Hastega: Challenge for GPGPU on Elixir @ Lonestar ElixirConf 2019

We've succeeded in implementing a demonstration program in which an Elixir code invokes directly a GPGPU benchmark by Rustler. We propose a Hastega (Hyper Accelerator of Spreading Tasks for Elixir with GPU Activation) method that converts an Elixir code using Enum/Flow to an executable code for GPU or multi-core CPU with SIMD. 
We've conducted a performance evaluation using the Logistic Maps of the experimental implementation of GPGPU using the Hastega method. We've got the following results: our Hastega is 4-8 times faster than pure Elixir executed by only CPU our Hastega is up to 3 times faster than CuPy/Python executed with GPU our Hastega is only 1.5 times slower than native code executed with GPU 
Now, we implement Linear Regression and Neural Network in Elixir, and will accelerate it with Hastega. Our main future work is to implement a compiler from Elixir code with Enum/Flow to native code for GPU and/or multi-core CPU with SIMD.

# Bio

Susumu Yamazaki (ZACKY) is currently an Associate Professor at the University of Kitakyushu. His current research projects focus on programming language processors, software engineering, programming education and social implementation of software systems.

Susumu YamazakiMarch 02, 2019

Hastega:Elixir @ LonestarでのGPGPUへの挑戦ElixirConf 2019

ElixirコードがRustlerによるGPGPUベンチマークを直接呼び出すデモプログラムの実装に成功しました。Enum / Flowを用いたElixirコードをGPUやSIMD付きマルチコアCPU用の実行可能コードに変換するHastega(GPUアクティベーションを用いたElixir用タスクのハイパーアクセラレータ)方式を提案する。 
私たちのHastegaは4-8倍速いだけCPUで実行される純粋エリクシールよりも 私たちのHastegaがCuPy / PythonはGPUで実行よりも3倍高速に任されて、私たちHastegaがで実行ネイティブコードよりもわずか1.5倍遅いですGPU さて、Elixirに線形回帰とニューラルネットワークを実装し、それをHastegaで加速します。私たちの今後の主な仕事は、Enum / Flow付きのElixirコードからGPU用ネイティブコードおよび/またはSIMD付きマルチコアCPUへのコンパイラの実装です。




量子テレポーテーション(Quantum teleportation)