Parallel Computing Toolbox

 

Parallel Computing Toolbox

멀티코어 컴퓨터, GPU 및 클러스터에서 병렬 연산 수행

멀티코어 컴퓨터를 통한 MATLAB 속도 향상

parfor 및 기타 기능을 사용하여 파라미터 스윕, 최적화, 몬테카를로 시뮬레이션 등의 작업에 대한 병렬 MATLAB 스레드 또는 프로세스를 실행할 수 있습니다. Parallel Computing Toolbox와 함께 MATLAB 언어 기능은 리소스, 파일 종속성 및 기타 문제를 처리할 수 있으므로 여러분은 중요한 작업에만 집중할 수 있습니다.

GPU를 사용한 MATLAB 가속화

추가 코드를 작성할 필요 없이 NVIDIA® GPU를 사용할 수 있으므로 여러분은 성능 조정이 아닌 애플리케이션에 집중할 수 있습니다. MATLAB, Simulink 및 Deep Learning Toolbox 등의 애드온 제품의 주요 함수 중에는 GPU 지원 함수가 있습니다. 숙련된 개발자는 CUDA 코드가 포함된 MEX 함수를 만들 수도 있습니다. 데스크탑, 연산 클러스터 및 클라우드 환경에서 복수의 GPU를 사용할 수 있습니다.

추가적인 병렬 지원 MATLAB 기능

MATLAB 및 애드온 제품에는 자동 병렬 지원 기능이 많고 다수의 앱에서 병렬 기능을 사용할 수 있습니다. Parallel Computing Toolbox에는 알고리즘을 다시 코딩할 필요 없이 병렬 함수 실행부터 데이터 병렬 처리에 이르기까지 실행 모델을 포괄하는 광범위한 병렬 언어가 있습니다.

여러 Simulink 시뮬레이션의 병렬 실행

parsim 함수를 사용하여 시뮬레이션을 병렬로 실행할 수 있습니다. 이 함수는 여러 시뮬레이션을 멀티코어 CPU에 분산하여 전체 시뮬레이션 시간을 단축합니다. 또한 parsim 함수는 병렬 풀 생성을 자동화하고, 파일 종속성을 식별하며, 빌드 아티팩트를 관리하여 여러분이 설계 작업에만 집중할 수 있도록 지원합니다. 병렬 시뮬레이션은 대화형 방식 또는 일괄 처리 방식으로 실행할 수 있습니다.

시뮬레이션 관리자

시뮬레이션 관리자가 parsim과 통합되어 단일 창에서 복수의 시뮬레이션을 모니터링하고 시각화할 수 있습니다. 개별 시뮬레이션을 선택하고 해당 시뮬레이션의 사양을 확인할 수 있을 뿐만 아니라 시뮬레이션 데이터 인스펙터를 사용하여 시뮬레이션 결과를 검토할 수 있습니다. 진단 작업을 편리하게 실행하거나 시뮬레이션을 중단할 수도 있습니다.

병렬 지원 Simulink 기능 사용

Simulink 시뮬레이션을 실행하기 위해 parsimbatchsim 함수를 사용할 수 있을 뿐만 아니라, Simulink Design Optimization, Reinforcement Learning Toolbox, Simulink Test 및 Simulink Coverage과 같이 코드를 작성하지 않고도 시뮬레이션을 병렬로 실행하는 다양한 Simulink 애드온 제품이 있습니다.

퍼블릭 및 프라이빗 클라우드에서 MATLAB 데스크탑 실행

클라우드에서 사용 가능한 온디맨드 고성능 CPU 및 GPU 머신을 활용하여 분석과 시뮬레이션의 속도를 높일 수 있습니다. AWS(Amazon Web Services®) 또는 Microsoft Azure® 환경의 가상 머신에서 MATLAB 및 Simulink를 직접 실행할 수 있습니다.

MATLAB Parallel Server로 클러스터로 확장

데스크탑에서 프로토타입을 개발한 후 다시 코딩하지 않고 연산 클러스터 또는 클라우드로 확장할 수 있습니다. 클러스터 프로파일을 변경하는 것만으로 데스크탑에서 다양한 실행 환경을 이용할 수 있습니다. 

MATLAB Parallel Server에서 분산 배열 사용

알고리즘을 다시 코딩하지 않고도 단일 머신의 메모리에 담을 수 없이 큰 계산을 실행할 수 있습니다. 분산 배열 입력으로 호출되면 분산 계산으로 자동 실행되는 여러 함수를 사용할 수 있습니다. 데스크탑에서 프로토타이핑을 수행하고 전체 실행을 위해 MATLAB Parallel Server를 사용하여 추가 리소스로 확장할 수 있습니다.

“우리는 Parallel Computing Toolbox를 MATLAB Parallel Server와 함께 사용하여 56개 프로세서로 이루어진 클러스터에서 작업을 분산시켰습니다. 이를 통해 우리는 MATLAB과 Deep Learning Toolbox를 사용하여 최적의 신경망 구성을 신속하게 파악하고, 이식 데이터베이스의 데이터를 사용하여 신경망을 훈련시킨 후 시뮬레이션을 실행하여 위험 인자와 생존율을 분석할 수 있었습니다.”

Johan Nilsson 박사, Skåne University Hospital, Lund University

무료 평가판 받기

30일 동안 사용해 보세요.


구입할 준비가 되었나요?

가격을 확인하고 관련 제품을 살펴보세요.

학생이세요?

Campus-Wide License를 통해 이미 귀하의 학교에서 MATLAB, Simulink 및 그 밖의 애드온 제품에 대한 사용 권한을 제공하고 있을 수 있습니다.