Primeira páginaDiário da IA
Para quem programa

NVIDIA detalha algoritmos do cuBLAS para acelerar cálculos FP64

A NVIDIA descreve no CUDA Toolkit 13.4.2 novos métodos do cuBLAS que usam Tensor Cores inteiros para multiplicações de matrizes em precisão dupla.

GPU NVIDIA diante de matrizes numéricas representa cálculos de precisão dupla no cuBLAS.
Ilustração editorial · Diário da IA

A NVIDIA detalha algoritmos do cuBLAS que aceleram multiplicações de matrizes em precisão dupla (FP64), operação comum em simulações científicas. A biblioteca, incluída no CUDA Toolkit 13.4.2, divide os números em partes inteiras, processa essas partes nos Tensor Cores da GPU e recompõe o resultado. Segundo a empresa, a aceleração de DGEMM e ZGEMM ocorre automaticamente, sem mudanças no código das aplicações.

O Ozaki-II usa menos multiplicações inteiras que o Ozaki-I; no nível de precisão necessário para equivaler a FP64, precisa de cerca da metade das operações nos Tensor Cores. Para matrizes complexas, o método 2M reduz de quatro para duas as multiplicações de matrizes reais. Se os parâmetros necessários para preservar a precisão excederem o limite definido, o cuBLAS recorre a instruções FP64 nativas.

A NVIDIA avaliou os métodos em aplicações de química quântica e ciência dos materiais. No BerkeleyGW, a empresa reportou aceleração de 3,9 vezes no GB200 e 6,6 vezes no VR NVL72 ao comparar ZGEMM nativo com Ozaki-II 2M usando 53 bits. Em DGEMM no RTX PRO 6000 Blackwell Server Edition, os ganhos reportados vão de 10 a 23 vezes, conforme o tamanho das matrizes. São resultados de testes específicos, não uma garantia para toda aplicação.

O que muda para você

A mudança interessa a pesquisadores e equipes que executam simulações científicas em GPUs NVIDIA e usam o cuBLAS. A empresa diz que os algoritmos operam sem alterações no código, mas o ganho depende da GPU e do tamanho das matrizes. Os resultados publicados não permitem prever aceleração em outras aplicações ou configurações.

Minha leitura

A mudança merece atenção de quem roda simulações científicas, mas os ganhos publicados têm condições bem específicas. A NVIDIA mediu resultados em GPUs e aplicações determinadas; isso não garante a mesma aceleração em outro equipamento ou problema. Para decidir se faz diferença, o que conta é medir o tempo e verificar a precisão na configuração real de uso.

Thiago FelizolaConsultor de IA, curador do Diário da IA

Primeira páginaArquivo de notícias