Apple M3 Pro, CUDA mahzurunu aştı: 10 kata kadar sürat artışı

GPU programlama dünyasında dikkat çeken bir gelişme yaşandı. Araştırmacılar, Nvidia’nın CUDA platformu için geliştirilen yüksek performanslı bir hesaplama uygulamasını, çekirdek (kernel) kodunda neredeyse hiçbir değişiklik yapmadan Apple Silicon tabanlı M3 Pro işlemcinin GPU’sunda çalıştırmayı başardı.

CUDA uygulaması Apple GPU’da çalıştı

Haberi okuduğunuz için teşekkürler, bizi takip etmeyi unutmayın!

Yeni başarı, yalnızca basit bir hesaplama örneğiyle sınırlı değil. Çalışmada, bilimsel hesaplamalarda kullanılan üç boyutlu SPH (Smoothed Particle Hydrodynamics) baraj yıkılması simülasyonu başarıyla çalıştırıldı. Apple GPU üzerinde tamamlanan simülasyonun yaklaşık 6 saniye sürdüğü, aynı işlemin CPU üzerinde ise yaklaşık 60 saniyede tamamlandığı belirtiliyor. Böylece yaklaşık 10 katlık performans artışı elde edildi.

Kaçıranlar için CUDA, HIP ve Metal birbirinden farklı GPU programlama ekosistemleri olduğu için, CUDA ile yazılmış uygulamaların Apple’ın Metal altyapısına taşınması normalde ciddi kod değişiklikleri gerektiriyor. Araştırmacılar ise bunun yerine farklı bir yaklaşım izledi. Geliştirilen sistemde uygulama önce Clang/HIP üzerinden işleniyor, ardından SPIR-V, Vulkan ve MoltenVK katmanlarından geçirilerek Apple’ın Metal mimarisinde çalıştırılıyor.

Bu yaklaşım sayesinde uygulama seviyesinde Metal’e özel çekirdek kodları yazılmasına gerek kalmadı. CUDA/HIP tabanlı kernel yapısı korunurken, farklı donanımlar arasında daha şeffaf bir çalışma ortamı oluşturuldu.

GPT-5.6 Sol geliştirme sürecinde görev aldı

Projede dikkat çeken ayrıntılardan biri de GPT-5.6 Sol modelinin geliştirme sürecinde kullanılması. Araştırmacılar, yapay zekânın cihaz tarafındaki bellek düzeninin oluşturulmasına yardımcı olduğunu, MoltenVK ile SPIR-V arasındaki uyumluluk sorunlarını yaklaşık altı saat içerisinde tespit ettiğini ve bu sorunlar için alternatif çözümler geliştirdiğini belirtiyor.

Araştırmacılara göre, elde edilen hız artışı hesaplama doğruluğundan ödün verilerek sağlanmadı. Yapılan karşılaştırmalarda Apple GPU üzerinde çalışan simülasyon ile orijinal CUDA sürümünün fiziksel sonuçları büyük ölçüde aynı kaldı. Simülasyon yolları ve temel hesaplama parametrelerinin de birbirine oldukça yakın olduğu belirtiliyor.

Bunun yanında GPU kullanım oranının yüzde 100’e yaklaşması, geliştirilen dönüşüm katmanının donanımı verimli şekilde kullanabildiğini doğruluyor.Araştırmacılar, mevcut çalışmanın tek bir cihaz üzerinde gerçekleştirildiğini ancak gelecekte Thunderbolt üzerinden RDMA desteği kullanılarak çoklu Apple cihazlarında dinamik yük dengelemesi yapılabileceğini de öne sürüyor. Böylece daha büyük simülasyonların birden fazla sistem üzerinde çalıştırılması mümkün olabilir.

Nvidia’dan daha güçsüz

Bununla birlikte Apple GPU’ların hâlâ önemli bir sınırlaması bulunuyor. Metal mimarisi, çift hassasiyetli (FP64) hesaplamalarda Nvidia’nın profesyonel GPU çözümleri kadar güçlü değil. Bu nedenle hava tahmini, mühendislik analizleri ve süper bilgisayar uygulamaları gibi yüksek hassasiyet gerektiren alanlarda Nvidia’nın veri merkezi GPU’ları avantajını koruyor.

Yine de bu çalışma, CUDA/HIP tabanlı uygulamaların Apple Silicon gibi farklı GPU mimarilerine çok daha az kod değişikliğiyle taşınabileceğini göstermesi açısından önemli. Geliştirilen yaklaşımın olgunlaşması halinde geliştiricilerin tek bir GPU ekosistemine bağımlılığı azalabilir ve platformlar arası taşınabilirlik önemli ölçüde kolaylaşabilir.