Programma Boinc

Мини-ПК на базе Ryzen AI Max+ 395 – хороший выбор для BOINC-энтузиастов Сравниваем новинку с флагманскими AMD процессорами Ryzen 7950X3D и 9950X3D - CPU: 16(32) Zen 5‑ядер; по вычислительным рейтингам BOINC 395 в среднем где‑то рядом с Ryzen 9 7950X3D (±5–10 %), уступая 9950X/9950X3D на ~10–12 %. - GPU: интегрированная Radeon 8060S (40 CU, RDNA 3.5, до 2.9 ГГц) + LPDDR5X‑8000, 256‑бит, до 128 ГБ общей памяти — впервые даёт уровень почтидискретной видеокарты, что позволяет полноценно считать OpenCL‑GPU проекты BOINC. Например у меня в Ryzen 9 7950X3D тоже есть встроенная iGPU, но её включение скорее вредно, потому отбирает у CPU тепловой пакет, попускную способность и одно ядро на свою поддержку. Встроенная в Ryzen AI Max+ 395 iGPU попадает в коридор RTX 4060 Laptop RTX 4070 Laptop. - NPU: ИИ-ядра XDNA 2 пока не используются BOINC проектами. - Вывод: CPU‑only проекты он делает на уровне топовых процессоров AMD предыдущего поколения, но с гораздо меньшим потреблением энергии (тише, проще охлаждать). И резко поднимает производительность за счёт GPU‑задач Анализируем лидерборды BOINC 1) CPU‑производительность Среда BOINC во многих проектах публикует таблицы пиковой CPU‑скорости (Whetstone GFLOPS/ядро). На них 395 (Strix Halo) в реальных задачах удерживает ~**0.9–1.0×** от десктопного 9950X; то есть близко к 7950X3D. 2) Встроенная GPU Radeon 8060S (40 CU RDNA 3.5) в Strix Halo — это оказалась достаточно мощной iGPU. За счёт быстрой памяти и широкой LPDDR5X‑шины (256 бит, ~256 ГБ/с) и 40 CU она хорошо обеспечена данными, не пропускает такты и эффективно загружается в BOINC проектах, которые к этому чувствительны. Например у меня RTX 4090 на PrimeGrid ест 450Ватт, а на Einstein только 250. По сути половину времени ядра скорее всего простаивают, котому что ждут данных из памяти. Проекты, где iGPU из 395 Strix Halo работает хорошо: - EinsteinOpenCL‑AMD - Amicable Numbers (OpenCL, ≥2 ГБ VRAM/UMA). - PrimeGrid (OpenCL‑AMD) - NumberFieldsOpenCL Энергопотребление и охлаждение: 395 vs 9950X (и когда активна iGPU) - CPU‑нагрузки (без учёта iGPU): у Ryzen AI Max+ 395 средняя потребляемая мощность CPU/SoC в крупных наборах тестов доходит до ~120 Вт. У Ryzen 9 9950X до ~205 Вт. При этом 395 даёт ~95 % производительности 9950X на CPU‑задачах. - GPU‑нагрузки iGPU 395 потребляет ~74 Вт - Про охлаждение: настольные мини‑ПК с Ryzen AI Max+ 395 на воздушном охлаждении справляются без троттлинга; тепловыделение при CPU+GPU нагрузке примерное такое же, как у 9950X при CPU‑only нагрузке. Поэтому на практике охлаждать 395 проще pof счёт большей площади чипа. Итог: брать, но только если нужна и для других задач. Чисто для BOINC топовые CPU и GPU будут намного выгоднее по PPD на рубль. По возможности дополнять миниПК дискретной видеокартой: это будет не так просто, потому что специальных док-станций пока нет. Надёжной альтренативной пока является Beelink GTi‑линейка + EX Pro Dock (прямой PCIe 5.0 ×8, БП 600 Вт), где можно нормально подключить внешнюю видеокарту почти любой мощности.

YAFU@home — распределённые вычисления для математики. На CPU YAFU@home — это BOINC-проект, который занимается факторизацией больших чисел и исследованием aliquot-последовательностей. Звучит академически, но на практике это один из немногих проектов, где CPU-время действительно превращается в проверяемый научный результат. Что именно делает проект. 1. Факторизация больших чисел Проект считает разложение чисел на множители, иногда размером в десятки и сотни цифр. Это не проверка «простое или нет», а полноценное разложение, которое может занимать недели и месяцы CPU-времени. 2. Aliquot-последовательности Берётся число n. Считается сумма его собственных делителей. Процедура повторяется снова и снова, образуя цепочку. Такие цепочки могут: – быстро завершаться – входить в цикл – расти и требовать огромных вычислительных ресурсов Когда цепочку удаётся довести до логического конца, это считается полноценным научным результатом. Почему это вообще кому-то нужно. 1. Алгоритмы факторизации YAFU используется для тестирования и улучшения реальных алгоритмов факторизации (ECM, NFS и др.). Это те же алгоритмы, которые лежат в основе оценки криптостойкости и анализа больших чисел. 2. Закрытие «белых пятен» в теории чисел Многие aliquot-последовательности десятилетиями оставались незавершёнными просто потому, что их никто не мог досчитать. Распределённые вычисления позволяют закрывать такие случаи не теоретически, а вычислительно. 3. Проверяемость результатов Это не локальные эксперименты. Результаты валидируются, сохраняются и используются дальше другими исследователями. Куда попадают результаты. – BOINC Каждая задача проходит проверку, статус «terminated» означает корректное завершение расчёта. История сохраняется в системе. – FactorDB Все найденные множители и статус последовательностей публикуются в открытой базе данных. Этой базой пользуются математики по всему миру. Это не витрина, а рабочий инструмент. Примеры: Почему проект актуален сейчас. – не все задачи ускоряются GPU – большие числа плохо ложатся на массовый параллелизм – многоядерные CPU идеально подходят под такие вычисления YAFU@home — редкий случай, когда: – старые серверы не простаивают зря – многопоточность реально даёт эффект – результат остаётся навсегда, а не пропадает после перезапуска Проект: YAFU@home — yafu.myfirewall.org/...afu Новости BOINC — boinc.ru/...ifr