NVIDIA BlueField DPU和 HDR InfiniBand,助力剑桥大学的安全多租户超级计算机获得突破性的性能与安全。
超级计算所赋能的科学研究可能会改变整个世界,造福于科学、产业和社会。剑桥大学的全新开放式云原生超级计算机拥有着顶尖的性能,将助力研究人员开展前所未有的科学探索。
加利福尼亚州圣克拉拉市 – 2021年4月14日 – 据NVIDIA消息,CSD3(Cambridge Service for Data Driven Discovery)是一台英国国家研究云项目的超级计算机,同时也是全球性能最强大的科研超级计算机之一。它获得了由STFC DiRAC、STFC IRIS、EPSRC、MRC和UKAEA支持的英国研究与创新中心(UKRI)资助,并委托剑桥大学进行管理。
这里同时也是英国最大的科研云基地,目前正在扩容一个算力达4PFlops的全新Dell-EMC系统,该系统采用NVIDIA A100 GPU,NVIDIA BlueField DPU和NVIDIA InfiniBand网络,将为英国学术研究机构在广阔的交叉研究上提供安全的、多租户、裸金属高性能计算AI和数据分析服务。CSD3采用了由NVIDIA赋能的全新云原生超级计算平台以及由剑桥大学和StackHPC共同开发的一款名为“Scientific OpenStack”的革命性云HPC软件栈。
预计CSD3新系统部署后,性能可达4PFlops,并跻身世界超级计算机500强。该系统采用NVIDIA GPU和x86 CPU,与其他部分一起,整体系统可提供超过10 PFlops的综合算力,并且包含英国速度最快的基于Dell/Cambridge数据加速器的固态存储阵列。
CSD3为研究人员提供开放、安全的访问,以助力其在天体物理学、核聚变发电技术开发、以及关乎生命的临床医学应用等领域,解决全球共同面临的最具挑战性的问题。它将运用融合仿真、AI和数据分析应用,推进科学探索,使研究人员可以在不牺牲应用性能或工作效率的情况下,更方便、安全地访问。
NVIDIA DPU和HDR InfiniBand赋能新一代系统
CSD3采用了NVIDIA HDR 200G InfiniBand网络将BlueField-2 DPU连在一起来卸载主机的安全策略和存储框架等基础设施管理应用,同时提供工作负载的加速和隔离,最大程度提高输入/输出性能。
剑桥大学研究计算服务总监Paul Calleja表示:“能够简单、安全地访问CSD3的巨大算力对于推动服务于英国科学界和工业界的新一代科学探索而言至关重要。凭借NVIDIA InfiniBand网络的极致性能、BlueField DPU提供的应用卸载、隔离和加速,再加上我们的“Scientific OpenStack”,剑桥大学能够打造出一台推动科学研究、造福全人类的世界级云原生超级计算机。”
NVIDIA HDR InfiniBand的网络计算引擎进一步加速了网络性能,在提供最佳裸金属性能的同时,为多节点租户隔离提供了原生支持。CSD3应用了最新一代Dell-EMC PowerEdge产品系列的优势,采用针对数据密集型和AI应用进行了优化的Dell EMC PowerEdge C6520和PowerEdge XE8545服务器。
预计CSD3将在今年投入使用。
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。