La course à la première place du TOP500 a toujours été brutale. Il s’agit d’une compétition définie par une vitesse brute et une consommation d’énergie massive. Désormais, le jeu a changé de façon permanente. Pour la première fois dans l’histoire, un supercalculateur franchit le seuil de l’exascale. Ce n’est pas un petit pas. C’est un saut dans une nouvelle ère informatique.
Frontier, situé au Oak Ridge National Laboratory aux États-Unis, a réalisé quelque chose de sans précédent. Il traite désormais 1 100 milliards d’opérations en virgule flottante par seconde. Ce chiffre à lui seul est difficile à visualiser. Pour mettre les choses en perspective, cela représente un milliard de milliards de calculs chaque seconde. Nous sommes officiellement entrés dans la gamme exaflop.
Mais qu’est-ce que cela signifie réellement pour le monde extérieur au laboratoire ? Et comment en sommes-nous arrivés là ?
Définir l’exaflop
Un exaflop correspond à un quintillion d’opérations à virgule flottante par seconde. Le terme vient de « flops », qui signifie Floating Point Operations. Il s’agit de la mesure standard pour mesurer les performances des supercalculateurs. Jusqu’à récemment, les pétaflops (un quadrillion) constituaient le plafond. Les exaflops représentent une multiplication par mille.
La réussite de Frontier n’est pas seulement une question de vitesse. C’est une question d’efficacité et d’architecture. Il utilise des processeurs AMD EPYC et des accélérateurs Radeon Instinct. Cette combinaison lui permet d’offrir des performances massives sans consommer l’intégralité du réseau électrique d’un petit pays. Eh bien, peut-être presque.
Comment cela est-il mesuré ?
Vous vous demandez peut-être comment un chiffre aussi stupéfiant est obtenu. La valeur provient du benchmark LINPACK. Il s’agit d’une suite de tests standard utilisée pour classer les supercalculateurs TOP500. Il résout un système d’équations linéaires. Plus une machine peut résoudre rapidement ces équations complexes, plus son classement est élevé.
Le score de Frontier de 1,1 exaflops sur LINPACK confirme sa domination. Il ne s’agit pas d’un maximum théorique. C’est une réalité mesurée. Cela signifie que le matériel peut supporter ce niveau de densité de calcul sous contrainte. Cela prouve que la conception fonctionne. Cela prouve que les systèmes de refroidissement, les interconnexions et la pile logicielle fonctionnent tous comme prévu.
Pourquoi c’est important maintenant
Vous vous demandez peut-être pourquoi nous avons besoin d’une machine capable d’effectuer un quintillion de calculs par seconde. La réponse réside dans la complexité. Certains problèmes sont trop difficiles pour les systèmes actuels. La modélisation climatique nécessite de simuler les interactions atmosphériques à un niveau granulaire. La découverte de médicaments implique la simulation d’interactions moléculaires avec une précision atomique. La formation à l’intelligence artificielle nécessite de traiter des ensembles de données massifs en un temps record.
Frontier peut gérer ces tâches. Il peut exécuter des simulations qui étaient auparavant impossibles. Cela peut raccourcir les délais de recherche de plusieurs années à quelques mois. Cela peut accélérer la découverte scientifique.
Pensez au repliement des protéines. Comprendre comment les protéines se replient est essentiel pour traiter les maladies. Frontier peut simuler ces processus avec une précision sans précédent. Cela conduit à de meilleurs traitements. Plus rapide. Plus efficacement.
Le changement de puissance de calcul
Ce n’est pas seulement une victoire pour Oak Ridge. Il s’agit d’un changement dans le paysage du calcul haute performance. Les barrières ont été brisées. D’autres laboratoires rechercheront ce numéro. Ils tenteront de le surpasser. Mais la base a changé.
L’ère de l’exascale est arrivée. Cela apporte de nouveaux défis. La consommation d’énergie est une préoccupation majeure. Mais cela apporte aussi de nouvelles opportunités. Nous ne sommes plus limités par la vitesse de nos machines. Nous sommes limités par la complexité du
Au-delà des références TOP500
Nous mesurons la puissance d’un ordinateur par le nombre d’opérations qu’il peut effectuer en une seconde. C’est la base de référence. Nous avons plus de noyaux. Nous disposons d’accélérateurs spécialisés. La vitesse brute est montée en flèche. Mais la métrique officielle du calcul intensif, la liste TOP500, utilise un programme spécifique. Il résout des systèmes massifs d’équations linéaires. Il utilise une double précision, ce qui signifie une précision de 64 bits. C’est la référence en matière de classement.
En 1997, nous avons atteint le cap du téraflop. Un billion d’opérations à virgule flottante par seconde. Puis vint 2008. L’ère du pétaflop commença. Un quadrillion d’opérations. C’était une grosse affaire. Cela signifiait que nous pouvions modéliser plus facilement des modèles météorologiques complexes et le repliement des protéines. Mais l’objectif s’est toujours déplacé vers le haut. Le prochain seuil symbolique était l’exaflop. Un quintillion de calculs par seconde.
Considérez l’échelle. L’univers a environ 10 $^{18}$ secondes. Si un humain avait résolu un seul problème chaque seconde depuis le Big Bang, un ordinateur exascale pourrait terminer cette même charge de travail en une seconde. Ce n’est pas seulement plus rapide. C’est une autre dimension du temps.
La science du monde réel chez Exaspeed
Christian Plessl du Centre de calcul parallèle de l’Université de Paderborn le sait bien. Lui et son équipe ont récemment réalisé une simulation à des vitesses véritablement exaflopiques. Ils ont utilisé le supercalculateur Perlmutter du National Energy Research Scientific Computing Center aux États-Unis. La cible ? La protéine Spike du virus SARS-CoV-2.
Il ne s’agissait pas d’une analyse de référence standard. Le TOP500 nécessite une précision de 64 bits. L’équipe de Plessl a plutôt utilisé une précision de 32/16 bits. Pourquoi? Pour la simulation au niveau atomique, ce niveau de détail est souvent suffisant et bien plus efficace. Le résultat était stupéfiant. La simulation de 83 millions d’atomes n’a pris que 42 secondes.
“La dimension de ce nombre devient plus claire lorsque l’on réalise que l’univers a environ 10$^{18}$ secondes.”
Ils ont exécuté environ 47 $ \times 10^{18}$ d’opérations à virgule flottante. Cela représente 1,1 exaflops. Un nouveau record du monde. Cela prouve que le calcul exascale n’est plus une étape théorique. C’est une réalité de travail pour la découverte scientifique.
Pourquoi les choix de précision sont importants
Le passage d’une précision de 64 bits à une précision de 32/16 bits met en évidence une tendance croissante en matière de calcul haute performance. Nous n’avons pas toujours besoin d’une précision maximale pour obtenir des résultats significatifs. Dans de nombreuses simulations, une précision réduite permet d’économiser énormément de temps et d’énergie. La liste TOP500 reste importante pour une comparaison standardisée. Cela nous indique qui possède la puissance la plus brute et en double précision. Mais la véritable science se déroule souvent en marge.
L’équipe de Plessl a montré que nous pouvons simuler des structures virales avec une précision atomique en quelques secondes. Cette vitesse est importante pour la découverte de médicaments. C’est important pour comprendre comment les protéines se replient. C’est important pour répondre aux pandémies. L’écart entre le classement et la réalité se réduit.
La course au prochain numéro continue. Mais l’accent change. Il ne s’agit pas seulement du nombre maximal sur une liste. Il s’agit de savoir ce que nous pouvons réellement faire avec ce pouvoir. Simuler une protéine de pointe de virus en 42 secondes change
Frontier : le premier Exascale-Rechner
Die Zahl est désormais officiel. 30 mai 2022. La liste TOP500, présentée à la conférence Supercomputing à Hambourg, est la meilleure.
Frontière.
Le superordinateur du laboratoire national d’Oak Ridge (ORNL) aux États-Unis n’est pas encore brillant. C’est le premier Exascale-Rechner der Welt. Et bien sûr, c’est la raison pour laquelle le Wissenschaftsgeschichte für immer verändert.
Die Zahlen sprechen eine clair Sprache. 1 102 000 milliards de milliards de dollars d’opérations pour la deuxième année. Cela donne 1,1 Exaflop. Dans le cadre officiel de Benchmark, Frontier est le produit du Marke. Endlich.
“Frontier ouvre une nouvelle ère des ordinateurs exascales, un et justement, les plus grands moyens technologiques du monde pour se développer.”
Thomas Zacharia, directeur de l’ORNL, le voit bien. Pour lui, c’est le Meilenstein qui est d’abord l’Anfang. C’est le Vorgeschmack auf etwas, qui est encore plus grand. Les meilleures pratiques de Frontier en tant qu’entreprise pour la société civile.
Doch wie kommt man auf ce Leistung?
Frontier wurde gerade erst aufgebaut. Trotzdem beeindruckt er durch Effizienz. 8,7 millions de dollars de revenus. C’est la Muskulatur qui se cache derrière le pouvoir politique. Mais les étoiles se trouvent dans le bilan énergétique. 52,23 Gigaflop par Watt.
Efficacité énergétique relative pour ce niveau.
Dans un monde entier, dans les centres de recherche, plus de Strom verbrauchen, c’est le petit détail. C’est un Schlüssel. Denn Exascale-Computing n’est pas disponible dans le cadre de son fonctionnement. Il s’agit d’un problème complexe à résoudre, qui pourrait être difficile à résoudre.
Wettervorhersagegen. Modélisation climatique. Génomique.
Ces aufgaben brauchen nicht nur mehr power. Vous pouvez utiliser la puissance riche. Die, die nicht die Welt verbrennt, während sie sie berechnet.
Frontier Zeigt, dass das möglich ist.
Die Ära hat begonnen. C’était également le début de l’Exascale, mais il était très probablement le pionnier de l’étude de l’informatique post-exascale. Il s’agit là d’un autre chapitre.
D’abord, c’est un jour, c’était jetzt ist.
Die Zahlen sind da. Die Maschine läuft. Und die wissenschaftlichen Herausforderungen warten.
Dépasser la loi de Moore : les véritables goulots d’étranglement de l’informatique exascale
Thomas Lippert et Estela Suarez du Jülich Supercomputing Center ne s’en cachent pas. Pour accéder à l’informatique Exascale, il ne suffit pas d’acheter plus de pièces et d’appuyer sur un gros bouton rouge. C’est une corvée. Des centaines de pas. Plusieurs niveaux de complexité. Et les anciennes règles ? Ils ne postulent plus.
Pendant deux décennies, la loi de Moore a été un indicateur fiable. Tous les dix ans, les performances des processeurs étaient multipliées par cent. Combiné avec d’autres optimisations de calcul intensif, cela signifiait une multiplication par mille de la puissance brute. Cette époque est révolue. Depuis 2005 environ, ces lois d’échelle ne sont plus en vigueur. Vous ne pouvez plus compter sur des vitesses d’horloge brutes ou sur la densité des transistors pour faire le gros du travail.
Le problème de la chaleur est physique, pas seulement logistique
Parlons d’énergie. C’est là que le caoutchouc rencontre la route. Un seul rack de serveur dans un superordinateur moderne consomme 150 kilowatts d’énergie électrique. Pensez-y. Cela représente dix à quinze fois la consommation électrique d’un système de chauffage dans une maison individuelle moyenne.
Si vous ne gérez pas cette chaleur, le système se vaporise en quelques minutes. C’est aussi simple que cela.
Il y a dix ans, le refroidissement par air suffisait. Maintenant? Vous avez besoin de systèmes de refroidissement à eau chaude. Ils sont plus efficaces. Ils aspirent la chaleur avant qu’elle ne tue le silicium. Et comme ils capturent si efficacement la chaleur perdue, vous pouvez la canaliser directement vers les systèmes de chauffage des bâtiments. Il ne s’agit pas seulement de maintenir l’ordinateur en vie ; il s’agit de ne pas faire fondre l’installation.
Gestion de milliers de machines
Ensuite, il y a la couche de gestion. Comment administrer un système de 10 000 machines ? Vous ne pouvez pas le faire manuellement. On ne peut pas se promener avec une clé USB.
Les mises à jour manuelles des logiciels sont une condamnation à mort à cette échelle. Vous avez besoin d’un logiciel orchestré. Vous avez besoin d’un système capable d’administrer l’ensemble de l’infrastructure de manière autonome. Si la couche logicielle n’est pas robuste, le matériel est inutile.
Pourquoi nous avons besoin de plus que simplement « plus rapide »
Alors pourquoi se donner du mal ? Pourquoi construire une machine Exascale ?
La réponse réside dans la résolution. En matière de simulation climatique, nous nous heurtons actuellement à un mur. Sur un supercalculateur pétascale, le mieux que nous puissions faire est une résolution de grille de 10 kilomètres pour les modèles globaux. Nous voulons une résolution d’un kilomètre. Nous devons capturer les points chauds, c’est-à-dire des phénomènes à petite échelle qui interagissent de manière complexe. Vous ne pouvez pas simuler un ouragan avec précision si les carrés de votre grille ont la taille d’un petit pays.
“Notre philosophie est de toujours s’améliorer, de simuler des problèmes plus vastes et plus complexes, pour qu’au final, nous ayons une image du monde de plus en plus réaliste.”
Ce n’est pas seulement une question de météo. Il s’agit de dynamique moléculaire. Il s’agit de découverte de médicaments. Si la puissance de calcul est plus élevée, la simulation est plus fiable. La déclaration que vous obtenez de l’ordinateur devient scientifiquement valide plutôt qu’une simple supposition.
Connecter l’inconnectable
Estela Suarez souligne que la précision ne représente que la moitié de la bataille. L’autre moitié est l’intégration. En science du climat, on ne peut pas simplement modéliser l’atmosphère. Il faut modéliser les océans. Vous devez modéliser la surface de la Terre. Relier mathématiquement toutes ces variables est incroyablement complexe.
Les neurosciences sont confrontées au même mur. Nous voulons simuler l’ensemble du cerveau humain. Mais pour comprendre les maladies, nous devons examiner simultanément les neurones individuels et leurs fonctions spécifiques. La puissance de calcul actuelle ne suffit pas. Nous avons besoin d’une machine Exascale pour combler cet écart entre la simulation au niveau macro et les détails au niveau micro.
Le passage à l’informatique hétérogène
Depuis que les vitesses d’horloge ont atteint une limite physique en raison de contraintes de chaleur et d’énergie, l’industrie a pivoté. Nous avons commencé à intégrer davantage de cœurs dans chaque unité. C’est pourquoi votre téléphone et votre ordinateur portable disposent de processeurs multicœurs.
Ensuite, nous avons cherché ailleurs. Unités de traitement graphique (GPU). Conçus à l’origine pour les jeux, ils offrent une puissance de traitement parallèle massive pour une consommation d’énergie relativement faible. Les supercalculateurs les dévorent.
Cette tendance va se poursuivre. Nous examinons des technologies qui n’ont pas été conçues pour le calcul intensif, mais qui peuvent être forcées de fonctionner. Ordinateurs quantiques. Des puces neuromorphiques qui imitent le cerveau humain.
A Juliers, on mise sur une architecture modulaire. Vous définissez différents clusters avec différentes caractéristiques matérielles. Vous les connectez. Les utilisateurs peuvent accéder à ces modules simultanément en fonction de ce que requiert leur code spécifique. Il ne s’agit plus d’un monolithe unique. C’est une boîte à outils.
Et ce n’est toujours pas suffisant. Nous aurons toujours envie de repousser les limites. La machine Exascale n’est que la prochaine étape, pas la ligne d’arrivée.
Logiciel : le véritable goulot d’étranglement de l’informatique exascale
Tout le monde fixe son regard sur le silicium. Les systèmes de refroidissement. La simple densité des processeurs. Mais ce n’est que la moitié de la bataille.
Le matériel n’est que le moteur. Le logiciel est le volant, la transmission et le manuel du conducteur, le tout réuni dans un désordre complexe. Si le code ne peut pas gérer le chaos, le matériel n’est qu’un presse-papier coûteux.
Les systèmes deviennent fractalement complexes. Vous ne pouvez pas simplement lancer plus de cœurs sur un problème et vous attendre à une mise à l’échelle linéaire. L’hétérogénéité tue. Vous jonglez avec les GPU, les TPU, les accélérateurs spécialisés et les clusters de CPU traditionnels. Ils parlent tous des langues différentes. Ils ont tous des profils de latence différents. La pile logicielle doit combler ces lacunes sans s’effondrer sous le poids de ses propres couches d’abstraction.
Rendre la boîte noire accessible
Il ne s’agit pas seulement de calcul brut. C’est une question d’accessibilité.
Les chercheurs ne sont pas des administrateurs système. Ce sont des biologistes, des modélisateurs climatiques et des astrophysiciens. Ils ne se soucient pas de la cohérence du cache. Ils se soucient des résultats. Le logiciel doit cacher la complexité. Il doit présenter une interface unifiée à l’utilisateur final, même si le backend est un enchevêtrement de matériel spécialisé.
Nous parlons de nouvelles interfaces. De meilleures couches d’abstraction. Des outils qui permettent de porter et d’optimiser les codes applicatifs pour des machines qui n’existent même pas encore. C’est une ingénierie avant-gardiste. Vous ne pouvez pas optimiser pour une machine que vous n’avez vue que dans un livre blanc.
Le projet DEEP-SEA
Nous voyons cela se dérouler en temps réel. Regardez le projet DEEP-SEA. C’est actuellement en cours. Le but ? Développer la prochaine génération de progiciels spécifiquement conçus pour les environnements exascale.
Ils ne se contentent pas de corriger l’ancien code. Ils reconstruisent les fondations. Préparer les codes d’application pour qu’ils s’exécutent efficacement sur les futures architectures. Il s’agit de créer le middleware qui rendra l’exascale utilisable. Pas seulement puissant. Utilisable.
Parce que la puissance brute n’a pas d’importance si vous ne pouvez pas la diriger.
