全球最快超級計算機正飛速發(fā)生變化

隨著最新一代超級計算機日益與人工智能和云計算相結(jié)合，衡量這些機器的方式也在發(fā)生變化。

從科學模擬、可視化、數(shù)據(jù)分析再到機器學習，各種現(xiàn)代計算的工作負載正在推動超級計算中心、云服務提供商和企業(yè)重新思考他們的計算架構。

僅靠處理器、網(wǎng)絡或軟件優(yōu)化已經(jīng)無法滿足研究人員、工程師和數(shù)據(jù)科學家的最新需求。

數(shù)據(jù)中心取而代之，成為新的計算單元，因此企業(yè)必須關注整個技術堆棧。

全球最強系統(tǒng)的最新排名顯示，在新一代超級計算機中，這種使用全棧方法的趨勢還在持續(xù)。

在本周SC21高性能計算大會上最新發(fā)布的TOP500榜單上，NVIDIA技術為355套超級計算機系統(tǒng)提供加速，占榜單的70%以上，而新增系統(tǒng)中90% 以上都采用了NVIDIA 的技術。對比6月份發(fā)布的TOP500榜單上342個系統(tǒng)（占榜單68%）使用NVIDIA技術，增長趨勢明顯。

NVIDIA在全球最節(jié)能系統(tǒng)Green500榜單上也繼續(xù)保持領先優(yōu)勢，占據(jù)了榜單排名前25名系統(tǒng)中的23套，與6月份持平。平均來看，采用NVIDIA GPU的系統(tǒng)能耗效率比非GPU系統(tǒng)高3.5倍。

來自微軟的GPU加速Azure超級計算機在榜單上排名第十。這是基于云的系統(tǒng)首次躋身前10名，新一代云原生系統(tǒng)就此嶄露頭角。

人工智能正帶來一場科學計算的革命。近年來，研究高性能計算和機器學習的論文數(shù)量激增，從2018年的約600篇增長到2020年的近5000篇。

包括HPL-AI和MLPerf HPC在內(nèi)的新基準也強調(diào)了高性能計算和AI工作負載的持續(xù)融合。

作為一個融合了高性能計算和人工智能工作負載的新基準，HPL-AI使用了深度學習和許多科學與商業(yè)工作的基礎——混合精度計算，同時還提供高性能計算基準傳統(tǒng)的標準標尺——雙精度計算的高度準確性。

MLPerf HPC基準適用于通過人工智能實現(xiàn)超級計算機模擬加速和增強的計算方式，主要被用來測試高性能計算中心天體物理學（Cosmoflow）、天氣（Deepcam）和分子動力學（Opencatalyst）三大關鍵工作負載的性能表現(xiàn)。

NVIDIA通過GPU加速處理、智能網(wǎng)絡、GPU優(yōu)化應用程序和支持AI和高性能計算融合的庫來解決整個堆棧的問題。這一方法提升了工作負載的性能表現(xiàn)，并推動了科學突破。

讓我們來具體看一看NVIDIA是如何助力超級計算機實現(xiàn)性能提升的。

加速計算

GPU的并行處理能力再加上超過2500個GPU優(yōu)化應用程序，在多數(shù)情況下可以讓用戶把高性能計算任務的時間從幾周減少到幾個小時。

NVIDIA一直在優(yōu)化CUDA-X庫和GPU加速應用程序，所以用戶如果發(fā)現(xiàn)自己的GPU架構性能突然有了提升也很正常。

因此，應用范圍最廣的科學應用程序（我們稱之為“黃金套件”）的性能在過去6年里提高了16倍，而且還在不斷提升。

圖注：全棧創(chuàng)新帶來頂級高性能計算、人工智能和機器學習應用程序的16倍性能提升。

為幫助用戶快速提升性能，NVIDIA通過NGC目錄中的容器提供最新版本的人工智能和高性能計算軟件。用戶只需在數(shù)據(jù)中心或云端的超級計算機上拖拽并運行應用程序即可。

高性能計算與人工智能融合

人工智能在高性能計算中的應用能幫助研究人員加快模擬速度，同時保持傳統(tǒng)模擬方法的準確性。

為此，越來越多的研究人員開始利用人工智能來加快研究的速度，比如今年超算領域最有聲望的戈登·貝爾獎（Gordon Bell prize）決賽的四組晉級團隊。各大企業(yè)正在競相建造E級人工智能計算機，以支持這種融合高性能計算和人工智能的新模式。

一些相對較新的基準（如HPL-AI和MLPerf HPC）也印證了這一趨勢，強調(diào)了高性能計算和AI工作負載的持續(xù)融合。

為推動這一趨勢，上周NVIDIA推出了一系列用于高性能計算的先進的新的庫和軟件開發(fā)工具套件。

圖是現(xiàn)代數(shù)據(jù)科學中的一個關鍵數(shù)據(jù)結(jié)構。通過一個名為深度圖庫（DGL）的新型Python包，用戶現(xiàn)在可以把圖投影到深度神經(jīng)網(wǎng)絡框架中。

NVIDIA Modulus構建并訓練了一個內(nèi)嵌物理信息的機器學習模型，可以用來學習并遵循物理定律。

NVIDIA推出了三個新庫：

·ReOpt – 可提高規(guī)模高達10萬億美元的物流行業(yè)的運營效率。

·cuQuantum – 可加速量子計算研究。

·cuNumeric – 為Python社區(qū)的科學家、數(shù)據(jù)科學家、機器學習和人工智能研究人員加速NumPy。

NVIDIA的虛擬世界模擬和3D工作流協(xié)作平臺NVIDIA Omniverse負責把一切整合到一起。

Omniverse可用來模擬倉庫、工廠、物理和生物系統(tǒng)、5G邊緣、機器人、自動駕駛汽車甚至是虛擬形象的數(shù)字孿生。

NVIDIA上周宣布，將利用Omniverse構建一臺名為Earth-2的超級計算機，通過創(chuàng)建一個數(shù)字孿生地球來預測氣候變化。

云原生超級計算

隨著超級計算機在數(shù)據(jù)分析、人工智能、模擬和可視化方面承擔越來越多的工作負載，CPU不得不在大型復雜的系統(tǒng)上支持更多的通信任務。

DPU（數(shù)據(jù)處理器）可以卸載多種操作，有效減輕這一壓力。

作為一個完全集成的片上數(shù)據(jù)中心平臺，NVIDIA BlueField DPU可以卸載和管理數(shù)據(jù)中心的基礎設施任務，釋放主機的處理器資源，從而實現(xiàn)更強的安全性和更高效的超級計算編排工作。

與NVIDIA Quantum InfiniBand平臺相結(jié)合，該架構可提供最佳裸機性能，同時原生支持多節(jié)點租戶隔離。

NVIDIA的Quantum InfiniBand平臺提供可預測的裸機性能隔離。并且采用零信任安全防護，因而這些新系統(tǒng)也更加安全。

BlueField DPU將用戶應用與基礎設施任務隔離開來。最新的BlueField軟件平臺NVIDIA DOCA 1.2支持下一代分布式防火墻和更廣泛的線速數(shù)據(jù)加密。而NVIDIA Morpheus則會假設入侵者已經(jīng)進入數(shù)據(jù)中心，將利用基于深度學習的數(shù)據(jù)科學來實時檢測入侵者的活動。

新的網(wǎng)絡技術則會加速上述這些趨勢場景。

上周NVIDIA還發(fā)布了NVIDIA Quantum-2。這是一個400Gbps InfiniBand平臺，由Quantum-2交換機、ConnectX-7網(wǎng)卡、BlueField-3 DPU以及用于新網(wǎng)絡架構的軟件組成。

NVIDIA Quantum-2提供了裸機高性能和安全多租戶優(yōu)勢，可以讓下一代超級計算機實現(xiàn)安全性、云原生以及更高的效率。

**基準應用：Amber、Chroma、GROMACS、MILC、NAMD、PyTorch、Quantum Espresso;

Random Forest FP32、TensorFlow、VASP | GPU節(jié)點：雙插槽CPU和4顆P100、V100或A100 GPU。