Los investigadores activaron la supercomputadora de inteligencia artificial más rápida del mundo
Los investigadores encendieron la supercomputadora de IA más rápida del mundo, entregando casi cuatro exaFLOPS de rendimiento de IA a más de 7.000 investigadores.
Perlmutter, oficialmente dedicado hoy en el Centro Nacional de Computación Científica de Investigación Energética (NERSC), es una supercomputadora que ayudará a ensamblar un mapa 3D del universo, sondear interacciones subatómicas en busca de fuentes de energía verde y mucho más.
La supercomputadora está compuesta por 6.159 GPU NVIDIA A100 Tensor Core, lo que la convierte en el sistema A100 más grande del mundo. Más de dos docenas de aplicaciones se están preparando para estar entre las primeras en utilizar el sistema basado en el Laboratorio Nacional Lawrence Berkeley.
En un proyecto, la supercomputadora ayudará a construir el mapa 3D visible más grande del universo hasta ahora. Procesará datos del Instrumento Espectroscópico de Energía Oscura (DESI), una especie de cámara cósmica que puede capturar hasta 5.000 galaxias en una sola exposición.
El mapa de DESI tiene como objetivo arrojar luz sobre la energía oscura, la física poco conocida detrás de la expansión acelerada del universo. La energía oscura se descubrió principalmente a través del trabajo ganador del Premio Nobel de 2011 de Saul Perlmutter, un astrofísico activo en el Laboratorio de Berkeley que ayudará a dedicar la nueva supercomputadora que lleva su nombre.
“Estoy muy contento con las aceleraciones 20x que obtuvimos de las GPU en nuestro trabajo preparatorio”, dijo el arquitecto de datos de NERSC Rollin Thomas, quien está ayudando a configurar el proyecto.
Otro uso de la supercomputadora será el trabajo en ciencia de materiales, con el objetivo de descubrir interacciones atómicas que puedan conducir a mejores baterías y biocombustibles.
Las supercomputadoras tradicionales apenas pueden manejar las matemáticas necesarias para generar simulaciones de unos pocos átomos en unos pocos nanosegundos con programas como Quantum Espresso. Pero al combinar sus simulaciones de alta precisión con el aprendizaje automático, los científicos pueden estudiar más átomos durante períodos de tiempo más largos.
“En el pasado, era imposible hacer simulaciones completamente atomísticas de sistemas grandes como interfaces de batería, pero ahora los científicos planean usar Perlmutter para hacer precisamente eso”, dice Brandon Cook, especialista en rendimiento de aplicaciones de NERSC.
“Aquí es donde los núcleos Tensor en el A100 juegan un papel único. Aceleran tanto las matemáticas de punto flotante de doble precisión para simulaciones como los cálculos de precisión mixta necesarios para el aprendizaje profundo. «
El software es un componente importante de Perlmutter, los investigadores de NERSC afirman que hay soporte para OpenMP y otros modelos de programación populares en el SDK de NVIDIA HPC que utiliza el sistema.
Dicen que RAPIDS, el código fuente abierto para ciencia de datos en GPU, acelerará el trabajo del creciente equipo de programadores de Python de NERSC. En un proyecto que analizó todo el tráfico de red en la supercomputadora Cori de NERSC, fue casi 600 veces más rápido que los esfuerzos anteriores en CPU.
“Esto nos convenció de que RAPIDS jugará un papel importante en la aceleración del descubrimiento científico a través de datos”, dice Thomas.
En el evento de lanzamiento virtual, el CEO de NVIDIA, Jensen Huang, felicitó al equipo de Berkeley Lab por sus planes para hacer avanzar la ciencia con la supercomputadora.
“La capacidad de Perlmutter para fusionar la inteligencia artificial y la computación de alto rendimiento conducirá a avances en una amplia gama de campos, desde la ciencia de los materiales y la física cuántica hasta las proyecciones climáticas, la investigación biológica y mucho más”, dice.
AI for Science es un área en crecimiento en el Departamento de Energía de EE. UU., Donde la prueba de conceptos se está trasladando a casos de uso de producción en áreas como la física de partículas, la ciencia de los materiales y la bioenergía.
“La gente está explorando modelos de redes neuronales cada vez más grandes y existe una demanda de acceso a recursos más poderosos”, dice Wahid Bhimji, líder interino de datos y análisis de NERSC.
«Perlmutter con sus GPU A100, su sistema de archivos todo flash y sus capacidades de transmisión de datos está a tiempo para abordar esta necesidad de IA».
