Défi

Des ouragans dévastateurs aux changements climatiques mondiaux, la météo constitue le plus gros facteur d’imprévisibilité affectant nos vies quotidiennes et, parfois, notre survie. Cependant, les prévisions météo deviennent de plus en plus précises, en donnant aux populations plus de temps pour réagir face aux événements climatiques. Dans le centre national pour la recherche atmosphérique (NCAR), une équipe de scientifiques a développé des modèles sophistiqués de prévisions, afin d’évaluer les conditions climatiques de manière immédiate, au moyen terme ou sur le long terme.

Leur modèle Weather Research & Forecasting Model (WRF) est, à l’heure actuelle, le modèle le plus utilisé dans le monde entier. Ses utilisateurs incluent l’observatoire national d’Athènes, l’institut des sciences atmosphériques et de climatologie du conseil de recherche national italien, le centre de développement informatique avancé en Inde, ainsi que de nombreuses entreprises de prévisions météo commerciales. Les modèles climatiques et météo du NCAR sont compris dans des applications dont la capacité varie d’un Terascale (1 trillion de flops) à un Petascale, en surpassant ainsi les clusters informatiques traditionnels et en atteignant un point où les CPU ne peuvent plus améliorer de manière effective la vitesse générale. Ce problème est particulièrement significatif avec des applications impliquant des composants en temps réel ou des contraintes liées au temps.

Solution

Afin d’améliorer la vitesse et la précision des prévisions météo, l’équipe technique du NCAR et les chercheurs de l’université du Colorado à Boulder se sont tournés vers les solutions informatiques offertes par les GPU NVIDIA. Après leur passage vers des solutions NVIDIA® CUDA™, les chercheurs ont noté une augmentation de 10X des performances de Microphysics, un composant crucial et très exigeant en ressources informatiques du modèle WRF. Même si Microphysics représente moins d’un pour cent du code source du modèle WRF, sa conversion vers CUDA a permis d’observer une augmentation générale de vitesse de 20 % du modèle global.

Ce résultat est très encourageant et intervient au meilleur moment possible, alors que les solutions traditionnelles par clusters ne nous permettaient plus d’améliorer la vitesse de notre modèle, » explique John Michalakes, le responsable du développement logiciel de WRF pour NCAR. « Nous cherchons à réduire les temps de calcul de nos prévisions, en optimisant au moins un ou deux facteurs-clés avec l’utilisation de la technologie GPU de NVIDIA dans WRF. J’estime que l’effet de ces accélérations, dans le domaine des prévisions météo et climatiques, pourrait s’avérer déterminant.

Impact

NCAR, et les nombreux organismes internationaux qui dépendent de WRF, peuvent maintenant produire et développer leurs prévisions météo bien plus rapidement. Par conséquent, nous pouvons nous montrer plus réactifs face aux dangers climatiques potentiels.

Pour plus d’informations, veuillez visiter: www.ncar.ucar.edu