تراشه های Nvidia vera-rubin to power supercomputer doudna doe • ثبت نام

[ad_1] ابر رایانه بعدی وزارت انرژی ایالات متحده توسط Dell Technologies ساخته خواهد شد و توسط شتاب دهنده های نسل بعدی Nvidia Vera-Rubin ساخته می شود-یک سوئیچ قابل توجه از تیم های معمولی TAG CRAY-AMD که چنین دستگاه هایی را می سازند. این اولین پیروزی DOE برای NVIDIA از سیستم ونادو در سال 2022 است.
[ad_1]
ابر رایانه بعدی وزارت انرژی ایالات متحده توسط Dell Technologies ساخته خواهد شد و توسط شتاب دهنده های نسل بعدی Nvidia Vera-Rubin ساخته می شود-یک سوئیچ قابل توجه از تیم های معمولی TAG CRAY-AMD که چنین دستگاه هایی را می سازند. این اولین پیروزی DOE برای NVIDIA از سیستم ونادو در سال 2022 است.
به نام جنیفر داودنا ، برنده جایزه نوبل ، که پیشگام فناوری ویرایش ژن CRISPR بود ، سیستم Doudna قرار است سال آینده اولین کار خود را در آزمایشگاه ملی لارنس برکلی در کالیفرنیا انجام دهد.
در مقایسه با سلف خود ، Perlmutter ، این سیستم قول می دهد ضمن مصرف فقط 2-3 برابر قدرت ، 10 برابر “تولید علمی” را افزایش دهد.
در اولین سرخ شدن ، این نشان می دهد که سیستم باید 790 PETAFLOPS با عملکرد دقیق دو برابر را از بین 5.8 تا 8.7 مگاوات قدرت فشرده کند ، و آن را به کارآمدترین ابر رایانه در رکورد با حاشیه گسترده تبدیل کند.
با این حال ، این احتمالاً به این نتیجه نخواهد رسید.
در حالی که ما هنوز در مورد Superchips Vera-Rubin غول GPU Next Giant یا حتی چند سیستم Doudna از آن خبر نداریم ، ما می دانیم که آخرین دسته از شتاب دهنده های Blackwell Ultra عملکرد دوتایی را قربانی کرده ایم ، که مدت ها برای محاسبات علمی ضروری است ، به نفع افزایش استفاده از قالب های PRESION 4 بیتی که به تنظیمات AI بارها انجام می شود.
Blackwell فوق العاده مبتنی بر GB300 NVL72 NVIDIA با 72 GPU در هیئت مدیره فقط 100 teraflops از وکتور FP64 را از بین می برد. برای مرجع ، یک AMD MI300A که در سیستم ال کاپیتان آزمایشگاه ملی لارنس لیورمور یافت می شود ، برای 61.3 Teraflops دقیق دو برابر خوب است.
ما نمی توانیم مطمئن باشیم که شتاب دهنده های روبین NVIDIA این روند را ادامه خواهند داد ، اما ما گمان می کنیم به همین دلیل است که Nvidia به جای عملکرد ، بیشتر از 10 برابر افزایش “تولید علمی” را ادعا می کند.
با این گفته ، سیستم Doudna ممکن است برای تکمیل مأموریت خود به یک تن از فلاپ های 64 بیتی احتیاج نداشته باشد. دلیل این امر این است که این دستگاه به عنوان چیزی از چاقوی ارتش سوئیس که قادر به اجرای انواع بار کاری است که دارای HPC و هوش مصنوعی سنتی است ، پیش بینی می شود و سرعت آن در اولویت اصلی است.
Sudip Dosanjh ، مدیر NERSC در بیانیه ای گفت: “ابر رایانه Doudna برای تسریع مجموعه گسترده ای از گردش کار علمی طراحی شده است.” “Doudna از طریق شبکه علوم انرژی (ESNET) به امکانات آزمایشی و مشاهده ای DOE متصل خواهد شد و به دانشمندان این امکان را می دهد تا داده ها را از همه مناطق کشور به طور یکپارچه وارد سیستم کنند و آن را در زمان واقعی نزدیک تجزیه و تحلیل کنند.”
به عنوان مثال ، محققان قصد دارند با استفاده از داده های پخش شده از اتاق کنترل مرکز احتراق ملی Fusion DIII-D در سن دیگو ، مدل سازی پلاسما در زمان واقعی را انجام دهند.
برای پشتیبانی از این ، این سیستم دارای شبکه Quantum-X Infiniband NVIDIA است که حداکثر 800 گیگابایت بر ثانیه از پهنای باند در هر درگاه را ارائه می دهد-4x سریعتر از NIC های Slingshot که در قدرتمندترین سوپرهای DOE امروزه استفاده می شود.
نیک رایت ، معمار رئیس Doudna ، افزود: “ما قبلاً از ابر رایانه به عنوان یک شرکت کننده منفعل در گوشه فکر می کردیم.” “اکنون این بخشی از کل گردش کار است که به آزمایشات ، تلسکوپ ها و ردیاب ها متصل شده است.”
پیش بینی می شود این سیستم تقریباً 11000 محقق در زمینه های قدرت همجوشی ، علوم مواد ، کشف مواد مخدر ، نجوم و طراحی پروتئین را در خدمت خود قرار دهد تا فقط چند مورد نامگذاری شود.
دقیقاً مانند ال کاپیتان ، استفاده از هوش مصنوعی در بارهای علمی ، همچنان مورد توجه اصلی DOE است. مرکز محاسبات علمی علمی تحقیقات انرژی ملی (NERSC) قبلاً از هوش مصنوعی برای پیش بینی ساختارهای پروتئین جدید ، تجزیه و تحلیل داده های پروتون از شتاب دهنده های ذرات و مدل های واکنش شیمیایی پیچیده استفاده کرده است.
و این جایی است که ما انتظار داریم که شتاب دهنده های ورا-روبین Nvidia واقعاً بدرخشند. همانطور که در بهار امسال در GTC آموختیم ، هر بسته GPU دوگانه 50 PETAFLOPS محاسبات FP4 را ارائه می دهد و دارای 288 گیگابایت حافظه HBM4 سریع است.
همراه با هوش مصنوعی ، Doudna همچنین از تحقیقات در مورد الگوریتم های محاسبات کوانتومی از طریق CUDA-Q NVIDIA پشتیبانی خواهد کرد. پلتفرم DEV یا می تواند برای استقرار بارهای کاری روی پردازنده های کوانتومی یا شبیه سازی آنها در سخت افزار معمولی CPU و GPU استفاده شود. ®
[ad_2]
لینک منبع
برچسب ها :
ناموجود- نظرات ارسال شده توسط شما، پس از تایید توسط مدیران سایت منتشر خواهد شد.
- نظراتی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
- نظراتی که به غیر از زبان فارسی یا غیر مرتبط با خبر باشد منتشر نخواهد شد.
ارسال نظر شما
مجموع نظرات : 0 در انتظار بررسی : 0 انتشار یافته : 0