Разработчик систем искусственного интеллекта SambaNova Systems объявил, что Ливерморская национальная лаборатория Лоуренса (LLNL) интегрирует свою платформу в суперкомпьютерные мощности лаборатории, чтобы расширить возможности когнитивного моделирования. Этот шаг следует за другими ведущими исследовательскими лабораториями, которые развернули технологию SambaNova.
LLNL является одним из основных федеральных исследовательских центров, занимающихся вопросами безопасности и эффективности средств ядерного сдерживания США, что включает в себя большой объем высокопроизводительного моделирования и симуляции.
Объект также должен стать домом для первой экзафлопсной суперкомпьютерной системы El Capitan Национальной администрации по ядерной безопасности (NNSA), которая должна выйти в сеть в этом году.
По словам SambaNova, учреждение изучает, как нейронные сети могут быть использованы для ускорения традиционных физических симуляций в рамках программы NNSA Advanced Simulation and Computing, и именно здесь на помощь приходит SambaNova.
Платформа DataScale компании представляет собой интегрированную аппаратно-программную систему, разработанную специально для рабочих нагрузок машинного обучения, и ранее компания заявляла, что она в шесть раз быстрее, чем системы на базе графических процессоров, включая серверы Nvidia DGX A100.
Когнитивное моделирование, согласно LLNL, связано с использованием машинного обучения для улучшения прогностических моделей. Необходимость в этом вызвана желанием улучшить и продвинуть прогностическое моделирование, которое все больше опирается на эксперименты, производящие огромные объемы очень сложных данных.
«Мультифизическое моделирование – сложная задача, сказал ученый-компьютерщик LLNL, руководитель группы информатики Брайан Ван Эссен. Он сказал, что лабораторные эксперименты по термоядерному синтезу с инерционным удержанием (ICF) генерируют огромные объемы данных, но связать основную физику с экспериментальными данными может оказаться чрезвычайно сложно.
«Методы искусственного интеллекта являются ключом к обучению существующих моделей лучшему отражению экспериментальных моделей и созданию улучшенной петли обратной связи между экспериментами и моделями», пояснил он.
SambaNova работает с LLNL с 2020 года, когда обе организации интегрировали оборудование DataScale непосредственно в суперкомпьютер Corona. Хотя это положило начало использованию машинного обучения для повышения производительности, на следующем этапе система менее тесно интегрирована с суперкомпьютерными кластерами, предоставляя более универсальное решение, расширяющее возможные варианты использования, утверждает SambaNova.
«SambaNova имеет другую архитектуру, чем системы на основе ЦП или ГП, которые мы используем для создания усовершенствованного подхода к CogSim, использующего гетерогенную систему, сочетающую SambaNova DataScale с нашими суперкомпьютерными кластерами», сказал Бронис де Супински, технический директор Livermore Computing (LC), который управляет вычислительным центром LLNL.
Каждая система DataScale фактически построена на основе того, что SambaNova называет чипом Reconfigurable Dataflow Unit (RDU). Он состоит из сетки настраиваемых элементов вычислений и памяти, связанных встроенной коммуникационной структурой, которая настраивается таким образом, чтобы поток данных через элементы микросхемы отражал граф потока данных алгоритма машинного обучения, который он запускает.
Ранее в этом году платформа SambaNova DataScale была выбрана японским научно-исследовательским институтом RIKEN для интеграции с суперкомпьютером Fugaku для слияния моделирования HPC и искусственного интеллекта. Он также был принят Аргоннской национальной лабораторией в США для аналогичной цели.
Что касается новостей, связанных с высокопроизводительными вычислениями, то первая в мире экзафлопсная суперкомпьютерная система Frontier теперь открыта для полнофункциональных пользовательских операций, как сообщает Окриджская национальная лаборатория (ORNL) в Теннесси, где она базируется.
Frontier дебютировал в мае прошлого года как самый быстрый компьютер на планете и первым преодолел экзафлопсный барьер со скоростью 1,1 экзафлопс. Теперь производительность системы была изменена на 92 петафлопса, чтобы достичь показателя High-Performance Linpack в 1,194 экзафлопса, и инженеры ORNL заявили, что, по их мнению, производительность системы может в конечном итоге превысить 1,4 экзафлопса.
Некоторые из исследований, проводимых на Frontier, включают ExaSMR, целью которого является использование экзафлопсной вычислительной мощности для моделирования модульных ядерных реакторов, которые будут меньше и безопаснее, чем современные атомные электростанции, давать более точные и подробные прогнозы изменения климата и его последствий, моделировать физические и тектонические условия, вызывающие землетрясения.
