Naukowcy uruchomili najszybszy na świecie superkomputer ze sztuczną inteligencją

Naukowcy uruchamiają najszybszy na świecie superkomputer sztucznej inteligencji, dostarczając prawie cztery exaFLOPS wydajności sztucznej inteligencji ponad 7000 badaczy.

Perlmutter, oficjalnie przydzielony dzisiaj przez National Scientific Computing Center for Energy Research (NERSC), to superkomputer, który pomoże skompilować trójwymiarową mapę wszechświata, zbadać subatomowe interakcje źródeł zielonej energii i nie tylko.

Superkomputer składa się z 6159 procesorów graficznych NVIDIA A100 Tensor Core, co czyni go największym na świecie systemem z procesorem A100. Ponad dwadzieścia aplikacji będzie jednymi z pierwszych korzystających z systemu znalezionego w Lawrence Berkeley National Laboratory.

W ramach jednego projektu superkomputer pomoże w złożeniu największej do tej pory trójwymiarowej mapy widzialnego wszechświata. Będzie przetwarzać dane z Instrumentu Spektroskopowego Ciemnej Energii (DESI), rodzaju kosmicznej kamery, która może uchwycić do 5000 galaktyk podczas jednej ekspozycji.

Mapa DESI ma rzucić światło na ciemną energię, nieznaną fizykę stojącą za przyspieszającą ekspansją wszechświata. Ciemną energię odkrywa się głównie dzięki nagrodzonej nagrodą Nobla w 2011 roku pracy Saula Perlmuttera, energicznego astrofizyka z Berkeley Lab, który pomoże dostosować nowy superkomputer nazwany jego imieniem.

„Jestem naprawdę zadowolony z 20-krotnego przyspieszenia, które uzyskaliśmy na GPU podczas prac przygotowawczych” – mówi Rollin Thomas, inżynier danych w NERSC, który pomaga w projekcie.

Innym zastosowaniem superkomputera jest praca w materiałoznawstwie, której celem jest odkrycie reakcji atomowych, które mogą prowadzić do lepszych baterii i biopaliw.

Tradycyjne superkomputery z trudem radzą sobie z matematyką wymaganą do stworzenia symulacji kilku atomów w ciągu kilku nanosekund przy użyciu programów takich jak Quantum Espresso. Jednak łącząc symulacje o wysokiej wierności z uczeniem maszynowym, naukowcy mogą badać więcej atomów w dłuższych okresach czasu.

„W przeszłości niemożliwe było wykonanie pełnych symulacji atomowych dużych systemów, takich jak interfejsy baterii” – mówi Brandon Cook, specjalista ds. Wydajności aplikacji w NERSC, „ale teraz naukowcy planują do tego wykorzystać Perlmutter”.

„W tym miejscu rdzenie Tensor w A100 odgrywają wyjątkową rolę. Przyspieszają zarówno obliczenia zmiennoprzecinkowe o podwójnej precyzji do symulacji, jak i obliczenia o mieszanej precyzji wymagane do głębokiego uczenia”.

Oprogramowanie jest ważnym komponentem Perlmutter, naukowcy z NERSC twierdzą, że w zestawie NVIDIA HPC SDK, z którego korzysta system, jest obsługiwane OpenMP i inne popularne paradygmaty programowania.

Mówią, że RAPIDS, otwarty kod źródłowy do nauki o danych na procesorach graficznych, przyspieszy pracę rosnącego zespołu programistów Pythona w NERSC. W projekcie analizującym cały ruch sieciowy na superkomputerze Cori firmy NERSC był on prawie 600 razy szybszy niż poprzednie wysiłki na procesorach.

„To przekonało nas, że RAPIDS odegra główną rolę w przyspieszeniu odkryć naukowych poprzez dane” – mówi Thomas.

Na hipotetycznym wydarzeniu inauguracyjnym dyrektor generalny firmy NVIDIA, Jensen Huang, pogratulował pracownikom Berkeley Lab planów rozwoju nauki dzięki superkomputerowi.

„Zdolność Perlmuttera do integracji sztucznej inteligencji i wysokowydajnych komputerów doprowadzi do przełomów w wielu dziedzinach, od materiałoznawstwa i fizyki kwantowej po prognozy klimatyczne, badania biologiczne i wiele innych” – mówi.

Sztuczna inteligencja dla nauki jest jednym z obszarów rozwoju Departamentu Energii Stanów Zjednoczonych, ponieważ dowód koncepcji przenosi się do przypadków zastosowań produkcyjnych w obszarach takich jak fizyka cząstek elementarnych, materiałoznawstwo i bioenergia.

„Ludzie badają coraz większe modele sieci neuronowych i istnieje zapotrzebowanie na dostęp do bardziej niezawodnych zasobów” – mówi NERSC Leader for Data and Analytics, Wahid Bahmaji.

„Perlmutter z procesorami graficznymi A100, systemem plików w pełni flashowych i możliwościami przesyłania strumieniowego danych są odpowiednio dostosowane do potrzeb sztucznej inteligencji”.