需要速度:研究人员打开世界上最快的AI超级计算机

六千个NVIDIA A100 GPU提供了四个混合精确性能的Exaflops,以帮助NERSC推进科学。
经过 虎哈里斯

它将帮助将宇宙的3D地图划分,探测绿色能源的解剖相互作用等等。

perlmuter今天正式致力于全国能源研究科学计算中心(NERSC),是一个超级计算机,将为7,000多名研究人员提供近四个AI绩效的EAFLOPS。

那是perlmuter在16比和32位混合精度数学AI上使用的行星上最快的系统。这种表现甚至没有在今年晚些时候到基于Lawrence Berkeley国家实验室的系统的第二阶段。

超过两次申请准备成为第一个骑行6,159的申请NVIDIA A100张量核心GPUperlmuter是世界上最大的A100动力系统。他们的目标是推进天体物理学,气候科学等的科学。

宇宙的3D地图

在一个项目中,超级计算机将有助于迄今为止组装可见宇宙的最大3D地图。它将处理深度能谱仪器的数据(desi),一种可以在一次曝光中捕获多达5,000个星系的宇宙相机。

研究人员需要速度Perlmutter'sGPU从一个晚上捕获数十个曝光,以了解下一天晚上在哪里指向Desi。准备一年的出版物数据将需要数周或数月的现有系统,但是perlmuter应该帮助他们在几天内完成任务。

“我非常满意我们在我们的筹备工作中获得了GPU的20倍的加速度,”NERSC的数据架构师Rollin Thomas说,他们正在帮助研究人员准备好了perlmuter

Perlmuter的坚持值得关注

Desi的地图旨在阐明暗能量,神秘的物理在加速宇宙的扩张背后。通过2011年诺贝尔·普罗姆克奖励工作,伯克利实验室的仍然活跃的天体物理学家,诺贝尔奖获得工作大大发现了黑暗能源,他们将帮助专门为他命名的新超级计算机。

“对我来说,扫罗是人们能够与贪得无厌的好奇心和乐观承诺的合适组合的例子,”托马斯说,在诺贝尔赢得诺贝尔获胜的发现之后,他们在Perlmuter上工作。

超级计算机混合AI,HPC

类似的精神燃料许多将在NERSC的新超级计算机上运行的项目。例如,材料科学的工作旨在发现可能指出更好的电池和生物燃料的原子互动。

传统的超级计算机几乎可以处理在几个纳秒内产生少数原子的模拟所需的数学数量,其中包括量子浓咖啡等节目。但是,通过将他们的高度准确模拟与机器学习相结合,科学家可以在更长的时间内学习更多的原子。

“过去,不可能做电池界面等大系统的完全原子模拟,但现在科学家们计划使用perlmuter为了做到这一点,“Brandon Cook表示,NERSC的应用程序绩效专家,他们正在帮助研究人员推出这样的项目。

这就是A100中的张核心核心的角色。他们加速了模拟的双精度浮点数学和深度学习所需的混合精度计算。

同样的工作在11月份获得了NERSC认可戈登贝尔决赛犯罪者对于使用NVIDIA V100 GPU的伯克利格W程序。A100的额外肌肉承诺采取这种努力在新的水平上表示,杰克斯洛匹尔表示,该项目领导项目并监督南部申请表现。

软件有助于帮助perlmuter

软件是一个战略组成部分perlmuter也是说Deslippe,注意支持OpenMP和其他流行的编程模型NVIDIA HPC SDK.系统使用。

分别地,急流,GPU上的数据科学的开源代码将加快NERSC的Gython Python程序员团队的工作。它证明了它在一个项目中的价值,该项目分析了NERSC Cori SuperComputer的所有网络流量速度比CPU上的前一项速度快600倍。

“相信美国急流将在通过数据加速科学发现的主要部分发挥作用,”托马斯说。

应对Covid的挑战

尽管大流行,perlmuter是按时。但是,该团队必须重新思考关键步骤,如它如何为System的Exascale类应用程序从家中工作的研究人员进行了ran hackathons。

与此同时,来自惠普帕特德企业的工程师帮助组装了该系统的第1阶段,与升级其设施升级为适应新系统的NERSC工作人员进行合作。“我们非常欣赏那些人现场的工作,使系统提出,特别是在所有特殊的Covid协议下,”托马斯说。

在虚拟发布活动中,Nvidia首席执行官Jensen Huang祝贺伯克利实验室船员计划与超级计算机推荐科学。

Perlmutter's黄说,熔断器融合AI和高性能计算的能力将导致材料科学和量子物理学的广泛领域突破,生物学研究等。“

按时AI超级计算

今天的虚拟丝带切割代表了一个非常真实的里程碑。

“AI.for science is a growth area at the U.S. Department of Energy, where proof of concepts are moving into production use cases in areas like particle physics, materials science and bioenergy,” said Wahid Bhimji, acting lead for NERSC’s data and analytics services group.

“人们正在探索更大且较大的神经网络模型,并有需要获得更强大的资源,因此perlmuter他补充说,凭借其A100 GPU,全闪存文件系统和流式数据功能很好地满足这一需求。“

想要跑步的研究人员perlmuter能够提交访问请求到系统。