作者:MARIA DEUTSCHER
更新时间:美国东部时间2023年11月14日14:15
Top500 计算组织再次将 Frontier 评为世界上速度最快的超级计算机。

安装在橡树岭国家实验室的Frontier是一个拥有9,472台服务器的系统。在本周一公布的最新一期超级计算机榜单中,Top500将其评为全球最快的高性能计算系统。这一结果是在本周于丹佛举行的“超级计算 2023”行业盛会上发布的。
Top500采用了一种名为HPL的基准工具对超级计算机的性能进行比较。该工具让机器求解线性方程组来评估机器的速度,然后测量机器完成任务的速度。计算使用了以float64格式存储的数据,这种格式用于表示长分数。
去年6月,Frontier首次夺得Top500榜单的第一名。当时,这台超级计算机的性能为1.102 petaflops,相当于每秒计算约110万亿次。此后,它的速度提高到了1.194 exaflops。
Frontier由部署在74个液冷机柜中的9,400多台服务器组成。每台服务器配备了五个AMD公司的计算模块:一个中央处理器和四个I250x加速器。每个MI250x包含了两块显卡。
Frontier不仅在超级计算性能方面创下了记录,而且在能效方面也很突出。该系统在Top500的基准测试中达到了1.194 exaflops的性能,耗电量为24.69兆瓦。这比榜单上第二强大的系统——阿贡国家实验室最近部署的Aurora系统的耗电量少了约两瓦。
Aurora系统的硬件组件安装工作已于今年早些时候完成,但尚未完全投入使用。该系统在 Top500的测试中表现出的585.34 petaflops性能约占其预期计算能力的四分之一。一旦其所有组件都投入运行,Aurora的处理能力将超过2 exaflops。
与目前的Top500记录保持者Frontier一样,Aurora也是由慧与公司制造的。 但它采用的是英特尔而不是AMD的处理器。Aurora的10,000多台服务器拥有21,000个CPU和60,000个GPU,在进行最新的Top500速度测试时,大约运行了一半的CPU和GPU。
排名第三的是微软公司最新推出的名为Eagle的超级计算机。该系统托管在该公司的Azure云平台上,速度达到561.2 petaflops。它采用了英特尔的CPU和英伟达的H100显卡。
在 Eagle上线之前,Top500榜单上排名第三的是一个名为Fugaku的系统。Fugaku由日本Riken 计算科学中心运营,是排名前五的超级计算机中唯一采用基于Arm plc处理器蓝图CPU的系统。该系统拥有不少于 158,976个基于Arm的处理器,分布在大约400个服务器机架上。
继 Frontier、Aurora、Eagle和Aurora 之后,世界上第五快的超级计算机是位于芬兰Kajaani 的LUMI系统。它也出自慧与公司之手。LUMI采用了数千个64核的AMD CPU 和该芯片制造商的Radeon Instinct系列显卡。
最新的Top500排名是AMD公司的一个重要里程碑。在上榜的500台超级计算机中,约有140台采用了这家芯片制造商的CPU,比去年同期增长了39%。很快,又将有一台采用AMD处理器的系统进入该榜单:美国能源部即将推出的 El Capitan超级计算机预计将在明年上线,提供超过 2 exaflops 的性能。
好文章,需要你的鼓励
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。
OpenAI发布"企业知识"功能,为ChatGPT商业版、企业版和教育版用户提供连接组织数据的能力。该功能集成Slack、SharePoint、Google Drive、Teams和Outlook等应用,但不包含OneDrive。用户需单独验证每个连接器,数据经过加密且不用于训练。与微软365 Copilot的30美元月费相比,ChatGPT商业版仅需25美元,在品牌认知度和价格方面具有竞争优势。
石溪大学等机构联合开发的TimeSeriesScientist是全球首个端到端AI时间序列分析系统,通过四个AI智能体协同工作,能完全自主完成从数据清理到预测报告的全流程。该系统在八个领域测试中表现卓越,预测误差比传统方法降低10.4%,比其他AI方法降低38.2%,并能生成详尽的可解释报告,将专业级数据分析能力民主化。