六千个NVIDIA A100 GPU提供了近4 百亿亿次混合精度性能,推进美国国家能源研究科学计算中心(NERSC)科学研究
其将帮助科学家拼合宇宙三维地图,以及探索绿色能源的原子内的相互作用。
今天在美国国家能源研究科学计算中心(NERSC)正式启用的超级计算机Perlmutter将为7000多名研究人员提供近4 百亿亿次的AI性能。
这使得Perlmutter成为在AI使用的16位和32位混合精度数学运算方面全球最快的系统。这一性能,还未包括今年晚些时候,将在劳伦斯伯克利国家实验室系统中开展的项目第二阶段。
Perlmutter是全球最大的A100赋能系统,搭载6144块NVIDIA A100 Tensor Core GPU,可支持20多种应用,致力于推动天体物理学、气象科学等领域的科学发展。
宇宙三维地图
这台超级计算机将在一个项目中协助拼装迄今为止最大的宇宙三维地图。它将处理来自宇宙摄像机——暗能量光谱仪(DESI)的数据。暗能量光谱仪每次曝光可以捕获多达5000个星系。
研究人员需要利用Perlmutter的GPU速度,及时捕捉每晚几十次曝光,从而确定次日晚间将DESI对准何处。在以前的系统中,研究人员需要几周乃至几个月的时间,才能完成一年数据的发布准备工作,而有了Perlmutter,他们在短短几天内就能完成任务。
NERS数据架构师Rollin Thomas目前正在帮助研究人员为Perlmutter编写代码,他表示:“GPU让我们的数据准备工作速度提升了20倍,这太令人感到惊喜了。”
功夫不负有心人
暗能量光谱仪(DESI)的地图将揭示暗能量这一宇宙加速膨胀背后的神秘物理学现象。暗能量的主要发现者是伯克利实验室的天体物理学家Saul Perlmutter,他也因此而获得诺贝尔奖。这台新的超级计算机就是以他的名字命名的。
在Perlmutter因这一发现而获得诺贝尔奖后, Thomas与他一起开展了后续的项目。Thomas提到:“Saul向我们证明了一点,人类只要永保好奇心和乐观精神,就能够做到任何事情。”
融合AI和高性能计算的超级计算机
正是有了Saul Perlmutter的精神,许多项目才有望在NERSC的新超级计算机上运行,例如,材料科学领域的研究旨在发现原子间的相互作用,从而为开发更好的电池和生物燃料指明方向。
传统的超级计算机几乎无法在几纳秒内使用Quantum Espresso等程序来处理模拟多个原子所需的数学运算。然而,通过将它们的高精度模拟与机器学习相结合,科学家们可以在更长的时间内研究更多的原子。
NERSC的应用性能专家Brandon Cook表示:“以前我们不可能针对电池接口这样的大型系统进行完整的原子模拟,但现在科学家们计划用Perlmutter来进行这一模拟。”目前,Brandon Cook正在帮助研究人员启动此类项目。
A100中的Tensor Core能够在这方面发挥其独特的作用。它们既能加速用于模拟的双精度浮点数学运算,又能加速深度学习所需的混合精度计算。
在去年11月,入围戈登·贝尔奖决赛的BerkeleyGW项目赢得了NERSC的认可,这一项目使用了NVIDIA V100 GPU。在NERSC领导该项目并负责监督应用性能的Jack Deslippe认为,A100的强大性能有望将此类研究提升到一个新的水平。
软件令Perlmutter如虎添翼
Deslippe提到,Perlmutter的另一个战略组成部分是软件。与此同时,他还指出该系统所使用的NVIDIA HPC SDK能够支持OpenMP和其他常用编程模型。
另外,用于GPU上数据科学的开源代码RAPIDS,将加快NERSC内部日渐壮大的Python程序员团队的工作速度。目前它已在一个项目中证明了自身价值:相比之前的CPU,它使NERSC Cori超级计算机网络流量分析速度加快了近600倍。
Thomas表示:“这使我们相信,对于如何通过数据加速科学研究,RAPIDS将发挥重要的作用。”
应对疫情挑战
疫情期间,Perlmutter项目仍按计划进行。但团队不得不重新思考一些重要问题,例如:能为该系统的百亿亿次级应用编写代码的研究人员正在居家办公,如何在此期间为其举办编程马拉松。
来自慧与(HPE)的工程师们协助NERSC组装了第一阶段的系统,并且与NERSC工作人员合作,对其设施进行了升级以适应新的系统。Thomas表示,“我们非常感谢他们能够到现场来搭建系统,尤其是在疫情期间受到各种规定限制的情况下。”
在这场线上启动仪式上,NVIDIA首席执行官黄仁勋对于伯克利实验室工作人员使用这台超级计算机推动科学进步的计划表示了祝贺。
黄仁勋表示:“Perlmutter融合了AI和高性能计算,将为材料科学、量子物理学、气候预测、生物研究等多个领域的科研带来突破。”
AI超级计算恰逢其时
今天的线上剪彩仪式具有真正的里程碑意义。
NERSC数据和分析服务组代理负责人Wahid Bhimji表示:“美国能源部正在大力发展人工智能科学,将概念验证引入粒子物理学、材料科学和生物能源等领域的生产用例。”
“当前人们正在探索更大规模的神经网络模型,希望获得更加强大的资源,而Perlmutter基于A100 GPU、全闪存系统和数据流功能,能够适时满足人们对AI的这一需求。”
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。