Das Rennen um den Spitzenplatz auf der TOP500-Liste war schon immer brutal. Es ist ein Wettbewerb, der sich durch hohe Geschwindigkeit und enormen Stromverbrauch auszeichnet. Nun hat sich das Spiel nachhaltig verändert. Zum ersten Mal in der Geschichte hat ein Supercomputer die Exascale-Schwelle überschritten. Das ist kein kleiner Schritt. Es ist ein Sprung in eine neue Ära der Datenverarbeitung.
Frontier mit Sitz im Oak Ridge National Laboratory in den Vereinigten Staaten hat etwas Beispielloses erreicht. Es verarbeitet jetzt 1,1 Billionen Gleitkommaoperationen pro Sekunde. Diese Zahl allein ist schwer vorstellbar. Um es ins rechte Licht zu rücken: Das sind eine Milliarde Berechnungen pro Sekunde. Wir sind offiziell in die Exaflop-Reihe eingestiegen.
Doch was bedeutet das eigentlich für die Welt außerhalb des Labors? Und wie sind wir hierher gekommen?
Definition des Exaflops
Ein Exaflop ist eine Trillion Gleitkommaoperationen pro Sekunde. Der Begriff kommt von „flops“, was für Floating Point Operations steht. Es ist die Standardmetrik zur Messung der Leistung von Supercomputern. Bis vor Kurzem waren Petaflops (eine Billiarde) die Obergrenze. Exaflops stellen eine Vertausendfachung dar.
Bei der Leistung von Frontier geht es nicht nur um Geschwindigkeit. Es geht um Effizienz und Architektur. Es verwendet AMD EPYC-Prozessoren und Radeon Instinct-Beschleuniger. Diese Kombination ermöglicht eine enorme Leistung, ohne das gesamte Stromnetz eines kleinen Landes zu verbrauchen. Naja, vielleicht nah dran.
Wie wird das gemessen?
Sie fragen sich vielleicht, wie eine so erstaunliche Zahl entsteht. Der Wert stammt aus dem LINPACK-Benchmark. Dabei handelt es sich um eine Standard-Testsuite zur Einstufung der TOP500-Supercomputer. Es löst ein System linearer Gleichungen. Je schneller eine Maschine diese komplexen Gleichungen lösen kann, desto höher ist ihr Rang.
Frontiers Punktzahl von 1,1 Exaflops auf LINPACK bestätigt seine Dominanz. Es handelt sich nicht um ein theoretisches Maximum. Es ist eine gemessene Realität. Dies bedeutet, dass die Hardware dieses Maß an Rechendichte unter Belastung aufrechterhalten kann. Es beweist, dass das Design funktioniert. Es beweist, dass die Kühlsysteme, die Verbindungen und der Software-Stack alle wie vorgesehen funktionieren.
Warum das jetzt wichtig ist
Sie fragen sich vielleicht, warum wir eine Maschine brauchen, die eine Trillion Berechnungen pro Sekunde durchführen kann. Die Antwort liegt in der Komplexität. Manche Probleme sind für aktuelle Systeme zu schwierig. Die Klimamodellierung erfordert die Simulation atmosphärischer Wechselwirkungen auf granularer Ebene. Bei der Wirkstoffforschung geht es darum, molekulare Wechselwirkungen mit atomarer Präzision zu simulieren. Das Training mit künstlicher Intelligenz erfordert die Verarbeitung riesiger Datensätze in Rekordzeit.
Frontier kann diese Aufgaben übernehmen. Es können Simulationen durchgeführt werden, die bisher nicht möglich waren. Es kann die Forschungsdauer von Jahren auf Monate verkürzen. Es kann wissenschaftliche Entdeckungen beschleunigen.
Betrachten Sie die Proteinfaltung. Das Verständnis der Proteinfaltung ist der Schlüssel zur Behandlung von Krankheiten. Frontier kann diese Prozesse mit beispielloser Genauigkeit simulieren. Dies führt zu besseren Behandlungen. Schneller. Effektiver.
Der Wandel der Rechenleistung
Dies ist nicht nur ein Sieg für Oak Ridge. Es ist ein Wandel in der Landschaft des Hochleistungsrechnens. Die Barrieren wurden durchbrochen. Andere Labore werden dieser Nummer nachjagen. Sie werden versuchen, es zu übertreffen. Aber die Grundlinie hat sich geändert.
Die Exascale-Ära ist da. Es bringt neue Herausforderungen mit sich. Der Energieverbrauch ist ein großes Problem. Aber es bringt auch neue Chancen mit sich. Wir sind nicht mehr durch die Geschwindigkeit unserer Maschinen eingeschränkt. Wir sind durch die Komplexität der eingeschränkt
Über die TOP500-Benchmarks hinaus
Wir messen die Leistung eines Computers daran, wie viele Vorgänge er in einer Sekunde erledigen kann. Das ist die Grundlinie. Wir haben mehr Kerne. Wir verfügen über spezialisierte Beschleuniger. Die Rohgeschwindigkeit ist in die Höhe geschossen. Aber die offizielle Metrik für Supercomputing, die TOP500-Liste, verwendet ein bestimmtes Programm. Es löst umfangreiche lineare Gleichungssysteme. Es verwendet doppelte Präzision, was eine 64-Bit-Genauigkeit bedeutet. Dies ist der Goldstandard für das Ranking.
1997 erreichten wir die Teraflop-Marke. Eine Billion Gleitkommaoperationen pro Sekunde. Dann kam das Jahr 2008. Die Petaflop-Ära begann. Eine Billiarde Operationen. Das war eine große Sache. Dies bedeutete, dass wir komplexe Wettermuster und Proteinfaltungen einfacher modellieren konnten. Aber das Ziel verschob sich immer nach oben. Die nächste symbolische Schwelle war der Exaflop. Eine Trillion Berechnungen pro Sekunde.
Bedenken Sie den Maßstab. Das Universum ist ungefähr 10^{18}$ Sekunden alt. Wenn ein Mensch seit dem Urknall jede Sekunde ein einziges Problem gelöst hätte, könnte ein Exascale-Computer dieselbe Arbeitslast in einer Sekunde erledigen. Es ist nicht nur schneller. Es ist eine andere Dimension der Zeit.
Wissenschaft aus der realen Welt bei Exaspeed
Das weiß auch Christian Plessl vom Zentrum für Paralleles Rechnen der Universität Paderborn. Er und sein Team haben kürzlich eine Simulation mit echter Exaflop-Geschwindigkeit durchgeführt. Sie nutzten den Perlmutter-Supercomputer im National Energy Research Scientific Computing Center in den USA. Das Ziel? Das Spike-Protein des SARS-CoV-2-Virus.
Dies war kein Standard-Benchmark-Lauf. Der TOP500 erfordert 64-Bit-Präzision. Plessls Team verwendete stattdessen 32/16-Bit-Präzision. Warum? Für Simulationen auf atomarer Ebene ist dieser Detaillierungsgrad häufig ausreichend und wesentlich effizienter. Das Ergebnis war atemberaubend. Die Simulation von 83 Millionen Atomen dauerte nur 42 Sekunden.
„Die Dimension dieser Zahl wird klarer, wenn man bedenkt, dass das Universum etwa $10^{18}$ Sekunden alt ist.“
Sie führten etwa $47 \times 10^{18}$ Gleitkommaoperationen aus. Das sind 1,1 Exaflops. Ein neuer Weltrekord. Dies beweist, dass Exascale-Computing kein theoretischer Meilenstein mehr ist. Es ist eine funktionierende Realität für wissenschaftliche Entdeckungen.
Warum präzise Entscheidungen wichtig sind
Der Übergang von der 64-Bit- zur 32/16-Bit-Präzision verdeutlicht einen wachsenden Trend im Hochleistungsrechnen. Wir brauchen nicht immer höchste Genauigkeit, um aussagekräftige Ergebnisse zu erhalten. In vielen Simulationen führt die reduzierte Präzision zu enormen Energie- und Zeiteinsparungen. Für einen standardisierten Vergleich bleibt die TOP500-Liste wichtig. Es verrät uns, wer die roheste Kraft mit doppelter Präzision hat. Aber echte Wissenschaft findet oft am Rande statt.
Plessls Team hat gezeigt, dass wir virale Strukturen in Sekundenschnelle mit atomarer Genauigkeit simulieren können. Diese Geschwindigkeit ist für die Arzneimittelentwicklung von Bedeutung. Es ist wichtig für das Verständnis der Faltung von Proteinen. Es ist wichtig für die Reaktion auf Pandemien. Die Kluft zwischen Ranking und Realität wird kleiner.
Das Rennen um die nächste Nummer geht weiter. Doch der Fokus verschiebt sich. Es geht nicht nur um die Spitzenzahl auf einer Liste. Es geht darum, was wir mit dieser Kraft tatsächlich machen können. Die Simulation eines Virus-Spike-Proteins in 42 Sekunden ändert sich
Frontier: der erste Exascale-Rechner
Die Zahl ist jetzt offiziell. 30. Mai 2022. Die TOP500-Liste, veröffentlicht auf der Supercomputing-Konferenz in Hamburg, hat es bestätigt.
Grenze.
Der Supercomputer des Oak Ridge National Laboratory (ORNL) in den USA ist nicht nur schnell. Er ist der erste echte Exascale-Rechner der Welt. Und damit hat sich die Wissenschaftsgeschichte für immer verändert.
Die Zahlen sprechen eine klare Sprache. 1.102 Billionen Gleitkommaoperationen pro Sekunde. Das sind 1,1 Exaflop. In der offiziellen Benchmark hat Frontier die Marke geknackt. Endlich.
„Frontier läutete eine neue Ära des Exascale-Computings ein und hilft damit, die größten wissenschaftlichen Herausforderungen der Welt zu meistern.“
Thomas Zacharia, Direktor des ORNL, sieht das genauso. Für ihn ist der Meilenstein erst der Anfang. Er ist der Vorgeschmack auf etwas, das noch viel größer ist. Die beispiellosen Fähigkeiten von Frontier als Werkzeug für die Wissenschaft.
Doch wie kommt man auf diese Leistung?
Frontier wurde gerade erst aufgebaut. Trotzdem beeindruckt er durch Effizienz. 8,7 Millionen Rechenkerne. Das ist die Muskulatur hinter der Rechenpower. Aber die wahre Stärke liegt in der Energiebilanz. 52,23 Gigaflop pro Watt.
Relativer Energieeffizient für dieses Niveau.
In einer Welt, in der Rechenzentren ständig mehr Strom verbrauchen, ist das kein kleines Detail. Es ist ein Schlüssel. Denn Exascale-Computing bedeutet nicht nur Geschwindigkeit. Es bedeutet, komplexe Probleme zu lösen, die vorher unmöglich schienen.
Wettervorhersagen. Klimamodellierung. Genomik.
Diese Aufgaben brauchen nicht nur mehr Power. Sie brauchen die richtige Power. Sterben, die nicht die Welt verbrennt, während sie sie berechnet.
Frontier zeigt, dass das möglich ist.
Die Ära hat begonnen. Was als Exascale beginnt, wird sich vielleicht bald als Pionierarbeit für das Post-Exascale Computing erweisen. Aber das ist ein anderes Kapitel.
Erstmal geht es um das, was jetzt ist.
Die Zahlen sind da. Die Maschine läuft. Und die wissenschaftlichen Herausforderungen warten.
Über Moores Gesetz hinaus skalieren: Die wahren Engpässe des Exascale-Computings
Thomas Lippert und Estela Suarez vom Jülich Supercomputing Centre beschönigen es nicht. Um zum Exascale-Computing zu gelangen, müssen nicht nur weitere Teile gekauft und ein großer roter Knopf gedrückt werden. Es ist eine Qual. Hunderte Schritte. Mehrere Komplexitätsebenen. Und die alten Regeln? Sie gelten nicht mehr.
Zwei Jahrzehnte lang war das Mooresche Gesetz ein zuverlässiger Vorhersager. Alle zehn Jahre stieg die Prozessorleistung um das Hundertfache. In Kombination mit anderen Supercomputing-Optimierungen bedeutete dies eine Vertausendfachung der Rohleistung. Diese Ära ist vorbei. Seit etwa 2005 sind diese Skalierungsgesetze außer Kraft gesetzt. Sie können sich bei der schweren Arbeit nicht mehr auf rohe Taktraten oder Transistordichte verlassen.
Das Hitzeproblem ist physischer Natur, nicht nur logistischer Natur
Reden wir über Energie. Hier trifft der Gummi auf die Straße. Ein einzelner Server-Rack in einem modernen Supercomputer verbraucht 150 Kilowatt elektrische Leistung. Denken Sie darüber nach. Das ist das Zehn- bis Fünfzehnfache des Stromverbrauchs einer Heizungsanlage in einem durchschnittlichen Einfamilienhaus.
Wenn Sie diese Hitze nicht bewältigen, verdampft das System innerhalb von Minuten. So einfach ist das.
Vor zehn Jahren war Luftkühlung ausreichend. Jetzt? Sie benötigen Warmwasserkühlsysteme. Sie sind effizienter. Sie saugen die Hitze ab, bevor sie das Silizium abtötet. Und weil sie die Abwärme so effektiv einfangen, können Sie sie direkt in die Heizsysteme des Gebäudes einleiten. Es geht nicht nur darum, den Computer am Leben zu halten; Es geht darum, die Anlage nicht zum Schmelzen zu bringen.
Verwaltung Tausender Maschinen
Dann gibt es noch die Managementebene. Wie verwaltet man ein System mit 10.000 Maschinen? Sie können es nicht manuell tun. Mit einem USB-Stick kann man nicht herumlaufen.
Manuelle Software-Updates sind in diesem Ausmaß ein Todesurteil. Sie benötigen orchestrierte Software. Sie benötigen ein System, das die gesamte Infrastruktur autonom verwalten kann. Wenn die Softwareschicht nicht robust ist, ist die Hardware nutzlos.
Warum wir mehr als nur „schneller“ brauchen
Warum also die Mühe machen? Warum eine Exascale-Maschine bauen?
Die Antwort liegt in der Auflösung. Bei der Klimasimulation stoßen wir derzeit an eine Wand. Auf einem Petascale-Supercomputer können wir für globale Modelle höchstens eine Gitterauflösung von 10 Kilometern erreichen. Wir wollen eine Auflösung von einem Kilometer. Wir müssen Hotspots erfassen – kleine Phänomene, die auf komplexe Weise interagieren. Sie können einen Hurrikan nicht genau simulieren, wenn Ihre Planquadrate die Größe eines kleinen Landes haben.
„Unsere Philosophie ist es, immer besser zu werden, größere und komplexere Probleme zu simulieren, damit wir am Ende ein immer realistischeres Bild der Welt haben.“
Dabei geht es nicht nur um das Wetter. Es geht um Molekulardynamik. Es geht um die Entdeckung von Medikamenten. Je höher die Rechenleistung, desto zuverlässiger ist die Simulation. Die Aussage, die Sie vom Computer erhalten, ist wissenschaftlich gültig und nicht nur eine grobe Schätzung.
Das Unverbindebare verbinden
Estela Suarez weist darauf hin, dass Genauigkeit nur die halbe Miete ist. Die andere Hälfte ist Integration. In der Klimawissenschaft kann man nicht nur die Atmosphäre modellieren. Man muss die Ozeane modellieren. Sie müssen die Erdoberfläche modellieren. All diese Variablen mathematisch zu verknüpfen ist unglaublich komplex.
Die Neurowissenschaften stehen vor derselben Wand. Wir wollen das gesamte menschliche Gehirn simulieren. Um Krankheiten zu verstehen, müssen wir jedoch gleichzeitig einzelne Neuronen und ihre spezifischen Funktionen betrachten. Die aktuelle Rechenleistung reicht nicht aus. Wir brauchen eine Exascale-Maschine, um die Lücke zwischen der Simulation auf Makroebene und den Details auf Mikroebene zu schließen.
Der Wandel zum heterogenen Computing
Da die Taktraten aufgrund von Hitze- und Strombeschränkungen an eine physikalische Grenze stießen, änderte sich die Branche. Wir begannen, mehr Kerne in jede Einheit zu packen. Aus diesem Grund verfügen Ihr Telefon und Ihr Laptop über Multi-Core-Prozessoren.
Dann haben wir uns woanders umgesehen. Grafikprozessoren (GPUs). Ursprünglich für Spiele entwickelt, bieten sie enorme parallele Rechenleistung bei relativ geringem Energieverbrauch. Supercomputer fressen sie auf.
Dieser Trend wird anhalten. Wir beschäftigen uns mit Technologien, die nicht für Supercomputing entwickelt wurden, aber zum Einsatz gezwungen werden können. Quantencomputer. Neuromorphe Chips, die das menschliche Gehirn nachahmen.
In Jülich setzt man auf eine modulare Architektur. Sie definieren verschiedene Cluster mit unterschiedlichen Hardwaremerkmalen. Du verbindest sie. Benutzer können auf diese Module gleichzeitig zugreifen, je nachdem, was ihr spezifischer Code erfordert. Es handelt sich nicht mehr um einen einheitlichen Monolithen. Es ist ein Toolkit.
Und es ist immer noch nicht genug. Wir werden immer die Grenzen überschreiten wollen. Die Exascale-Maschine ist nur der nächste Schritt, nicht die Ziellinie.
Software: Der wahre Engpass im Exascale-Computing
Jeder richtet seinen Blick auf das Silizium. Die Kühlsysteme. Die schiere Dichte der Prozessoren. Aber das ist nur die halbe Miete.
Hardware ist nur der Motor. Die Software ist das Lenkrad, das Getriebe und das Fahrerhandbuch – alles in einem komplexen Durcheinander. Wenn der Code dem Chaos nicht gewachsen ist, ist die Hardware nur ein teurer Briefbeschwerer.
Die Systeme werden fraktal komplex. Sie können nicht einfach mehr Kerne auf ein Problem werfen und eine lineare Skalierung erwarten. Die Heterogenität ist der Killer. Sie jonglieren mit GPUs, TPUs, speziellen Beschleunigern und herkömmlichen CPU-Clustern. Sie alle sprechen unterschiedliche Sprachen. Sie alle haben unterschiedliche Latenzprofile. Der Software-Stack muss diese Lücken schließen, ohne unter der Last seiner eigenen Abstraktionsschichten zusammenzubrechen.
Die Black Box zugänglich machen
Hier geht es nicht nur um Rohdatenverarbeitung. Es geht um Barrierefreiheit.
Forscher sind keine Systemadministratoren. Sie sind Biologen, Klimamodellierer und Astrophysiker. Die Cache-Kohärenz ist ihnen egal. Sie legen Wert auf Ergebnisse. Die Software muss die Komplexität verbergen. Es muss dem Endbenutzer eine einheitliche Schnittstelle bieten, auch wenn das Backend ein verworrenes Netz spezialisierter Hardware ist.
Die Rede ist von neuen Schnittstellen. Bessere Abstraktionsschichten. Tools, mit denen Anwendungscodes für Maschinen portiert und optimiert werden können, die es noch gar nicht gibt. Es ist zukunftsweisende Technik. Sie können nicht für eine Maschine optimieren, die Sie nur in einem Whitepaper gesehen haben.
Das DEEP-SEA-Projekt
Wir sehen, wie sich dies in Echtzeit abspielt. Schauen Sie sich das Projekt DEEP-SEA an. Es ist derzeit im Gange. Das Ziel? Entwicklung der nächsten Generation von Softwarepaketen, die speziell für Exascale-Umgebungen entwickelt wurden.
Sie patchen nicht nur alten Code. Sie bauen das Fundament wieder auf. Vorbereiten von Anwendungscodes für die effiziente Ausführung auf zukünftigen Architekturen. Es geht darum, die Middleware zu erstellen, die Exascale nutzbar macht. Nicht nur kraftvoll. Verwendbar.
Denn rohe Kraft spielt keine Rolle, wenn man sie nicht lenken kann.
