根據上週史丹佛大學公布的統計數據顯示，NVIDIA繪圖處理器(GPU)在史丹佛大學的Folding@home分散運算應用中發揮的運算效能已超越1 petaflop(備註)的效能水準。運作中的NVIDIAR GPU提供超過1.25 petaflop的運算效能，也相等於這項應用的總處理效能之42%。Folding@home計畫旨在瞭解蛋白質如何影響人類的身體。
Folding@home計畫目前有11,370顆NVIDIA GPU貢獻其運算效能，其中達到的petaflop等級效能幾乎佔了整個計畫總處理效能的一半。相較之下，在Windows環境採用208,268顆CPU的執行效能，也只能提供198 teraflop的運算效能──只有這個計畫總處理效能的6%。
史丹佛大學在6月推出針對NVIDIA GPU編程的Folding@home用戶端程式，因此在短短數月內即可為此計畫創造了突飛猛進的成績。透過NVIDIA CUDA™這個針對多重核心平行運算架構的C語言開發環境，Folding@home客戶端程式中的CUDA port所提供的處理效能，已超越這個計畫自推出以來任何其他架構所達成的成效。
史丹佛大學化學系助理教授暨Folding@home計畫總監Vijay Pande表示：「正如統計數據所顯示，NVIDIA GPU對蛋白質折疊模擬的影響力確實令人非常驚訝。參與這個計畫而且運用NVIDIA繪圖處理器進行折疊模擬運算的隊伍，都體會到NVIDIA GPU對計畫的成效有非常顯著的提升，這理所當然會大幅加快研究計畫的進度。 」
NVIDIA視覺化消費性解決方案部門總經理Michael Steele表示：「像Folding@home這類的應用程式只是一個開端，我們每天都看到有越來越多運算問題皆可藉由CUDA和NVIDIA GPU技術得以解決。我知道自從我們針對GPU發表CUDA技術以來，NVIDIA的所有員工就密切關心Folding@home計畫的進度，我們很高興看到他們為這項具有重大意義的工作，帶來意義非凡的貢獻。」
史丹佛大學的分散式運算計畫Folding@home結合幾百萬顆處理器的運算威力模擬蛋白質的折疊，已成為研究治療癌症、囊腫纖維症、帕金森氏症等致命疾病的重要力量。Folding@home 計畫是GPU在非遊戲領域應用方面最新的應用典範。在NVIDIA GPU上執行Folding@home程式，讓蛋白質模擬的速度比現今傳統CPU要快上140倍。
統計數據的表格如下:
Folding@home計畫目前有11,370顆NVIDIA GPU貢獻其運算效能，其中達到的petaflop等級效能幾乎佔了整個計畫總處理效能的一半。相較之下，在Windows環境採用208,268顆CPU的執行效能，也只能提供198 teraflop的運算效能──只有這個計畫總處理效能的6%。
史丹佛大學在6月推出針對NVIDIA GPU編程的Folding@home用戶端程式，因此在短短數月內即可為此計畫創造了突飛猛進的成績。透過NVIDIA CUDA™這個針對多重核心平行運算架構的C語言開發環境，Folding@home客戶端程式中的CUDA port所提供的處理效能，已超越這個計畫自推出以來任何其他架構所達成的成效。
史丹佛大學化學系助理教授暨Folding@home計畫總監Vijay Pande表示：「正如統計數據所顯示，NVIDIA GPU對蛋白質折疊模擬的影響力確實令人非常驚訝。參與這個計畫而且運用NVIDIA繪圖處理器進行折疊模擬運算的隊伍，都體會到NVIDIA GPU對計畫的成效有非常顯著的提升，這理所當然會大幅加快研究計畫的進度。 」
NVIDIA視覺化消費性解決方案部門總經理Michael Steele表示：「像Folding@home這類的應用程式只是一個開端，我們每天都看到有越來越多運算問題皆可藉由CUDA和NVIDIA GPU技術得以解決。我知道自從我們針對GPU發表CUDA技術以來，NVIDIA的所有員工就密切關心Folding@home計畫的進度，我們很高興看到他們為這項具有重大意義的工作，帶來意義非凡的貢獻。」
史丹佛大學的分散式運算計畫Folding@home結合幾百萬顆處理器的運算威力模擬蛋白質的折疊，已成為研究治療癌症、囊腫纖維症、帕金森氏症等致命疾病的重要力量。Folding@home 計畫是GPU在非遊戲領域應用方面最新的應用典範。在NVIDIA GPU上執行Folding@home程式，讓蛋白質模擬的速度比現今傳統CPU要快上140倍。
統計數據的表格如下:
