 AMD, Intel and NVIDIA hardware) better suits the portability concerns
241 across a wide range of hardware needed the agent simulators, as
242 opposed to CUDA which is a NVIDIA-specific library.
243
244 OpenCL is a C library which provides access to the underlying CPUs or
245 GPUs threads using an asynchronous interface. Various OpenCL functions allow
246 the compilation and the execution of programs on these execution
247 resources, the copy of data buffers between devices, or the collection
248 of profiling information.
249
250 This library is based around three main concepts:
251
252 \begin{itemize}
253 \item the \emph{kernel} (similar to a CUDA kernel) which represents a runnable program
254   containing instructions to be executed on the GPU.
255 \item the \emph{work-item} (equivalent to a CUDA thread), which is analogous to the concept
256   of thread on GPU, in that it represents one running instance of a
257   GPU kernel.
258 \item the \emph{work-group} (or execution block) which is a set of work-items
259   sharing some memory to speed up data accesses and
260   computations. Synchronization operations such as barrier can only be
261   used across the same work-group.
262 \end{itemize}
263
264 Running an OpenCL computation consists in launching numerous work-items
265 that execute the same kernel. The work-items are submitted to a
266 submission queue to optimize the available cores usage. A calculus is
267 achieved once all these kernel instances have terminated.
268
269 The number of work-items used in each work-group is an important
270 implementation choice which determines how many tasks will share the
271 same cache memory. Data used by the work-items can be stored as
272 N-dimensions matrices in local or global GPU memory.  Since the size
273 of this memory is often limited to a few hundred of kilobytes,
274 choosing this number often implies a compromise between the model
275 synchronization or data requirements and the available resources.
276
277 In the case of agent-based simulations, each agent can be naturally
278 mapped to a work-item. Work-groups can then be used to represents groups
279 of agents or simulations sharing common data (such as the environment)
280 or algorithms (such as the background evolution process).
281
282 In the following examples the JOCL~\cite{jocl_home} binding is used
283 to access the OpenCL platfmorm from the Java programming language.
284
285 In the next sections we present two practical cases that will be
286 studied in details, from the model to its implementation and 
287 performance. 
288
289 \section{A first practical example}
290 \label{ch17:sec:1stmodel}
291
292 The first model, the Collembola model, simulates the propagation of
293 collembolas in flieds and forests. It is based on a diffusion
294 algorithm which illustrates the case of agents with a simple behavior
295 and few synchronization problems.
296
297 \subsection{The Collembola model}
298 \label{ch17:subsec:collembolamodel}
299
300 The Collembola model is an example of multi-agent system using GIS (Geographical Information System)
301  and survey data (population count)
302  to modelize the evolution of the biodiversity
303 across land plots. A first version of this model has been developed with Netlogo framework by Bioemco and UMMISCO researchers. In this model, the biodiversity is modelized by populations of
304 athropod individuals, the Collembola, which can reproduce and diffuse
305 to favorable new habitats. The simulator allows to study the diffusion
306 of collembola, between plots of land depending on their landuse
307 (artifical soil, crop, forest\ldots). In this
308 model the environment is composed of the studied land and the
309 colembola are agents. Every land plot is divided into several cells,
310 each cell representing a surface unit (16*16 meters). A number of individuals per collembola species is associated to each cell. The model evolution
311 is then based on a common diffusion model that diffuse individuals between
312 cells. Each step of the simulation is based on four stages, as shown
313 on Figure~\ref{ch17:fig:collem_algorithm}:
314
315 % \begin{enumerate}
316 % \item arrival of new individuals
317 % \item reproduction in each cell
318 % \item diffusion between cells
319 % \item updating of colembola lifetime
320 % \end{enumerate}
321
322 \begin{figure}[h]
323 \centering
324 \includegraphics[width=0.6\textwidth]{Chapters/chapter17/figs/algo_collem.pdf}
325 \caption{Evolution algorithm of Collembola model}
326 \label{ch17:fig:collem_algorithm}
327 \end{figure}
328
329 The algorithm is quite simple but includes two costly operations, the
330 reproduction and the diffusion, that must be parallelized to improve
331 the model performances.
332
333 The {\bf reproduction} stage consists in updating the total population
334 of each plot by taking the individuals arrived at the preceding
335 computation step. This stage implies to process the whole set of cells
336 of the environment to sum their population. The computed value is
337 recorded in the plot associated to each cell. This process can be
338 assimilated to a reduction operation on all the population cells
339 associated to one plot to obtain its population.
340
341 The {\bf diffusion} stage simulates the natural behavior of the
342 collembola that tends toward occupying the whole space over time. This
343 stage constists in computing a new value for each cell depending on
344 the population of the neighbor cells. This process can be assimilated
345 to a linear diffusion at each iteration of the populationof the cells
346 across their neightbors.
347
348 These two processes are quite common in numerical computations so
349 that the collembola model can be adapted to a GPU execution without
350 much difficulties.
351
352 \subsection{Collembola Implementation}
353
354 In the Collembola simulator biodiversity is modeled by populations
355 of Collembola individuals, which can reproduce and diffuse to
356 favorable new habitats. This is implemented in the algorithm as a fixed
357 reproduction factor, applied to the size of each population, followed
358 by a linear diffusion of each cell population to its eight
359 neighbors. These reproduction and diffusion processes are followed by
360 two more steps on the GPU implementation. The first one consist of
361 culling of populations in a inhospitable environment, by checking each
362 cell value, landuse, and setting its population to zero if
363 necessary.  The final simulation step is the reduction of the cells
364 populations for each plot, to obtain an updated plot population
365 for statistic purposes. This separate computation step, done while
366 updating each cell population in the reference sequential algorithm,
367 is motivated by synchronization problems and allow the reduction of
368 the total numbers of access needed to updated those populations.
369
370 %\lstinputlisting[language=C,caption=Collembola OpenCL
371 %kernels,label=fig:collem_kernels]{Chapters/chapter17/code/collem_kernels.cl}
372 \lstinputlisting[caption=Collembola OpenCL Diffusion kernel,label=ch17:listing:collembola-diffuse]{Chapters/chapter17/code/collem_kernel_diffuse.cl}
373
374 The reproduction, diffusion and culling steps are implemented on GPU
375 (Figure~\ref{ch17:fig:collem_algorithm}) as a straight mapping of each cell
376 to an OpenCL work-item (GPU thread). Listing
377 \ref{ch17:listing:collembola-diffuse} gives the kernel for the
378 diffusion implementation.  To prevent data coherency problems, the
379 diffusion step is split into two phases, separated by an execution
380 {\it barrier}. In the first phase, each cell diffusion overflow is
381 calculated, and divided by the number of neightbors. Note that, at the
382 model frontier, populations can also overflow outside the environment
383 grid but we do not manage those external populations, since there are
384 no reason to assume our model to be isolated of its surroundings. The
385 overflow by neigbors value is stored for each cell, before
386 encountering the barrier. After the barrier is met, each cell read the
387 overflows stored by all its neighbors at the previous step and applies
388 them to its own population. In this manner, only one barrier is
389 required to ensure the consistency of populations value, since no
390 cells ever modify a value other than its own.
391
392 \lstinputlisting[caption=Collembola OpenCL reduction kernel,label=ch17:listing:collembola-reduc]{Chapters/chapter17/code/collem_kernel_reduc.cl}
393
394 Listing \ref{ch17:listing:collembola-reduc} gives the kernel for the
395 reduction implementation.  The only step requiring numerous
396 synchronized accesses is the reduction one: in a first approach, we
397 chose to use {\it atomic\_add} operation to implement this process, but more
398 efficient implementations using partial reduction and local GPU memory
399 could be implemented.
400
401 \subsection{Collembola performance}
402
403 In this part we present the performance of the Collembola model on
404 various CPU and GPU execution
405 platforms. Figure~\ref{ch17:fig:mior_perfs_collem} shows that the
406 number of cores and the processor archiecture as a strong influence on the obtained results
407
408 % : the
409 % dual-core processor equipping our Thinkpad platform has two to six
410 % longer executions times, compared to a six-core Phenom X6. 
411
412 % % \begin{figure}[h]
413 % %begin{minipage}[t]{0.49\linewidth}
414 % \centering \includegraphics[width=0.7\linewidth]{./Chapters/chapter17/figs/collem_perfs.pdf}
415 % \caption{Performance CPU et GPU du modèle Collemboles}
416 % \label{ch17:fig:mior_perfs_collem}
417 % %end{minipage}
418 % \end{figure}
419
420 % In figure~\ref{ch17:fig:mior_perfs_collem2} the Thinkpad curve is removed
421 % to make other trends clearer. Two more observation can be made, using
422 % this more detailled scale:
423
424 \begin{itemize}
425 \item Older GPU cards can be slower than modern processors. This can
426   be explained by the new cache and memory access optimizations
427   implemented in newer generations of GPU devices. These optimizations
428   reduce the penalities associated with irregular and frequent global
429   memory accesses. They are not available on our Tesla nodes.
430 \item GPU curves exhibit a odd-even pattern in their performance
431   results. Since this phenomenon is visible on two distinct
432   manufacturer hardware, drivers and OpenCL implementation, it is
433   likely the result of the decomposition process based on warp of
434   fixed, power-of-two sizes.
435 \item The number of cores is not the only determining factor: an Intel
436   Core i7 2600K processor, even with only four cores, can provide
437   better performance than a Phenom one.
438 \end{itemize}
439
440 \begin{figure}[h]
441 %begin{minipage}[t]{0.49\linewidth}
442 \centering
443 \includegraphics[width=0.7\linewidth]{./Chapters/chapter17/figs/collem_perfs_nothinkpad.pdf}
444 \caption{Performances CPU et GPU du modèle Collemboles}
445 \label{ch17:fig:mior_perfs_collem}
446 %end{minipage}
447 \end{figure}
448
449 Both figures shows that using the GPU to parallelize part of the
450 simulator results in tangible performance gains over a CPU execution
451 on modern hardware. These gains are more mixed on older GPU platforms
452 due to the limitations when dealing with irregular memory or execution
453 patterns often encountered in MAS systems. This can be closely linked
454 to the availability of caching facilities on the GPU hardware and its
455 dramatical effects depending on the locality and frequency of data
456 accesses. In this case, even if the Tesla architectures provides more
457 execution cores and is the far costlier solution, more recent, cheaper,
458 solutions such as high-end GPU provide better performance when the
459 execution is not constrained by memory size.
460
461 \section{Second example}
462 \label{ch17:sec:2ndmodel}
463
464 The second model, the MIOR model, simulates the behavior of microbian
465 colonies. Its execution model is more complex so that it requires
466 changes in the initial algorithm and the use of synchronization to
467 benefit from the GPU architecture.
468
469 \subsection{The MIOR model}
470 \label{ch17:subsec:miormodel}
471
472 The MIOR~\cite{C.Cambier2007} model was developed to simulate local
473 interactions in a soil between microbial colonies and organic
474 matters. It reproduces each small cubic units ($0.002 m^3$) of soil as a
475 MAS.
476
477 Multiple implementations of the MIOR model have already been
478 realized, in Smalltalk and Netlogo, in 2 or 3 dimensions. The last
479 implementation, used in our work and referenced as MIOR in the
480 rest of the chapter, is freely accessible online as
481 WebSimMior~\footnote{http://www.IRD.fr/websimmior/}.
482
483 MIOR is based around two types of agents: (i) the Meta-Mior (MM),
484 which represents microbial colonies consuming carbon and (ii) the
485 Organic Matter (OM) which represents carbon deposits occurring in soil.
486
487 The Meta-Mior agents are characterized by two distinct behaviors:
488 \begin{itemize}
489 \item \emph{breath}: the action converts mineral carbon from the soil
490   to carbon dioxide $CO_{2}$ that is released in the soil.
491 \item \emph{growth}: by this action each microbial colony fixes the
492   carbon present in the environment to reproduce itself (augments its
493   size). This action is only possible if the colony breathing needs
494   where covered, i.e. enough mineral carbon is available.
495 \end{itemize}
496
497 These behaviors are described in Algorithm~\ref{ch17:seqalgo}.
498
499 \begin{algorithm}[h]
500 \caption{Evolution step of each Meta-Mior (microbial colony) agent} 
501 \label{ch17:seqalgo}
502 \KwIn{A static array $mmList$ of MM agents}
503 \myinput{A static array $omList$ of OM agents}
504 \myinput{A MIOR environment $world$}
505 $breathNeed \gets world.respirationRate \times mm.carbon$\;
506 $growthNeed \gets world.growthRate \times mm.carbon$\;
507 $availableCarbon \gets totalAccessibleCarbon(mm)$\;
508 \uIf{$availableCarbon > breathNeed$}{
509   \tcc{ Breath }
510   $mm.active \gets true$\;
511   $availableCarbon \gets availableCarbon - consumCarbon(mm, breathNeed)$\;
512   $world.CO2 \gets world.CO2 + breathNeed$\;
513   \If{$availableCarbon > 0$}{
514     \tcc{ Growth }
515     $growthConsum \gets max(totalAccessCarbon(mm), growthNeed)$\;
516     $consumCarbon(mm, growthConsum)$\;
517     $mm.carbon \gets mm.carbon + growthConsum$\;
518   }
519 }
520 \Else{
521   $mm.active \gets false$
522 }
523 \end{algorithm}
524
525 Since this simulation takes place at a microscopic scale, a large
526 number of these simulations must be executed for each macroscopic
527 simulation step to model realistic-sized unit of soil. This lead to
528 large computing needs despite the small computation cost of each
529 individual simulation.
530
531
532 \subsection{MIOR Implementation}
533
534 As pointed out previously, the MIOR implementation implied more
535 changes for the initial code to be run on GPU.  As a first attempt, we
536 realized a simple GPU implementation of the MIOR simulator, with only
537 minimal changes to the CPU algorithm. Execution times showed the
538 inefficiency of this approach, and highlighted the necessity of
539 adapting the simulator to take advantage of the GPU execution
540 capabilities~\cite{lmlm+12:ip}. In this part, we show the main changes
541 which were realized to adapt the MIOR simulator on GPU architectures.
542
543 \subsubsection{Execution mapping on GPU}
544
545 \begin{figure}
546 \centering
547 \includegraphics[width=0.7\textwidth]{Chapters/chapter17/figs/repartition.pdf}
548 \caption{Execution distribution retained on GPU}
549 \label{ch17:fig:gpu_distribution}
550 \end{figure}
551
552 Each MIOR simulation is represented by a work-group, and each agent by
553 a work-item. A kernel is in charge of the life cycle process for each
554 agent of the model. This kernel is executed by all the work-items of the simulation
555 each on its own gpu core.
556
557 The usage of one work-group for each simulation allows to easily
558 execute multiple simulations in parallel, as shown on
559 figure~\ref{ch17:fig:gpu_distribution}.  By taking advantage of the
560 execution overlap possibilities provided by OpenCL it then becomes
561 possible to exploit all the cores at the same time, even if an unique
562 simulation is to small to use all the available GPU cores. However,
563 the maximum size of a work-group is limited (to $512$), which only allows
564 us to execute one simulation per work-group when using $310$ threads
565 (number of OM in the reference model) to execute the simulation.
566
567 The usage of the GPU to execute multiple simulations is initiated by
568 the CPU. The later keeps total control of the simulator execution
569 flow. Thus, optimized scheduling policies (such as submitting kernels
570 in batch, or limiting the number of kernels, or asynchronously
571 retrieving the simulation results) can be defined to minimize the cost
572 related to data transfers between CPU and GPUs.
573
574 \subsubsection{Data structures translation}
575 \label{ch17:subsec:datastructures}
576
577 The adaptation of the MIOR model to GPU requires the mapping of the
578 data model to OpenCL data structures. The environment and the agents
579 are represented by arrays of structures, where each structure describes the
580 state of one entity. The behavior of these entities are implemented
581 as OpenCL functions to be called from the kernels during execution.
582
583 Since the main program is written in Java, JOCL is responsible for the
584 allocation and the mapping of the object data structures to OpenCL
585 ones before execution.
586
587 Four main data structures
588 (Figure~\ref{ch17:listing:mior_data_structures}) are defined: (i) an
589 array of MM agents, representing the state of the microbial
590 colonies. (ii) an array of OM agents, representing the state of the
591 carbon deposits. (iii) a topology matrix, which stores accessibility
592 information between the two types of agents of the model (iv) a world
593 structure, which contains all the global input data (metabolism rate,
594 numbers of agents) and output data (quantity of $CO_{2}$ produced) of
595 the simulation. These data structures are initialized by the CPU and
596 then copied on the GPU.
597
598 \lstinputlisting[caption=Main data structures used in a MIOR simulation,label=ch17:listing:mior_data_structures]{Chapters/chapter17/code/data_structures.cl}
599
600 The world topology is stored as a two-dimension matrix which contains
601 OM indexes on the abscissa and the MM index on the ordinate. Each
602 agent walks through its line/column of the matrix at each iteration to
603 determinate which agents can be accessed during the simulation.  Since
604 many agents are not connected this matrix is sparse, which introduces
605 a big number of useless memory accesses. To reduce the impact of these
606 memory accesses we use a compacted, optimized representation of this
607 matrix based on~\cite{Gomez-Luna:2009:PVS:1616772.1616869}, as
608 illustrated on the figure~\ref{ch17:fig:csr_representation}. This compact
609 representation considers each line of the matrix as an index list, and
610 only stores accessible agents continuously, to reduce the size of the
611 list and the number of non productive accesses.
612
613 \begin{figure}[h]
614 \centering
615 \includegraphics[width=0.8\textwidth]{Chapters/chapter17/figs/grid.pdf}
616 %\psfig{file=figs/grid, height=1in}
617 \caption{Compact representation of the topology of a MIOR simulation}
618 \label{ch17:fig:csr_representation}
619 \end{figure}
620
621 Since dynamic memory allocation is not possible yet in OpenCL and only
622 provided in the lastest revisions of the CUDA standard, these matrices
623 are statically allocated. The allocation is based on the worst-case
624 scenario where all OM and MM are linked as the real occupation of the
625 matrix cells cannot be deduced without some kind of preprocessing
626 computations.
627
628 \subsubsection{Critical resources access management}
629 \label{ch17:subsec:concurrency}
630
631 One of the main issue in a MIOR model is to ensure that all the
632 microbial colonies will have an equitable access to carbon resources,
633 when multiple colonies share the same deposits. Access
634 synchronizations are mandatory in these cases to prevent conflicting
635 updates on the same data that may lead to calculus error (e.g. loss of
636 matter).
637
638 On a massively parallel architecture such as GPUs, this kind of
639 synchronization conflicts can however lead to an inefficient
640 implementation by enforcing a quasi-sequential execution. It is
641 necessary, in the case of MIOR as well as for other ABM, to ensure
642 that each work-item is not too constrained in its execution.
643
644 \lstinputlisting[caption=Main MIOR kernel,label=ch17:listing:mior_kernels]{Chapters/chapter17/code/mior_kernels.cl}
645
646 From the sequential algorithm 1 where all the agents share the same
647 data, we have developed a parallel algorithm composed of three
648 sequential stages separated by synchronization barriers. This new
649 algorithm is based on the distribution of the available OM carbon
650 deposits into parts at the beginning of each execution step. The three
651 stages, illustrated on Listing~\ref{ch17:listing:mior_kernels}, are the following:
652
653 \begin{enumerate}
654 \item \emph{distribution}: the available carbon in each carbon deposit
655   (OM) is equitably dispatched between all accessible MM in the form
656   of parts.
657 \item \emph{metabolism}: each MM consumes carbon in its allocated parts
658   for its breathing and growing processes.
659 \item \emph{gathering}: unconsumed carbon in parts is gathered back
660   into the carbon deposits.
661 \end{enumerate}
662
663 This solution suppresses the data synchronization needed by the first
664 algorithm and thus the need for synchronization barriers, and requires only
665 one kernel launch from Java as described on Listing~\ref{ch17:fig:mior_launcher}.
666
667 \lstinputlisting[caption=MIOR simulation launcher,label=ch17:fig:mior_launcher]{Chapters/chapter17/code/mior_launcher.java}
668
669 \subsubsection{Termination detection}
670
671 The termination of a MIOR simulation is reached when the model
672 stabilizes and no more $CO_{2}$ is produced. This termination
673 detection can be done either on the CPU or the GPU but it requires a
674 global view on the system execution.
675
676 In the first case, when the CPU controls the GPU simulation process,
677 the dectection is done in two steps: (i) the CPU starts the execution
678 of a simulation step on the GPU, (ii) the CPU retrieves the GPU data
679 and determines if another iteration must be launched or if the
680 simulation has terminated. This approach allows a fine-grain control
681 over the GPU execution, but it requires many costly data transfers as
682 each iteration results must be sent from the GPU to the CPU. In the
683 case of the MIOR model these costs are mainly due to the inherent
684 PCI-express port latencies rather than to bandwidth limitation since
685 data sizes remains rather small, in the order of few dozens of
686 Megabytes.
687
688 In the second case the termination detection is directly implemented
689 on the GPU by checking the amount of available carbon between two
690 iterations. The CPU does not have any feedback while the simulation is
691 running, but retrieves the results once the kernel execution is
692 finished. This approach minimizes the number of transfers between the
693 CPU and the GPU.
694
695 \subsection{Performance of MIOR implementations}
696 \label{ch17:subsec:miorexperiments}
697
698 In this part we present several MIOR GPU implementations using the
699 distribution/gathering process described in the previous section and
700 compare their performance on two distinct hardware platform; i.e two
701 different GPU devices. Five incremental MIOR implementations were
702 realized with an increasing level of adaptation for the algorithm: in
703 all cases, we choose the average time over 50 executions as a
704 performance indicator.
705
706 \begin{itemize}
707 \item the \textbf{GPU 1.0} implementation is a direct implementation
708   of the existing algorithm and its data structures where data
709   dependencies were removed and that use the non-compact topology
710   representation described in Section~\ref{ch17:subsec:datastructures}
711 \item the \textbf{GPU 2.0} implementation uses the previously
712   described compact representation of the topology and remains
713   otherwise identical to the GPU 1.0 implementation.
714 \item the \textbf{GPU 3.0} implementation introduces the manual
715   copy into local (private) memory of often-accessed global data, such
716   as carbon parts or topology information.
717 \item the \textbf{GPU 4.0} implementation is a variant of the
718   GPU 1.0 implementation which allows the execution of
719   multiple simulations for each kernel execution.
720 \item the \textbf{GPU 5.0} implementation is a multi-simulation of the
721   GPU 2.0 implementation, using the execution of multiple simulations
722   for each kernel execution as for GPU 4.0
723 \end{itemize}
724
725 The two last implementations -- \textbf{GPU 4.0} and \textbf{GPU 5.0}
726 -- illustrate the gain provided by a better usage of the hardware
727 resources, thanks to the driver execution overlaping capabilities. A
728 sequential version of the MIOR algorithm, labeled as \textbf{CPU}, is
729 provided for comparison purpose. This sequential version is developped
730 in Java, the same language used for GPU implementations and the Sworm
731 model.
732
733 For these performance evaluations, two platforms are used. The first
734 one is representative of the kind of hardware which is available on
735 HPC clusters. It is a cluster node dedicated to GPU computations with
736 two Intel X5550 processors running at $2.67GHz$ and two Tesla C1060
737 GPU devices running at $1.3$GHz and composed of $240$ cores ($30$
738 multi-processors). Only one of these GPU is used in these experiments,
739 at the moment. The second platform illustrates what can be expected
740 from a personal desktop computer built a few years ago. It uses a
741 Intel Q9300 CPU, running at $2.5$GHz, and a Geforce 8800GT GPU card
742 running at $1.5$GHz and composed of $112$ cores ($14$
743 multi-processors). The purpose of these two platforms is to assess the
744 benefit that could be obtained either when a scientist has access to
745 specialized hardware as a cluster or tries to take benefit from its
746 own personal computer.
747
748 \begin{figure}[h]
749 %begin{minipage}[t]{0.49\linewidth}
750 \centering
751 \includegraphics[width=0.7\linewidth]{Chapters/chapter17/figs/mior_perfs_tesla.pdf}
752 %\caption{Performance CPU and GPU sur carte Tesla C1060}
753 \caption{CPU and GPU performance on a Tesla C1060 node}
754 \label{ch17:fig:mior_perfs_tesla}
755 %end{minipage}
756 \end{figure}
757
758 Figures~\ref{ch17:fig:mior_perfs_tesla}~and~\ref{ch17:fig:mior_perfs_8800gt}
759 show the execution time for $50$ simulations on the two hardware
760 platforms. A size factor is applied to the problem: at scale 1,
761 the model contains $38$ MM and $310$ OM, while at the scale 6 these
762 numbers are multiplied by six. The size of the environment is modified
763 as well to maintain the same average agent density in the model. This
764 scaling factor display the impact of the chosen size of simulation on
765 performance.
766
767 %hspace{0.02\linewidth}
768 %begin{minipage}[t]{0.49\linewidth}
769 \begin{figure}[h]
770 \centering
771 \includegraphics[width=0.7\linewidth]{Chapters/chapter17/figs/mior_perfs_8800gt.pdf}
772 \caption{CPU and GPU performance on a personal computer with a Geforce 8800GT}
773 \label{ch17:fig:mior_perfs_8800gt}
774 %end{minipage}
775 \end{figure}
776
777 The charts show that for small problems the execution times of all
778 the implementations are very close. This is because the GPU execution
779 does not have enough threads (representing agents) for an optimal
780 usage of GPU resources. This trend changes after scale $5$ where GPU
781 2.0 and GPU 3.0 take the advantage on the GPU 1.0 and CPU
782 implementations. This advantage continues to grow with the scaling
783 factor, and reaches a speedup of $10$ at the scale $10$ between the
784 fastest single-simulation GPU implementation and the first, naive one
785 GPU 1.0.
786
787 Multiple trends can be observed in these results. First, optimizations
788 for the GPU hardware show a big, positive impact on performance,
789 illustrating the strong requirements on the algorithm properties to
790 reach execution efficiency. These charts also show that despite the
791 vast difference in numbers of cores between the two GPUs platforms the
792 same trends can be observed in both case. We can therefore expect
793 similar results on other GPU cards, without the need for more
794 adaptations.
795
796 \begin{figure}[h]
797 \centering
798 \includegraphics[width=0.7\linewidth]{Chapters/chapter17/figs/monokernel.pdf}
799 \caption{Execution time of one multi-simulation kernel on the Tesla
800   platform}
801 \label{ch17:fig:monokernel_graph}
802 \end{figure}
803
804 \begin{figure}[h]
805 \centering
806 \includegraphics[width=0.7\linewidth]{Chapters/chapter17/figs/multikernel.pdf}
807 \caption{Total execution time for 1000 simulations on the Tesla
808   platform, while varying the number of simulations for each kernel}
809 \label{ch17:fig:multikernel_graph}
810 \end{figure}
811
812 There are two ways to measure simulations performance: (i) by
813 executing only one kernel, and varying its size (the number of
814 simulations executed in parallel), as shown on
815 Figure~\ref{ch17:fig:monokernel_graph}, to test the costs linked to the
816 parallelization process or (ii) by executing a fixed number of
817 simulations and varying the size
818 of each kernel, as shown on Figure~\ref{ch17:fig:multikernel_graph}.
819
820 Figure~\ref{ch17:fig:monokernel_graph} illustrates the execution time for
821 only one kernel. It shows that for small numbers of simulations run in
822 parallel, the compact implementation of the model topology is faster
823 than the two-dimension matrix representation. This trends reverse with
824 more than $50$ simulations in parallel, which can be explained either by
825 the non linear progression of the synchronization costs or by the
826 additional memory required for the access-efficient representation.
827
828 Figure~\ref{ch17:fig:multikernel_graph} illustrates the execution time of a
829 fixed number of simulations. It shows that for a small number of
830 simulations run in parallel, the costs resulting of program setup,
831 data copies and launch on GPU are determinant and very detrimental to
832 performance. Once the number of simulations executed for each kernel
833 grows, these costs are counterbalanced by computation costs. This
834 trend is more marked in the case of the sparse implementation (GPU
835 4.0) than the compact one but appears on both curves. With more than
836 $30$ simulations for each kernel, execution times stalls, since
837 hardware limits are reached. This indicates that the cost of preparing
838 and launching kernels become negligible compared to the computing
839 time once a good GPU occupation rate is achieved.
840
841 \section{Analysis and recommandations}
842 \label{ch17:analysis}
843
844 In this section we synthesize the observations done on the two models
845 and identify some recommendations on implementing complex systems on
846 GPU platforms.
847
848 \subsection{Analysis}
849
850 In both the Collembola and the MIOR model, a critical problematic is
851 the determination of the part of the simulation which are to be run on
852 GPU and which are to remain on the CPU. The determination of these
853 parts is a classic step of any algorithm parallelization and must
854 take into account considerations such as the cost of the different
855 parts of the algorithm and the expected gains.
856
857 In the case of the Collembola model two steps of the algorithm were
858 ported to GPU. Both steps use straighforward, easily-parallelizable,
859 operations where a direct gain can be expected by using more
860 executions cores without important modifications of the algorithm.
861
862 In the MIOR model case however no such inherently parallelizable parts
863 are evident in the original sequential algorithm. This is mainly
864 explained by the rate of interactions between agents in this model in
865 the form of many operations (breathing, growth) on shared carbon
866 ressources. In this case the algorithm had to be more profundly
867 modified while keeping in head the need to remain true to the original
868 model, to synchronize the main execution step of all agents in the
869 model, to ensure enquity, and to minimize the numbers of
870 synchronizations. The minimization is done by factoring the repartition of
871 carbon in the model in two separated step at the beginning and the end
872 of each iterations rather than at multiple point of the execution.
873
874 \subsection{MAS execution workflow}
875
876 Many MAS simulations decompose their execution process into discrete
877 evolution steps where each step represents a quantum of time (minimal
878 unit of time described). At the end of each step many global
879 information, graphical displays or results are updated. This
880 execution model may not correctly fit on GPU platforms as they assume
881 more or less a batch-like workflow model. The execution model must be
882 split into the following ever repeating steps:
883
884 \begin{itemize}
885 \item Allocation of GPU data buffers
886 \item Copy of data from CPU to GPU
887 \item GPU kernels execution
888 \item Copy of results from GPU to CPU
889 \end{itemize}
890
891 This workflow works well if the considered data transfer time is
892 negligible compared to GPU execution or can be done in parallel,
893 thanks to the asynchronous nature of OpenCL. If we are to update the
894 MAS model after each iteration then performance risk being
895 degratated. This is illustrated in the MIOR model by the fact that the
896 speedup observerd on GPU is much more significant for bigger
897 simulations, which implies longer GPU execution times. Our solution to
898 this problem is to desynchronize the execution of the SMA model and
899 its GPU parts by requesting the execution of multiple steps of the
900 GPU simulations for each launch.
901
902 Another related prerequisite of GPU execution is the ability to have
903 many threads to be executed, to allow an efficient exploitation of the
904 superior number of cores provided by the architecture. In the case of
905 MAS models, this means that executing one agent at a time on GPU is
906 meaningless in regard to GPU usage, copying cost, and actual gain in
907 execution time, if the process is not already parallel and costly at
908 this scale. In the MIOR and the Collembola models, this is solved by
909 executing the computations for all agents of the model at the same
910 time. If the model has hovewer only chronic needs for intensive
911 computations then some kind of batching mechanism is required to store
912 waiting treatements in a queue, until the total sum of waiting
913 computations justify the transfers cost to the GPU platform.
914
915 \subsection{Implementation challenges}
916
917 Besides the execution strategy challenges described above, some
918 implementation challenges also occur when implementing an OpenCL
919 version of a MAS model, mainly related to the underlying limitations
920 of the execution platform.
921
922 The first one is the impossibility (except in lastest CUDA versions)
923 to dynamicaly allocate memory during execution. This is a problem in
924 the case of models where the number of agent can vary during the
925 simulation, such as prey-predator models. In this case, the only
926 solution is to overestimate the size of arrays or data structures to
927 accomodate these additionnal individuals, or using the CPU to resize
928 data structures when these situations occur. Both approachs require
929 to trend either memory or performance and are not always pratical.
930
931 Another limitation is the impossibility to store pointers in data
932 structures, we restraint any OpenCL to use only one dimension static
933 arrays or specific data structures such as textures. This preclude the
934 usage of structures like linked-list, graphs or sparse matrix not
935 represented by some combination of static arrays, and can be another
936 source of memory or performance losses.
937
938 In the case of MIOR, this problem is especially exarcebed in the case
939 of neighboring storage: both representations consum much more memory
940 that actually required, since the worst case (all agents have
941 access to all others agents) has to be taken into account defensivly
942 when dimensioning the data structure.
943
944 The existence of different generations of GPU hardwares is also a
945 challenge. Older implementations, such as the four year old Tesla
946 C1060 cards, have very strong expectation in term of memory accesses
947 and requires very regular access patterns to perform efficiently. MAS
948 having many random accesses, such as MIOR, or many small global memory
949 accesses, such as Collembola, are penalized on these older
950 cards. Fortunately, these requirements are less present is modern
951 cards, which offer caches and other facilities traditionnaly present
952 on CPU to offset these kind of penalities.
953
954 The final concern is related to the previous ones and often result in
955 more memory consumption. The amount of memory available on GPU cards
956 is much more limited and adding new memory capabilities is more costly
957 compared to expending a CPU RAM. On computing clusters, hardwares
958 nodes with 128GB of memory or more have become affordable, whereas
959 newer Tesla architecture remains limited to 16GB of memory. This can
960 be a concern in the case of big MAS models, or small ones which can
961 only use memory-inefficient OpenCL structures.
962
963 \subsection{MCSMA}
964 \label{ch17:Mcsma}
965
966 As shown in the previous sections, many data representations choices
967 are common to entire classes of MAS. The paradigm of grid, for example,
968 is often encountered in models where each cell constitutes either the
969 elementary unit of simulation (SugarScape~\cite{Dsouza2007}) or a
970 discretisation of the environment space
971 (Pathfinding~\cite{Guy09clearpath}). These grids can be considered as
972 two or three-dimensional matrices, whose processing can be directly
973 distributed.
974
975 Another common data representation encountered in MAS system is the
976 usage of 2d or 3d coordinates to store the position of each agent of
977 the model. In this case, even if the environment is no longer
978 discrete, the location information still imply computations
979 (euclidian distances) which can be parallelized.
980
981 MCSMA~\cite{lmlm+13:ip} is a framework developped to provide to the MAS designer
982 those basic data structures, and the associated operations, to
983 facilitate the portage of existing MAS on GPU. Two levels of
984 utilization are provided to the developper, depending on its usage
985 profile.
986
987 \begin{itemize}
988 \item A high-level library, constitued of modules regrouping classes
989   of operations. A module provides multiple methods of
990   distance computations in 1d, 2d or 3d grids, another one the
991   diffusion algorithm...
992 \item A low level API which allows the developped direct access to the
993   GPU and the inner working of MCSMA, to develop its own module in
994   the case where the required operations are not yet provided by the platform.
995 \end{itemize}
996
997 Both usage levels were illustrated in the above two pratical cases. In
998 MIOR, the whole algorithm (baring initialization) is ported on GPU as
999 a specific plugin which allows executing $n$ MIOR simulations and
1000 retrieve their results. This first approach requires extensive
1001 adaptations to the original algorithm.  In Collembola, on the
1002 contrary, the main steps of the algorithm remain executed on the CPU,
1003 and only specific operations are delegated to generic, already
1004 existing, diffusion and reduction kernels. The fundamental algorithm
1005 is not modified and GPU execution is only applied to specific parts of
1006 the execution which may benefit from it. These two programming
1007 approaches allow incremental adaptations of existing Java MAS to
1008 accelerate their execution on GPU, while retaining the option to
1009 develop their own reusable or more efficeint module to supplement the
1010 already existing ones.
1011
1012 \section{Conclusion}
1013 \label{ch17:conclusion}
1014
1015 This chapter addresses the issue of complex system simulation by using
1016 agent based paradigm and GPU hardware. From the experiments on two
1017 existing Agent Based Models of soil science we intend to provide
1018 useful information on the architecture, the algorithm design and, the
1019 data management to run Agent based simulations on GPU, and more
1020 generally to run compute intensive applications that are not based on
1021 a not-so-regular model. The first result of this work is that adapting
1022 the algorithm to a GPU architecture is possible and suitable to speed
1023 up agent based simulations as illustrated by the MIOR model. Coupling
1024 CPU with GPU seems even to be an interesting way to better take
1025 advantage of the power given by computers and clusters as illustrated
1026 by the Collembola model. From our point of view the adaptation process
1027 is lighter than a traditional parallelization on distributed nodes and
1028 not much difficult than a standard multi-threaded parallelization,
1029 since all the data remains on the same host and can be shared in
1030 central memory. The OCL adaptation also enables a portable simulator
1031 that can be run on different graphical units. Even using a mainstream
1032 card as the GPU card of a standard computer can lead to significant
1033 performance improvements. This is an interesting result as it opens
1034 the field of inexpensive HPC to a large community.
1035
1036 In this perspective, we are working on MCSMA a development platform
1037 that would facilitate the use of GPU or many-core architectures for
1038 multi-agent simulations. Our first work has been the definition of
1039 common, efficient, reusable data structures, such as grids or
1040 lists. Another goal is to provide easier means to control the
1041 distribution of specific processes between CPU or GPU, to allow the
1042 easy exploitation of the strengths of each platform in the same
1043 multi-agent simulation. We think that the same approach, i.e
1044 developping specific environments that facilitate the developper
1045 access to the GPU power, can be applied in many domains with
1046 compute intensive needs to open the GPU use to a larger community. 
1047
1048 \putbib[Chapters/chapter17/biblio]
1049