Perlombaan untuk posisi teratas dalam daftar TOP500 selalu brutal. Ini adalah kompetisi yang ditentukan oleh kecepatan mentah dan konsumsi daya yang besar. Kini, permainan tersebut telah berubah secara permanen. Untuk pertama kalinya dalam sejarah, superkomputer telah melewati ambang batas exascale. Ini bukanlah sebuah langkah kecil. Ini adalah lompatan menuju era baru komputasi.
Frontier, yang berlokasi di Laboratorium Nasional Oak Ridge di Amerika Serikat, telah mencapai sesuatu yang belum pernah terjadi sebelumnya. Sekarang ia memproses 1,1 triliun operasi floating-point per detik. Angka itu saja sulit untuk divisualisasikan. Sebagai gambaran, ini berarti satu miliar miliar kalkulasi setiap detiknya. Kami telah resmi memasuki kisaran exaflop.
Namun apa sebenarnya arti hal ini bagi dunia di luar lab? Dan bagaimana kita sampai di sini?
Mendefinisikan Exaflop
Exaflop adalah satu triliun operasi floating-point per detik. Istilah ini berasal dari “flops”, yang merupakan singkatan dari Floating Point Operations. Ini adalah metrik standar untuk mengukur kinerja superkomputer. Sampai saat ini, petaflops (satu kuadriliun) adalah puncaknya. Exaflop mewakili peningkatan seribu kali lipat.
Prestasi Frontier bukan hanya soal kecepatan. Ini tentang efisiensi dan arsitektur. Ini menggunakan prosesor AMD EPYC dan akselerator Radeon Instinct. Kombinasi ini memungkinkannya memberikan kinerja besar tanpa menghabiskan seluruh jaringan listrik di negara kecil. Yah, mungkin dekat dengan itu.
Bagaimana Cara Mengukurnya?
Anda mungkin bertanya-tanya bagaimana angka mengejutkan itu didapat. Nilai tersebut berasal dari benchmark LINPACK. Ini adalah rangkaian pengujian standar yang digunakan untuk menentukan peringkat superkomputer TOP500. Ini memecahkan sistem persamaan linear. Semakin cepat suatu mesin menyelesaikan persamaan rumit ini, semakin tinggi peringkatnya.
Skor Frontier sebesar 1,1 exaflops di LINPACK menegaskan dominasinya. Ini bukanlah batas maksimum teoritis. Ini adalah realitas yang terukur. Ini berarti perangkat keras dapat mempertahankan tingkat kepadatan komputasi ini di bawah tekanan. Ini membuktikan bahwa desainnya berhasil. Hal ini membuktikan bahwa sistem pendingin, interkoneksi, dan tumpukan perangkat lunak semuanya berfungsi sebagaimana mestinya.
Mengapa Ini Penting Sekarang
Anda mungkin bertanya mengapa kita membutuhkan mesin yang dapat melakukan satu triliun kalkulasi per detik. Jawabannya terletak pada kompleksitas. Beberapa permasalahan terlalu sulit untuk sistem yang ada saat ini. Pemodelan iklim memerlukan simulasi interaksi atmosfer pada tingkat yang terperinci. Penemuan obat melibatkan simulasi interaksi molekuler dengan presisi atom. Pelatihan kecerdasan buatan menuntut pemrosesan kumpulan data dalam jumlah besar dalam waktu singkat.
Frontier dapat menangani tugas-tugas ini. Itu dapat menjalankan simulasi yang sebelumnya tidak mungkin dilakukan. Hal ini dapat mempersingkat waktu penelitian dari tahun ke bulan. Hal ini dapat mempercepat penemuan ilmiah.
Pertimbangkan pelipatan protein. Memahami bagaimana protein terlipat adalah kunci untuk mengobati penyakit. Frontier dapat mensimulasikan proses ini dengan akurasi yang belum pernah terjadi sebelumnya. Hal ini mengarah pada perawatan yang lebih baik. Lebih cepat. Lebih efektif.
Pergeseran Kekuatan Komputasi
Ini bukan hanya kemenangan bagi Oak Ridge. Ini adalah pergeseran dalam lanskap komputasi berkinerja tinggi. Penghalang telah dipatahkan. Lab lain akan mengejar nomor ini. Mereka akan berusaha melampauinya. Namun landasannya telah berubah.
Era exascale telah tiba. Hal ini membawa tantangan baru. Konsumsi energi menjadi perhatian utama. Namun hal ini juga membawa peluang baru. Kami tidak lagi dibatasi oleh kecepatan mesin kami. Kita dibatasi oleh kompleksitasnya
Melampaui Tolok Ukur TOP500
Kami mengukur kekuatan komputer berdasarkan berapa banyak operasi yang dapat dilakukan dalam satu detik. Itu adalah garis dasarnya. Kami memiliki lebih banyak inti. Kami memiliki akselerator khusus. Kecepatan mentah telah meroket. Namun metrik resmi untuk superkomputer, daftar TOP500, menggunakan program tertentu. Ini memecahkan sistem persamaan linear yang sangat besar. Ini menggunakan presisi ganda, yang berarti akurasi 64-bit. Ini adalah standar emas untuk pemeringkatan.
Pada tahun 1997, kita mencapai angka teraflop. Satu triliun operasi floating-point per detik. Kemudian tibalah tahun 2008. Era petaflop dimulai. Satu kuadriliun operasi. Itu adalah masalah besar. Artinya, kita dapat memodelkan pola cuaca kompleks dan pelipatan protein dengan lebih mudah. Namun tujuannya selalu bergeser ke atas. Ambang batas simbolis berikutnya adalah exaflop. Satu triliun kalkulasi per detik.
Pertimbangkan skalanya. Alam semesta berumur kira-kira $10^{18}$detik. Jika manusia menyelesaikan satu masalah setiap detik sejak Big Bang, komputer berskala besar dapat menyelesaikan beban kerja yang sama dalam satu detik. Ini bukan hanya lebih cepat. Ini adalah dimensi waktu yang berbeda.
Sains Dunia Nyata di Exaspeed
Christian Plessl dari Pusat Komputasi Paralel di Universitas Paderborn mengetahui hal ini dengan baik. Dia dan timnya baru-baru ini menjalankan simulasi dengan kecepatan exaflop yang sebenarnya. Mereka menggunakan superkomputer Perlmutter di National Energy Research Scientific Computing Center di AS. Sasarannya? Protein lonjakan virus SARS-CoV-2.
Ini bukanlah benchmark standar yang dijalankan. TOP500 membutuhkan presisi 64-bit. Tim Plessl menggunakan presisi 32/16-bit sebagai gantinya. Mengapa? Untuk simulasi tingkat atom, tingkat detail tersebut seringkali cukup dan jauh lebih efisien. Hasilnya sangat mengejutkan. Simulasi 83 juta atom hanya membutuhkan waktu 42 detik.
“Dimensi angka ini menjadi lebih jelas ketika Anda menyadari bahwa alam semesta berumur sekitar $10^{18}$detik.”
Mereka mengeksekusi sekitar $47 \kali 10^{18}$ operasi floating-point. Itu adalah 1,1 exaflops. Sebuah rekor dunia baru. Hal ini membuktikan bahwa komputasi exascale tidak lagi menjadi tonggak teoritis. Ini adalah realitas kerja bagi penemuan ilmiah.
Mengapa Pilihan Presisi Itu Penting
Peralihan dari presisi 64-bit ke 32/16-bit menyoroti tren yang berkembang dalam komputasi performa tinggi. Kita tidak selalu membutuhkan ketelitian yang maksimal untuk mendapatkan hasil yang berarti. Dalam banyak simulasi, pengurangan presisi akan menghemat banyak energi dan waktu. Daftar TOP500 tetap penting untuk perbandingan standar. Ini memberi tahu kita siapa yang memiliki kekuatan presisi ganda paling mentah. Namun sains yang sebenarnya sering kali berada di pinggiran.
Tim Plessl menunjukkan bahwa kita dapat mensimulasikan struktur virus dengan akurasi atom dalam hitungan detik. Kecepatan ini penting untuk penemuan obat. Penting untuk memahami bagaimana protein terlipat. Hal ini penting untuk merespons pandemi. Kesenjangan antara peringkat dan kenyataan semakin menyempit.
Perlombaan untuk nomor berikutnya terus berlanjut. Namun fokusnya bergeser. Ini bukan hanya tentang angka puncak dalam daftar. Ini tentang apa yang sebenarnya bisa kita lakukan dengan kekuatan itu. Mensimulasikan protein lonjakan virus dalam 42 detik berubah
Frontier: yang pertama adalah Exascale-Rechner
Die Zahl sudah resmi. 30 Mei 2022. Daftar TOP500, ditampilkan di Supercomputing-Konferenz di Hamburg, sangat bagus.
Perbatasan.
Laboratorium Nasional Superkomputer des Oak Ridge (ORNL) di AS bukanlah hal yang mudah. Ini adalah Exascale-Rechner der Welt. Dan tentu saja Wissenschaftsgeschichte für immer verändert.
Die Zahlen sprechen eine klare Sprache. 1,102 Triliun Operasi Pembayaran Sekunde. Itu adalah 1,1 Exaflop. Secara resmi, topi Tolok Ukur Frontier die Marke geknackt. Endlich.
“Frontier läutete eine neue Ära des Exascale-Computings ein und hilft sial, die größten wissenschaftlichen Herausforderungen der Welt zu bewältigen.”
Thomas Zacharia, Direktur von ORNL, sieht das genauso. Untuk ini Meilenstein adalah Anfang. Ini adalah Vorgeschmack di atas, itu adalah hal yang lebih baik. Die beispiellosen Fähigkeiten von Frontier als Werkzeug für die Wissenschaft.
Apa yang harus dilakukan dengan Leistung ini?
Frontier wurde gerade erst aufgebaut. Trotzdem beeindruckt adalah Effizienz yang kuat. 8,7 Juta Rechenkerne. Ini adalah Muskulatur yang mengisyaratkan Rechenpower. Aber die di mana Starke berada di Energiebilanz. 52,23 Gigaflop untuk Watt.
Energieefisien relatif untuk dieses Niveau.
Di einer Welt, di der Rechenzentren ständig mehr Strom verbrauchen, ist das kein kleines Detail. Itu adalah Schlüssel. Denn Exascale-Computing tidak lagi berarti apa-apa. Tentu saja, masalah yang rumit akan hilang, karena tidak ada yang bisa dilakukan.
Agen basah. Klimamodellierung. genomik.
Diese Aufgaben brauchen nicht nur mehr Power. Sie brauchen die richtige Power. Mati, mati tidak mati, baiklah, kalau begitu.
Perbatasan zeigt, dass das möglich ist.
Die Ära hat begonnen. Jika Exascale dimulai, maka kita akan melihat bahwa itu adalah Pionierarbeit untuk Komputasi pasca-exascale. Aber das ist ein other Kapitel.
Geht pertama adalah um das, adalah jetzt ist.
Die Zahlen sind da. Mesinnya läuft. Dan itu adalah kebijaksanaan yang buruk.
Melewati Hukum Moore: Hambatan Nyata dalam Komputasi Exascale
Thomas Lippert dan Estela Suarez dari Jülich Supercomputing Center tidak menutup-nutupinya. Mendapatkan Komputasi Exascale bukan hanya soal membeli lebih banyak komponen dan menekan tombol merah besar. Ini adalah pekerjaan yang sulit. Ratusan langkah. Berbagai tingkat kompleksitas. Dan aturan lama? Mereka tidak berlaku lagi.
Selama dua dekade, Hukum Moore merupakan alat prediksi yang andal. Setiap sepuluh tahun, kinerja prosesor meroket hingga seratus kali lipat. Dikombinasikan dengan pengoptimalan superkomputer lainnya, hal ini berarti peningkatan daya mentah ribuan kali lipat. Era itu sudah berakhir. Sejak sekitar tahun 2005, undang-undang penskalaan tersebut telah dilanggar. Anda tidak dapat lagi mengandalkan kecepatan clock mentah atau kepadatan transistor untuk melakukan pekerjaan berat.
Masalah Panas Bersifat Fisik, Bukan Hanya Logistik
Mari kita bicara tentang energi. Di sinilah pertemuan karet dengan jalan. Sebuah rak server tunggal di superkomputer modern menghasilkan daya listrik sebesar 150 kilowatt. Pikirkan tentang itu. Itu berarti sepuluh hingga lima belas kali konsumsi daya sistem pemanas di rata-rata rumah keluarga tunggal.
Jika Anda tidak mengelola panas tersebut, sistem akan menguap dalam hitungan menit. Sesederhana itu.
Sepuluh tahun yang lalu, pendingin udara sudah cukup. Sekarang? Anda membutuhkan sistem pendingin air hangat. Mereka lebih efisien. Mereka menyedot panasnya sebelum membunuh silikon. Dan karena mereka menangkap limbah panas dengan sangat efektif, Anda dapat menyalurkannya langsung ke sistem pemanas gedung. Ini bukan hanya tentang menjaga komputer tetap hidup; ini tentang tidak mencairkan fasilitas tersebut.
Mengelola Ribuan Mesin
Lalu ada lapisan manajemen. Bagaimana Anda mengelola sistem dengan 10.000 mesin? Anda tidak dapat melakukannya secara manual. Anda tidak bisa berjalan-jalan dengan stik USB.
Pembaruan perangkat lunak manual adalah hukuman mati pada skala ini. Anda memerlukan perangkat lunak yang diatur. Anda memerlukan sistem yang dapat mengelola seluruh infrastruktur secara mandiri. Jika lapisan perangkat lunaknya tidak kuat, maka perangkat kerasnya tidak ada gunanya.
Mengapa Kita Membutuhkan Lebih Dari Sekadar “Lebih Cepat”
Jadi mengapa harus bersusah payah? Mengapa membuat mesin Exascale?
Jawabannya terletak pada resolusi. Dalam simulasi iklim, saat ini kita menemui jalan buntu. Pada superkomputer Petascale, hal terbaik yang dapat kami lakukan adalah resolusi grid 10 kilometer untuk model global. Kami ingin resolusi satu kilometer. Kita perlu menangkap titik-titik panas (hotspot)—fenomena berskala kecil yang berinteraksi dengan cara yang kompleks. Anda tidak dapat melakukan simulasi badai secara akurat jika kotak grid Anda berukuran sebesar negara kecil.
“Filosofi kami adalah untuk selalu menjadi lebih baik, menyimulasikan permasalahan yang lebih besar dan lebih kompleks, sehingga pada akhirnya, kami memiliki gambaran dunia yang semakin realistis.”
Ini bukan hanya tentang cuaca. Ini tentang dinamika molekuler. Ini tentang penemuan obat. Jika daya komputasi lebih tinggi, simulasi lebih dapat diandalkan. Pernyataan yang Anda peroleh dari komputer menjadi valid secara ilmiah, bukan sekadar tebakan kasar.
Menyambungkan Yang Tidak Dapat Dihubungkan
Estela Suarez menekankan bahwa akurasi hanyalah setengah dari pertarungan. Separuh lainnya adalah integrasi. Dalam ilmu iklim, Anda tidak bisa hanya memodelkan atmosfer. Anda harus membuat model lautan. Anda harus memodelkan permukaan bumi. Menghubungkan semua variabel ini secara matematis sangatlah rumit.
Ilmu saraf menghadapi tembok yang sama. Kami ingin mensimulasikan seluruh otak manusia. Namun untuk memahami penyakit, kita perlu melihat masing-masing neuron dan fungsi spesifiknya secara bersamaan. Kekuatan komputasi saat ini tidak cukup. Kita memerlukan mesin Exascale untuk menjembatani kesenjangan antara simulasi tingkat makro dan detail tingkat mikro.
Pergeseran ke Komputasi Heterogen
Karena kecepatan jam mencapai batas fisik karena keterbatasan panas dan daya, industri pun berubah. Kami mulai mengemas lebih banyak inti ke dalam setiap unit. Itu sebabnya ponsel dan laptop Anda memiliki prosesor multi-core.
Lalu, kami mencari di tempat lain. Unit Pemrosesan Grafis (GPU). Awalnya dibuat untuk bermain game, mereka menawarkan kekuatan pemrosesan paralel yang besar dengan konsumsi energi yang relatif rendah. Superkomputer memakannya.
Tren ini akan terus berlanjut. Kami sedang mencari teknologi yang tidak dibuat untuk superkomputer namun dapat dipaksa untuk berfungsi. Komputer kuantum. Chip neuromorfik yang meniru otak manusia.
Di Jülich, mereka bertaruh pada arsitektur modular. Anda mendefinisikan cluster yang berbeda dengan ciri perangkat keras yang berbeda. Anda menghubungkannya. Pengguna dapat mengakses modul-modul ini secara bersamaan berdasarkan kebutuhan kode spesifik mereka. Ini bukan lagi monolit yang universal. Ini adalah perangkat.
Dan itu masih belum cukup. Kami selalu ingin melampaui batas. Mesin Exascale hanyalah langkah selanjutnya, bukan garis finis.
Perangkat Lunak: Hambatan Nyata dalam Komputasi Exascale
Semua orang memusatkan pandangan mereka pada silikon. Sistem pendingin. Kepadatan prosesor. Tapi itu hanya setengah dari perjuangan.
Perangkat keras hanyalah mesinnya. Perangkat lunaknya adalah roda kemudi, transmisi, dan buku manual pengemudi, semuanya digabung menjadi satu kekacauan yang rumit. Jika kode tidak dapat mengatasi kekacauan tersebut, perangkat kerasnya hanyalah pemberat kertas yang mahal.
Sistem menjadi semakin kompleks. Anda tidak bisa begitu saja membuang lebih banyak inti pada suatu masalah dan mengharapkan penskalaan linier. Heterogenitas adalah pembunuhnya. Anda menggunakan GPU, TPU, akselerator khusus, dan cluster CPU tradisional. Mereka semua berbicara dalam bahasa yang berbeda. Semuanya memiliki profil latensi yang berbeda. Tumpukan perangkat lunak harus menjembatani kesenjangan ini tanpa runtuh karena beban lapisan abstraksinya sendiri.
Membuat Kotak Hitam Dapat Diakses
Ini bukan hanya tentang komputasi mentah. Ini tentang aksesibilitas.
Peneliti bukanlah administrator sistem. Mereka adalah ahli biologi, pemodel iklim, dan ahli astrofisika. Mereka tidak peduli dengan koherensi cache. Mereka peduli dengan hasil. Perangkat lunak perlu menyembunyikan kerumitannya. Ini perlu menghadirkan antarmuka terpadu kepada pengguna akhir, bahkan jika backend adalah jaringan perangkat keras khusus yang rumit.
Kita berbicara tentang antarmuka baru. Lapisan abstraksi yang lebih baik. Alat yang memungkinkan kode aplikasi di-porting dan dioptimalkan untuk mesin yang bahkan belum ada. Ini adalah rekayasa yang berpikiran maju. Anda tidak dapat mengoptimalkan mesin yang hanya Anda lihat di whitepaper.
Proyek LAUT DALAM
Kami melihat ini terjadi secara real-time. Lihatlah proyek DEEP-SEA. Saat ini sedang berlangsung. Tujuannya? Untuk mengembangkan paket perangkat lunak generasi berikutnya yang dirancang khusus untuk lingkungan exascale.
Mereka tidak hanya menambal kode lama. Mereka sedang membangun kembali fondasinya. Mempersiapkan kode aplikasi agar berjalan secara efisien pada arsitektur masa depan. Ini tentang menciptakan middleware yang akan membuat exascale dapat digunakan. Bukan hanya kuat. Dapat digunakan.
Karena tenaga mentah tidak jadi masalah jika tidak bisa mengarahkannya.
