Список проголосовавших за комментарий "Михаил Михалев, <p>Тогда мы говорим почти об одном и том же: сначала сужение пространства, потом быстрый исполнительный слой, потом финальная проверка. Я не спорю, что GPU отлично подходит для плотной симуляции одной стратегии с разными параметрами автоматов.</p><p> </p><p>Но в моем эксперименте важен еще и масштаб контура. Сейчас замеры идут на старом Intel Core i5 750: это 4-ядерный процессор 2009 года, но в конфиге расчет ограничен 3 ядрами. На нем ARANEA на разных стратегиях дает разную скорость: где-то 100k оценок/сек, где-то 600k+, на отдельных простых участках бывает около 1M. Разброс зависит от PM, длины жизни сделки, pruning и структуры входов.</p><p> </p><p>Я пробовал переносить часть вычислений на GPU. На отдельных PM-batch-ах CPS действительно рос примерно в 6-20 раз. Но вместе с этим кратно росли и затраты: сложность архитектуры, память, нагрев, требования к железу и устойчивость длинного прогона. Когда сценарий становится не “одна стратегия и одна функция качества”, а массовое исследование: сотни стратегий, разные таймфреймы, 1000+ правил, десятки PM, сотни индикаторных рядов, GPU начинает упираться уже не только в математику, но и в память, температуру, передачу данных и неоднородность задач.</p><p> </p><p>Поэтому я и не ставлю GPU в центр статьи. GPU — сильный backend для подготовленных плотных batch-ей. Но исследовательский контур должен сначала решить, что считать, что отсечь, какие ветки сохранить и как проверить правую сторону. Старый CPU в этом смысле показателен: он может несколько дней стабильно жить на огромной расчетной сетке, потому что архитектура режет мусор, переиспользует данные и ведет расчет последовательно.</p><p> </p><p>Так что мой тезис не “GPU не нужен”. Наоборот, GPU может быть вторым исполнительным контуром. Мой тезис: скорость отдельной симуляции и скорость исследования — разные вещи. Если оптимизировать только одну метрику одной стратегии, GPU выглядит идеально. Если строить карту гипотез по множеству стратегий, правил, PM и рынков, то сначала нужна архитектура исследования, а уже потом CPU/GPU как вычислительные исполнители. Я позже в статьях обязательно раскрою эту тему подробно, но это будет позже)</p>"