Обзор суперкомпьютерных и эксафлопсных вычислений

Раскройте весь потенциал данных в государственном секторе, научно-образовательной сфере и на предприятиях.

Основные выводы:

  • Суперкомпьютерные вычисления помогают решать сложные и ресурсоемкие задачи в научно-образовательной сфере, государственном секторе и бизнесе для улучшения качества нашей жизни.

  • Начиная с 2022 года Аргоннская национальная лаборатория станет домом для суперкомпьютера эксафлопсного класса Aurora, одного из первых суперкомпьютеров в США, способного производить 10¹⁸ вычислений в секунду.

  • Корпорация Intel будет обеспечивать новые технологии, которые позволят этой трехкомпонентной машине одновременно выполнять моделирование и симуляцию, управлять искусственным интеллектом и машинным обучением, а также работать с большими данными и аналитикой.

BUILT IN - ARTICLE INTRO SECOND COMPONENT

Суперкомпьютерные вычисления позволяют государственным, научно-образовательным учреждениям, а также предприятиям решать широкий спектр сложных задач, которые требуют использования больших объемов данных и массивных вычислений. Технологические решения должны иметь возможность оптимизации и гибкой настройки под различные рабочие нагрузки, чтобы исследователи могли трансформировать данные в уникальные знания максимально просто. Ассортимент высокопроизводительных вычислительных систем Intel (HPC) обеспечивает результаты в различных вариантах реальных рабочих нагрузок, — от моделирования и симуляции до визуализации и глубинного обучения — как локально, так и в облаке.

Обзор суперкомпьютерных и эксафлопсных вычислений

Суперкомпьютеры помогают решать задачи в сфере науки, инженерии и бизнеса, которые делают наш мир лучше — от индивидуальных методов лечения рака до прогнозирования климатических изменений и понимания химических процессов большого взрыва. Решение этих сложных и ресурсоемких задач требует больших вычислительных мощностей. По мере увеличения объемов данных, а также с ростом потребности в скоростных вычислениях высокопроизводительные вычислительные системы переходят от суперкомпьютеров до компьютеров эксафлопсной производительности, таких как компьютер эксафлопсного класса Aurora, который ученые из Аргоннской национальной лаборатории планируют запустить в 2022 году. Лаборатории, такие как Аргоннская национальная лаборатория, Ок-Риджская национальная лаборатория и Ливерморская национальная лаборатория, делают высокопроизводительные вычислительные системы доступными для промышленности и научно-образовательного сектора при условии наличия значительных интеллектуальных и экономических преимуществ государственных инвестиций.

Что такое суперкомпьютер?

Суперкомпьютерные вычисления — это форма высокопроизводительных вычислений с использованием огромных баз данных, высокоскоростных вычислений или и того и другого. Команда Hyperion Research относит к суперкомпьютерам любую систему стоимостью более 500 000 долларов США. Суперкомпьютеры содержат от сотен до тысяч узлов, таких как компьютерные рабочие станции, работающих параллельно. У каждого узла есть много процессоров или ядер, которые выполняют команды. Компьютеры взаимодействуют через сеть для обеспечения синхронной работы. Сегодня самые быстрые суперкомпьютеры решают задачи с петафлопсной производительностью — 1015 вычислений в секунду (а точнее, операций с плавающей запятой в секунду). Но это изменится с приходом эксафлопсных компьютеров, которые в тысячу раз быстрее. Чтобы получить больше информации о самых быстрых суперкомпьютерах в мире, см. TOP500.

Исторически сложилось, что в круг проблем, которые решались с помощью суперкомпьютерных вычислений, входили моделирование и симуляция. Примеры включают изучение сталкивающихся галактик, субатомных свойств атомов или даже проектирование бутылочек с шампунем, которые не бьются, когда падают. Автомобильные производители использовали суперкомпьютерные вычисления, чтобы сократить длительность расчета срока службы машины с пяти до двух лет, сэкономив миллиарды долларов и годы работы за счет уменьшения количества необходимых попыток аэродинамического моделирования. Но суперкомпьютерные вычисления также затрагивают и новые вопросы и даже обнажают новые проблемы, требующие решения.

Что такое эксафлопсные вычисления?

Эксафлопсные компьютеры способны вычислять минимум 1018 операций с плавающей запятой в секунду, что равняется одному эксафлопсу. Чтобы понять, насколько быстро будет работать компьютер эксафлопсного класса Aurora, представьте, что каждый из почти восьми миллиардов человек, живущих на планете, будет с помощью калькулятора умножать, скажем, 1056,26 на 784,98 каждые 10 секунд. При таких условиях нам потребуется 40 лет для выполнения вычислений, которые суперкомпьютер эксафлопсного класса делает за одну секунду. Это миллиард миллиардов вычислений в секунду, или квинтиллион, для тех, кто привык мыслить огромным числом нулей.

Тенденции в суперкомпьютерных вычислениях

Одним из способов, используемых в суперкомпьютерах для поиска и генерирования новой информации, является обработка и анализ еще более массивных и ценных наборов данных. Таким образом, главные тенденции современных суперкомпьютерных вычислений заключаются в работе с огромным объемом этих наборов данных при внедрении техник искусственного интеллекта, аналитики больших данных и периферийных вычислений.

Искусственный интеллект. Техники искусственного интеллекта позволяют суперкомпьютерам делать логические выводы путем анализа все более крупных наборов данных. Но для искусственного интеллекта также требуется вычислительная мощность, чтобы анализировать все эти данные с большей эксафлопсной производительностью. Ученые смогут задавать вопросы и получать ответы, которые ранее были невозможны.

Аналитика больших данных. Большие данные стали основной движущей силой новых расширенных систем высокопроизводительных вычислений. Сейчас рабочие нагрузки больших данных высокопроизводительных вычислений чаще всего основаны на традиционной симуляции и моделировании. Но в дальнейшем силы технологий и бизнеса, формирующие большие данные, приведут к новым формам конфигураций высокопроизводительных вычислений для накопления знаний, полученных из невероятно больших наборов данных.

Периферийные вычисления. Периферийные вычисления стали продуктивным источником новых наборов данных. Эти наборы данных поступают как из отдельных инструментов, собирающих огромные объемы данных, так и из миллиардов подключенных устройств, разбросанных по всему миру. Например, лидарный телескоп в Андах и радиотелескоп с антенной решеткой площадью в квадратный километр, работающий в Западной Австралии и Южной Африке, генерируют огромные объемы данных. Аналогичным образом устроены умные города, в которых используются многочисленные датчики и камеры для управления дорожным движением и общественной безопасности. Все эти данные позволяют решить проблемы, для которых требуются высокопроизводительные вычисления.

Проблемы суперкомпьютерных вычислений

Проблемы суперкомпьютерных вычислений, особенно при создании таких суперкомпьютеров эксафлопсного класса как Aurora, сводятся к основным трем аспектам: мощности, масштабированию и гетерогенности.

Мощность. Для работы самого быстрого в мире петафлопсного компьютера требуется 28,3 МВт.1 Хотя ни одна организация, создающая сегодня суперкомпьютеры эксафлопсного класса, не дала конкретные данные, для их работы требуется мощность от 30 до 50 МВт. Объективно 50 МВт хватило бы на обеспечение электроэнергией жилых домов города с населением от 50 000 до 70000 человек. За год стоимость одного мегаватта электроэнергии приблизительно составляет один миллион долларов, то есть снижение энергопотребления остается важным аспектом. Процессоры на базе инновационных микроархитектур обеспечивают масштабируемую производительность и энергоэффективность.

Масштабирование. За последние 30 лет суперкомпьютеры перешли с уникального процессора с одним потоком на несколько ядер и многопоточности на тысячи узлов, работающих вместе. Сегодня разработчики, которые пишут приложение для эксафлопсных вычислений, должны разбивать проблему на множество составляющих, которые в полной мере используют параллельный характер компьютера и гарантируют синхронизацию потоков.

Гетерогенность. В прошлом разработчики писали код только для одного компонента в компьютере: ядерного процессора. Но сегодня обслуживание рабочих нагрузок для высокопроизводительных вычислений и искусственного интеллекта требует тысяч процессорных узлов, содержащих в 10 раз больше процессорных ядер. Разнообразные архитектуры, сочетающие центральные и графические процессоры, а теперь еще и FPGA и другие типы ускорителей, дают возможность разработчику самостоятельно решать, что лучше всего использовать для каждого типа планируемых вычислений. Разработчики не могут написать код всего один раз, так как каждый процессор требует отдельного кода, который должен работать совместно с другими. Но с усложнением алгоритмов и программного обеспечения усложняются и интегрируемые собственные модели программирования, что приводит к зависимости от поставщиков. Межотраслевое приложение oneAPI, унифицированная модель программирования, основанная на стандартах открытого кода, является отраслевой инициативой для обеспечения общих возможностей разработки, ускоряющих работу приложений, повышающих продуктивность и расширяющих использование инноваций.

Суперкомпьютер Aurora

Корпорация Intel в сотрудничестве с Аргоннской национальной лабораторией работает над созданием одного из первых в США суперкомпьютеров эксафлопсного класса. Суперкомпьютер Aurora позволит создать революционные решения в науке, в области инноваций и открытий для решения некоторых самых сложных глобальных задач.

Аврора — это трехкомпонентная машина, которая предназначена для одновременного эффективного выполнения моделирования и симуляции, управления искусственным интеллектом и машинным обучением, а также работы с большими данными и аналитикой. Для этого потребуется огромный объем хранилищ с использованием высокопроизводительных системах коммутации. Aurora также будет использовать высокопроизводительный графический процессор общего назначения Ponte Vecchio на базе Xe, оптимизированный для рабочих нагрузок с использованием высокопроизводительных вычислений и искусственного интеллекта.

Возможности Aurora будут направлены не только на выполнение стандартного моделирования и симуляции, для которых обычно используют суперкомпьютеры, но и на решение задач искусственного интеллекта и анализа больших данных.

- Доктор Роберт Вишневский (Robert Wisniewski), главный архитектор HPC и технический руководитель проекта Aurora

Аргоннская лаборатория внедряет программу Early Science Program (ESP) чтобы предоставить исследовательским группам необходимое время и ресурсы для использования основных приложений при переходе на эксафлопсный суперкомпьютер Aurora. В настоящее время ESP включает в себя программы моделирования и симуляции, а также программы искусственного интеллекта, объединенные в центр передовых технологий.

Кроме того, Министерство энергетики США (DOE) выступает спонсором проекта Exascale Computing Project (ECP), преследуя цель ускорить создание работающей экосистемы эксафлопсных вычислений, которая включает приложения, программное обеспечений, аппаратное обеспечение, архитектуру и трудовые ресурсы. Проект ECP предназначен для решения задач первостепенной важности в 24 сферах применения, ключевых для Министерства энергетики, включая основные отрасли науки, прикладную энергетику и национальную безопасность.

Примеры использования эксафлопсных вычислений

Эксафлопсные вычисления используются для решения задач в различных отраслях науки, инженерии и бизнесе. Например, высокопроизводительные вычислительные системы могут помочь раскрыть три основных аспекта проблемы COVID-19 и объединить данные из трех источников для создания моделей и симуляций.

Анализ данных тестов. Каждый день миллионы людей по всему миру сдают тесты на COVID-19. Анализируя эти периферийные данные, ученые могут лучше понять пути передачи болезни, например передача по воздуху, и найти пути решения проблемы.

Понимание клинических причин болезни. Изучение огромного количества комплексных данных о пациенте, которые предоставляются больницами и являются полностью анонимными для соблюдения конфиденциальности, может помочь определить клинические причины и предложить новые идеи для диагностики и лечения.

Например, суперкомпьютеры, используя технологии Intel®, изучают атомную структуру вируса COVID-19, его распространение и локализацию с помощью «цифрового двойника» населения США, а также определяют целевые группы для новых методов лекарственной терапии.

Читать историю

Разработка лекарств. Фармацевтические компании работают над разработкой методов лечения, включая вакцинацию. Это требует использования глобальных вычислений для моделирования размножения вируса COVID-19 и его присоединения к клетке, а также для оценки эффективности введения различных веществ и противовирусных препаратов.

Например, Техасский вычислительный центр (Texas Advanced Computing) работает с исследователями лаборатории Amaro Lab в Калифорнийском университете в Сан-Диего над созданием моделей вируса COVID-19 и других систем для повышения качества подготовки и разработки методов лечения.

Смотреть видео

Вот еще несколько примеров, которые демонстрируют, как исследователи используют высокопроизводительные вычисления для улучшения качества нашей жизни.

Будущее суперкомпьютерных вычислений

Будущее суперкомпьютерных вычислений включает в себя различные типы вычислений и фокус на использовании искусственного интеллекта для использования потенциала растущего количества собираемых данных.

Новые типы вычислений

Хотя в суперкомпьютерах изначально использовались только процессоры, сейчас сюда также входят мощные графические процессоры, FPGA и другие ускорители, которые применяют функции для выполнения операций быстрее и с большей энергоэффективностью. Графические процессоры ускоряют процессоры для применения в сфере науки и инженерии путем выполнения ряда ресурсоемких задач, требующий больших затрат времени. FPGA можно настроить в соответствии с необходимостью для различных приложений, чтобы обеспечить огромное увеличение производительности. И новый процессор Habana Labs для обучения искусственного интеллекта и процессор для логической обработки данных искусственного интеллекта могут ускорить растущие рабочие нагрузки искусственного интеллекта. Но это только начало. По мере того, как исследователи разделяют приложения, другие технологии обеспечат непрекращающиеся усовершенствования.

Нейроморфные вычисления предлагают исключительные свойства вычислений на единицу потребленной мощности. С помощью аппаратного обеспечения нейроморфные вычисления повторяют способ организации, коммуникации и обучение нейронов в мозге. Нейроморфные вычисления помогут искусственному интеллекту решать новые задачи и абстрактные ситуации как часть автоматизации обычной деятельности человека.

Квантовые вычисления обеспечивают необычайный потенциал для сокращения времени, требуемого на решение проблем. Квантовые вычисления переосмысливают двоичное кодирование данных, существенное для современных вычислений, и замещают биты на кубиты, способные одновременно проявлять различные состояния. Это позволило вывести вычисления на беспрецедентный уровень массового параллелизма.

Программное обеспечение

По мере того, как исследователи продолжают включать искусственный интеллект в приложения высокопроизводительных вычислений, они получают больше идей и информации о том, как его использовать. Искусственный интеллект обеспечит возможности моделирования и симуляции в новом масштабе для решения чрезвычайно сложных проблем, таких как моделирование климата. Искусственный интеллект также способен выявлять аномалии в массивных объемах данных и указывать ученым направление для возможного изучения. Расширенные библиотеки и инструменты, такие как инструментарии Intel® oneAPI, упрощают программирование и помогают разработчикам повышать уровень эффективности и инноваций.

Непревзойденный портфель и экосистема стимулируют прорывные исследования и открытия

Суперкомпьютеры, а теперь и эксафлопсные компьютеры, дают в руки исследователям мощные инструменты, позволяющие сделать невиданный доселе прорыв в развитии общества. Для достижения невероятной производительности в различных сферах реальных высокопроизводительных вычислений и рабочих нагрузок искусственного интеллекта: производстве, биологических науках, энергетике и финансовых услуг — требуются партнеры и технологии, способные адаптироваться к изменениям. Это, а также поддержка от широкой экосистемы суперкомпьютерных вычислений, позволит раскрыть весь потенциал данных в государственном секторе, научно-образовательной сфере и на предприятиях.

Технология суперкомпьютерных вычислений Intel®

Корпорация Intel располагает инструментами и технологиями для поддержки решений проблем в сфере активных наук, инженерии и бизнеса, требующих высокоскоростных вычислений или больших баз данных.

Технология Intel® HPC
Масштабируемые процессоры Intel® Xeon® 3-го поколения Масштабируемые процессоры Intel® Xeon® 3-го поколения обеспечивают повышение производительности для рабочих нагрузок высокопроизводительных вычислений благодаря большей пропускной способности памяти, новой архитектуре ядра, большему числу ядер процессора и более быстрому вводу/выводу.
Процессор Intel® Xeon® Platinum 9200 Процессоры Intel® Xeon® Platinum 9200 обеспечивают самую высокую возможную пропускную способность памяти DDR с помощью 12 каналов DDR4 на центральный процессор.2
Intel® FPGA Intel® FPGA помогает архитекторам систем оставаться в пределах производительности и обеспечивать быстрый вывод решений на рынок. Благодаря совместному использованию IP-адреса новейшими структурированными интегральными схемами Intel® ASIC обеспечиваются преимущества в качестве отправной точки для проектов, которые могут переходить на структурированную схему ASIC.
Устройства Intel® eASIC™ Эти структурированные интегральные схемы помогают разработчикам систем снижать разовые расходы на инженерно-техническое обеспечение и быстрее выходить на рынок. 
Intel® AVX-512 Эти расширения предлагают встроенное ускорение в два раза больше, чем традиционное расширение AVX2, для выполнения наиболее ресурсоемких вычислительных задач с возможностями для осуществления операций с 512-битными векторами.
Энергонезависимая память Intel® Optane™, SSD-накопители Intel® Optane™, технология DAOS Intel® Optane™ Энергонезависимая память Intel® Optane™ увеличивает максимальный объем для каждого узла в три раза для более масштабируемой памяти, расположенной ближе к центральному процессору. SSD-накопители Intel® Optane™ ускоряют доступ к важнейшим данным и помогают масштабировать систему хранения без лишних затрат. Основа блока системы хранения эксафлопсного класса Intel® — Distributed Asynchronous Object Storage (DAOS) — это программно-определяемое, масштабируемое объектное хранилище с открытым исходным кодом, которое предлагает контейнеры хранения данных с высокой пропускной способностью, низким уровнем задержек и большими возможностями операций ввода-вывода в секунду3 для рабочих процессов, объединяющих использование моделирования, аналитики данных и искусственного интеллекта.
Оптимизированное программное обеспечение для высокопроизводительных вычислений Intel® Parallel Studio Suite, Intel® VTune™, компиляторы Fortran и C++, библиотека Intel® Math Kernel Library, а также Intel® VTune™ Amplifier способствуют оптимизации разработки и оркестрации высокопараллельных рабочих нагрузок для многоядерных и многоузловых систем, что значительно упрощает развертывание высокопроизводительных вычислений.
Инструментарии Intel® oneAPI Инструментарии Intel® oneAPI обеспечивают единую модель программирования, предназначенную для упрощения разработки различных архитектур, включая центральные и графические процессоры, а также продукцию FPGA.
Специализированные решения Intel® Эти заранее настроенные, оптимизированные под рабочие нагрузки решения разработаны для минимизации проблем развития и развертывания инфраструктуры. Решения проверены OEM-производителями и ODM-производителями, сертифицированы независимыми поставщиками ПО и одобрены Intel. Они включают специализированные решения Intel® для симуляции и моделирования и специализированные решения Intel® для геномной аналитики (V2).

Уведомления и отказ от ответственности

Производительность зависит от варианта использования, конфигурации и других факторов. Подробнее: www.intel.ru/PerformanceIndex.

Результаты тестов производительности основаны на тестировании по состоянию на момент времени, указанный в конфигурации, и могут не отражать всех общедоступных обновлений безопасности. Подробная информация о конфигурации представлена в резервной копии. Ни один продукт или компонент не может обеспечить абсолютную защиту.

Для работы технологий Intel® может потребоваться соответствующее оборудование, программное обеспечение или активация сервисов.

Информация о продукте и производительности

1

Проект TOP500, список Green500, https://www.top500.org/lists/green500/list/2020/06/.

2

Чтобы узнать о рабочих нагрузках и конфигурациях, перейдите по ссылке www.Intel.ru/PerformanceIndex (масштабируемые процессоры Intel® Xeon® 2-го поколения — заявление № 31. Тестирование по состоянию на 08.10.2019).

3

DAOS: Revolutionizing High-Performance Storage with Intel® Optane™ Technology (DAOS: революция в высокопроизводительных системах хранения данных с помощью технологии Intel® Optane™), обзор решения корпорации Intel, https://www.intel.ru/content/www/ru/ru/high-performance-computing/daos-high-performance-storage-brief.html?wapkw=Distributed%20Asynchronous%20Object%20Storage%20(DAOS).