I ricercatori hanno eseguito il supercomputer di intelligenza artificiale più veloce del mondo

I ricercatori gestiscono il supercomputer AI più veloce del mondo, fornendo quasi quattro exaFLOPS di prestazioni AI a più di 7.000 ricercatori.

Perlmutter, assegnato ufficialmente oggi dal National Scientific Computing Center for Energy Research (NERSC), è un supercomputer che aiuterà a compilare una mappa 3D dell’universo, indagare le interazioni subatomiche delle fonti di energia verde e altro ancora.

Il supercomputer è composto da 6.159 GPU NVIDIA A100 Tensor Core, che lo rendono il più grande sistema al mondo alimentato da A100. Più di venti applicazioni sono pronte per essere tra le prime a utilizzare il sistema trovato al Lawrence Berkeley National Laboratory.

In un progetto, il supercomputer aiuterà ad assemblare la più grande mappa 3D dell’universo visibile fino ad oggi. Elaborerà i dati del DESI (Dark Energy Spectroscopic Instrument), un tipo di fotocamera cosmica in grado di catturare fino a 5.000 galassie in una singola esposizione.

La mappa DESI mira a far luce sull’energia oscura, la fisica sconosciuta dietro l’espansione accelerata dell’universo. L’energia oscura viene scoperta principalmente attraverso il lavoro vincitore del Premio Nobel 2011 di Saul Perlmutter, un energico astrofisico del Berkeley Lab che aiuterà a personalizzare il nuovo supercomputer che porta il suo nome.

“Sono davvero soddisfatto dell’accelerazione 20x che abbiamo ottenuto sulle GPU nel nostro lavoro di preparazione”, afferma Rollin Thomas, ingegnere dei dati presso NERSC, che sta aiutando con il progetto.

Un altro utilizzo del supercomputer è il lavoro nella scienza dei materiali, con l’obiettivo di scoprire reazioni atomiche che potrebbero portare a batterie e biocarburanti migliori.

I supercomputer tradizionali difficilmente possono gestire la matematica richiesta per creare simulazioni di pochi atomi in pochi nanosecondi utilizzando programmi come Quantum Espresso. Ma combinando simulazioni ad alta fedeltà con l’apprendimento automatico, gli scienziati possono studiare più atomi per periodi di tempo più lunghi.

“In passato, era impossibile eseguire una simulazione atomica completa di sistemi di grandi dimensioni come le interfacce delle batterie”, afferma Brandon Cook, specialista delle prestazioni delle applicazioni presso NERSC. “Ma ora gli scienziati stanno pianificando di utilizzare Perlmutter per farlo”.

“È qui che i Tensor Core dell’A100 giocano un ruolo unico. Accelerano sia i calcoli in virgola mobile a doppia precisione per le simulazioni sia i calcoli a precisione mista richiesti per il deep learning”.

Il software è un componente importante di Perlmutter, i ricercatori del NERSC affermano che esiste il supporto per OpenMP e altri paradigmi di programmazione popolari nell’SDK NVIDIA HPC utilizzato dal sistema.

Dicono che RAPIDS, codice open source per la scienza dei dati su GPU, accelererà il lavoro del crescente team di programmatori Python di NERSC. In un progetto che analizzava tutto il traffico di rete sul supercomputer Cori della NERSC, era quasi 600 volte più veloce rispetto ai precedenti sforzi sulle CPU.

“Questo ci ha convinto che RAPIDS avrebbe svolto un ruolo importante nell’accelerare la scoperta scientifica attraverso i dati”, afferma Thomas.

All’ipotetico evento di lancio, il CEO di NVIDIA Jensen Huang si è congratulato con lo staff del Berkeley Lab per i loro piani per far progredire la scienza con il supercomputer.

“La capacità di Perlmutter di integrare intelligenza artificiale e calcolo ad alte prestazioni porterà a scoperte in una vasta gamma di campi, dalla scienza dei materiali e la fisica quantistica alle proiezioni climatiche, alla ricerca biologica e molto altro”, afferma.

L’intelligenza artificiale per la scienza è una delle aree di crescita presso il Dipartimento dell’Energia degli Stati Uniti, poiché la prova dei concetti si sposta in casi d’uso di produzione in aree come la fisica delle particelle, la scienza dei materiali e la bioenergia.

“Le persone stanno esplorando modelli di reti neurali sempre più grandi e vi è una richiesta di accesso a risorse più solide”, afferma Wahid Bahmaji, leader del NERSC per dati e analisi.

“Perlmutter con GPU A100, file system completamente flash e funzionalità di streaming dei dati sono al momento giusto per soddisfare questa esigenza di intelligenza artificiale”.