A corrida pelo primeiro lugar na lista TOP500 sempre foi brutal. É uma competição definida pela velocidade bruta e pelo consumo massivo de energia. Agora, o jogo mudou permanentemente. Pela primeira vez na história, um supercomputador ultrapassou o limite da exaescala. Este não é um pequeno passo. É um salto para uma nova era da computação.
A Frontier, localizada no Laboratório Nacional de Oak Ridge, nos Estados Unidos, conseguiu algo sem precedentes. Agora processa 1,1 trilhão de operações de ponto flutuante por segundo. Esse número por si só é difícil de visualizar. Para colocar em perspectiva, isso representa um bilhão de bilhões de cálculos a cada segundo. Entramos oficialmente na faixa exaflop.
Mas o que isso realmente significa para o mundo fora do laboratório? E como chegamos aqui?
Definindo o Exaflop
Um exaflop é um quintilhão de operações de ponto flutuante por segundo. O termo vem de “flops”, que significa Operações de Ponto Flutuante. É a métrica padrão para medir o desempenho do supercomputador. Até recentemente, os petaflops (um quatrilhão) eram o teto. Exaflops representam um aumento de mil vezes.
A conquista da Frontier não se trata apenas de velocidade. É uma questão de eficiência e arquitetura. Ele usa processadores AMD EPYC e aceleradores Radeon Instinct. Essa combinação permite oferecer desempenho massivo sem consumir toda a rede elétrica de uma pequena nação. Bem, talvez perto disso.
Como isso é medido?
Você pode se perguntar como um número tão surpreendente é derivado. O valor vem do benchmark LINPACK. Este é um conjunto de testes padrão usado para classificar os supercomputadores TOP500. Ele resolve um sistema de equações lineares. Quanto mais rápido uma máquina conseguir resolver essas equações complexas, maior será sua classificação.
A pontuação da Frontier de 1,1 exaflops no LINPACK confirma seu domínio. Não é um máximo teórico. É uma realidade medida. Isso significa que o hardware pode sustentar esse nível de densidade computacional sob estresse. Isso prova que o design funciona. Isso prova que os sistemas de refrigeração, as interconexões e a pilha de software estão funcionando conforme planejado.
Por que isso é importante agora
Você pode perguntar por que precisamos de uma máquina que possa fazer quintilhões de cálculos por segundo. A resposta está na complexidade. Alguns problemas são demasiado difíceis para os sistemas actuais. A modelagem climática requer a simulação de interações atmosféricas em um nível granular. A descoberta de medicamentos envolve a simulação de interações moleculares com precisão atômica. O treinamento em inteligência artificial exige o processamento de enormes conjuntos de dados em tempo recorde.
Frontier pode lidar com essas tarefas. Ele pode executar simulações que antes eram impossíveis. Pode reduzir os prazos de pesquisa de anos para meses. Pode acelerar a descoberta científica.
Considere o enovelamento de proteínas. Compreender como as proteínas se dobram é fundamental para o tratamento de doenças. A Frontier pode simular esses processos com uma precisão sem precedentes. Isso leva a melhores tratamentos. Mais rápido. De forma mais eficaz.
A mudança no poder da computação
Esta não é apenas uma vitória para Oak Ridge. É uma mudança no cenário da computação de alto desempenho. As barreiras foram quebradas. Outros laboratórios irão perseguir esse número. Eles tentarão superá-lo. Mas a linha de base mudou.
A era da exaescala chegou. Traz novos desafios. O consumo de energia é uma grande preocupação. Mas também traz novas oportunidades. Não estamos mais limitados pela velocidade de nossas máquinas. Estamos limitados pela complexidade do
Além dos benchmarks TOP500
Medimos o poder do computador pela quantidade de operações que ele pode realizar em um segundo. Essa é a linha de base. Temos mais núcleos. Temos aceleradores especializados. A velocidade bruta disparou. Mas a métrica oficial para supercomputação, a lista TOP500, utiliza um programa específico. Ele resolve sistemas massivos de equações lineares. Ele usa precisão dupla, o que significa precisão de 64 bits. Este é o padrão ouro para classificação.
Em 1997, atingimos a marca dos teraflops. Um trilhão de operações de ponto flutuante por segundo. Então veio 2008. A era do petaflop começou. Um quatrilhão de operações. Isso foi um grande negócio. Isso significava que poderíamos modelar padrões climáticos complexos e enovelamento de proteínas com mais facilidade. Mas o objetivo sempre mudou para cima. O próximo limite simbólico foi o exaflop. Um quintilhão de cálculos por segundo.
Considere a escala. O universo tem aproximadamente $10^{18}$ segundos. Se um ser humano resolvesse um único problema a cada segundo desde o Big Bang, um computador em exaescala poderia terminar a mesma carga de trabalho em um segundo. Não é apenas mais rápido. É uma dimensão diferente de tempo.
Ciência do mundo real na Exaspeed
Christian Plessl, do Centro de Computação Paralela da Universidade de Paderborn, sabe disso muito bem. Ele e sua equipe realizaram recentemente uma simulação em velocidades reais de exaflop. Eles usaram o supercomputador Perlmutter no Centro Nacional de Computação Científica de Pesquisa Energética, nos EUA. O alvo? A proteína spike do vírus SARS-CoV-2.
Esta não foi uma execução de benchmark padrão. O TOP500 requer precisão de 64 bits. A equipe de Plessl usou precisão de 32/16 bits. Por que? Para simulação em nível atômico, esse nível de detalhe costuma ser suficiente e muito mais eficiente. O resultado foi surpreendente. A simulação de 83 milhões de átomos levou apenas 42 segundos.
“A dimensão deste número fica mais clara quando você percebe que o universo tem cerca de $10^{18}$ segundos de idade.”
Eles executaram cerca de $47 \times 10^{18}$ operações de ponto flutuante. Isso é 1,1 exaflops. Um novo recorde mundial. Isso prova que a computação em exaescala não é mais um marco teórico. É uma realidade funcional para a descoberta científica.
Por que as escolhas de precisão são importantes
A mudança da precisão de 64 bits para 32/16 bits destaca uma tendência crescente na computação de alto desempenho. Nem sempre precisamos da máxima precisão para obter resultados significativos. Em muitas simulações, a precisão reduzida economiza enormes quantidades de energia e tempo. A lista TOP500 continua importante para comparação padronizada. Diz-nos quem tem o poder mais bruto e de dupla precisão. Mas a verdadeira ciência muitas vezes acontece nas margens.
A equipe de Plessl mostrou que podemos simular estruturas virais com precisão atômica em segundos. Essa velocidade é importante para a descoberta de medicamentos. É importante entender como as proteínas se dobram. É importante para responder às pandemias. A lacuna entre a classificação e a realidade está diminuindo.
A corrida pelo próximo número continua. Mas o foco está mudando. Não se trata apenas do número máximo de uma lista. É sobre o que podemos realmente fazer com esse poder. Simular uma proteína de pico de vírus em mudanças de 42 segundos
Fronteira: o primeiro Exascale-Rechner
Die Zahl é agora oficial. 30 de maio de 2022. A lista TOP500, lançada no Supercomputing-Konferenz em Hamburgo, é a melhor.
Fronteira.
O supercomputador do Laboratório Nacional de Oak Ridge (ORNL) nos EUA não é uma novidade. Er ist der erste echte Exascale-Rechner der Welt. E damit hat sich die Wissenschaftsgeschichte für immer verändert.
Die Zahlen fala uma coisa clara. 1.102 trilhões de operações operacionais por trimestre. É 1,1 Exaflop. O Benchmark oficial da Frontier foi o Markeknackt. Endlich.
“Frontier läutete eine neue Ära des Exascale-Computings ein und hilft damit, die größten wissenschaftlichen Herausforderungen der Welt zu bewältigen.”
Thomas Zacharia, Diretor do ORNL, sieht das genauso. Für ihn ist der Meilenstein erst der Anfang. Er ist der Vorgeschmack auf etwas, das noch viel größer ist. Os beispiellosen Fähigkeiten von Frontier als Werkzeug für die Wissenschaft.
Doch wie kommt man auf this Leistung?
Frontier wurde gerade primeiro aufgebaut. Trotzdem beeindruckt é durch Effizienz. 8,7 milhões de Rechenkerne. Das ist die Muskulatur hinter der Rechenpower. No entanto, as estrelas estão no equilíbrio de energia. 52,23 Gigaflop por Watt.
Eficiência energética relativa para este nível.
In einer Welt, in der Rechenzentren ständig mehr Strom verbrauchen, ist das kein kleines Detail. Es ist ein Schlüssel. Esta Exascale-Computing não é um método de gerenciamento. É um problema complexo para ser resolvido, o que o torna incompreensível.
Wettervorhersagen. Modelo climático. Genomik.
Este aumento de potência não é mais poderoso. Sie brauchen die richtige Power. Die, die nicht die Welt verbrennt, während sie sie berechnet.
Frontier zeigt, dass das möglich ist.
Die Ära começou. Foi também o início da Exaescala, que foi considerado pioneiro na computação pós-exaescala. Aber das ist ein anderes Kapitel.
Erstmal geht es um das, was jetzt ist.
Die Zahlen é o pai. Die Maschine läuft. E os wissenschaftlichen Herausforderungen warten.
Superando a Lei de Moore: Os verdadeiros gargalos da computação Exascale
Thomas Lippert e Estela Suarez, do Jülich Supercomputing Center, não estão adoçando isso. Chegar à computação Exascale não é apenas uma questão de comprar mais peças e apertar um grande botão vermelho. É uma tarefa árdua. Centenas de passos. Vários níveis de complexidade. E as regras antigas? Eles não se aplicam mais.
Durante duas décadas, a Lei de Moore foi um preditor confiável. A cada dez anos, o desempenho do processador aumentava cem vezes mais. Combinado com outras otimizações de supercomputação, isso significou um aumento mil vezes maior na potência bruta. Essa era acabou. Desde cerca de 2005, essas leis de escalonamento foram violadas. Você não pode mais confiar nas velocidades de clock brutas ou na densidade do transistor para fazer o trabalho pesado.
O problema do calor é físico, não apenas logístico
Vamos falar sobre energia. É aqui que a borracha encontra a estrada. Um único rack de servidor em um supercomputador moderno consome 150 quilowatts de energia elétrica. Pense nisso. Isto representa dez a quinze vezes o consumo de energia de um sistema de aquecimento numa residência unifamiliar média.
Se você não administrar esse calor, o sistema vaporizará em minutos. É tão simples.
Há dez anos, o resfriamento do ar era suficiente. Agora? Você precisa de sistemas de refrigeração com água quente. Eles são mais eficientes. Eles sugam o calor antes que ele mate o silício. E como eles capturam o calor residual de forma tão eficaz, você pode canalizá-lo diretamente para os sistemas de aquecimento do edifício. Não se trata apenas de manter o computador funcionando; trata-se de não derreter as instalações.
Gerenciando milhares de máquinas
Depois, há a camada de gerenciamento. Como você administra um sistema com 10.000 máquinas? Você não pode fazer isso manualmente. Você não pode andar por aí com um pendrive.
As atualizações manuais de software são uma sentença de morte nesta escala. Você precisa de software orquestrado. Você precisa de um sistema que possa administrar toda a infraestrutura de forma autônoma. Se a camada de software não for robusta, o hardware será inútil.
Por que precisamos de mais do que apenas “mais rápido”
Então, por que passar por esse problema? Por que construir uma máquina Exascale?
A resposta está na resolução. Na simulação climática, atualmente batemos num muro. Num supercomputador Petascale, o melhor que podemos fazer é uma resolução de grelha de 10 quilómetros para modelos globais. Queremos resolução de um quilômetro. Precisamos capturar pontos críticos – fenômenos de pequena escala que interagem de maneiras complexas. Você não pode simular um furacão com precisão se os quadrados da grade forem do tamanho de um país pequeno.
“Nossa filosofia é melhorar sempre, simular problemas maiores e mais complexos, para que no final tenhamos uma imagem cada vez mais realista do mundo.”
Não se trata apenas do clima. É sobre dinâmica molecular. É sobre descoberta de medicamentos. Se o poder de computação for maior, a simulação será mais confiável. A afirmação que você obtém do computador torna-se cientificamente válida, em vez de apenas um palpite aproximado.
Conectando o Inconectável
Estela Suarez ressalta que a precisão é apenas metade da batalha. A outra metade é a integração. Na ciência climática, não se pode simplesmente modelar a atmosfera. Você tem que modelar os oceanos. Você tem que modelar a superfície da Terra. Conectar matematicamente todas essas variáveis é incrivelmente complexo.
A neurociência enfrenta o mesmo muro. Queremos simular todo o cérebro humano. Mas para compreender as doenças, precisamos de olhar simultaneamente para os neurónios individuais e para as suas funções específicas. O poder de computação atual não é suficiente. Precisamos de uma máquina Exascale para preencher a lacuna entre a simulação em nível macro e os detalhes em nível micro.
A mudança para a computação heterogênea
Como a velocidade do clock atingiu um limite físico devido às restrições de calor e energia, a indústria mudou. Começamos a colocar mais núcleos em cada unidade. É por isso que seu telefone e laptop possuem processadores multi-core.
Então, procuramos em outro lugar. Unidades de processamento gráfico (GPUs). Originalmente construídos para jogos, eles oferecem enorme poder de processamento paralelo para um consumo de energia relativamente baixo. Os supercomputadores estão devorando-os.
Esta tendência continuará. Estamos analisando tecnologias que não foram desenvolvidas para supercomputação, mas que podem ser forçadas a funcionar. Computadores quânticos. Chips neuromórficos que imitam o cérebro humano.
Na Jülich apostam numa arquitetura modular. Você define clusters diferentes com características de hardware diferentes. Você os conecta. Os usuários podem acessar esses módulos simultaneamente com base nas exigências de seu código específico. Não é mais um monólito que serve para todos. É um kit de ferramentas.
E ainda não é suficiente. Sempre quereremos ultrapassar os limites. A máquina Exascale é apenas o próximo passo, não a linha de chegada.
Software: o verdadeiro gargalo na computação Exascale
Todos fixam o olhar no silício. Os sistemas de refrigeração. A grande densidade dos processadores. Mas isso é apenas metade da batalha.
O hardware é apenas o motor. O software é o volante, a transmissão e o manual do motorista, tudo reunido em uma bagunça complexa. Se o código não consegue lidar com o caos, o hardware é apenas um peso de papel caro.
Os sistemas estão ficando fractalmente complexos. Você não pode simplesmente adicionar mais núcleos a um problema e esperar uma escala linear. A heterogeneidade é o assassino. Você está fazendo malabarismos com GPUs, TPUs, aceleradores especializados e clusters de CPU tradicionais. Todos falam línguas diferentes. Todos eles têm perfis de latência diferentes. A pilha de software precisa preencher essas lacunas sem entrar em colapso sob o peso de suas próprias camadas de abstração.
Tornando a caixa preta acessível
Não se trata apenas de computação bruta. É uma questão de acessibilidade.
Os pesquisadores não são administradores de sistemas. Eles são biólogos, modeladores climáticos e astrofísicos. Eles não se importam com a coerência do cache. Eles se preocupam com os resultados. O software precisa esconder a complexidade. Ele precisa apresentar uma interface unificada ao usuário final, mesmo que o backend seja uma teia emaranhada de hardware especializado.
Estamos falando de novas interfaces. Melhores camadas de abstração. Ferramentas que permitem portar e otimizar códigos de aplicações para máquinas que ainda nem existem. É uma engenharia com visão de futuro. Você não pode otimizar para uma máquina que você viu apenas em um whitepaper.
O Projeto DEEP-SEA
Estamos vendo isso acontecer em tempo real. Veja o projeto DEEP-SEA. Atualmente está em andamento. O objetivo? Desenvolver a próxima geração de pacotes de software projetados especificamente para ambientes exascale.
Eles não estão apenas corrigindo códigos antigos. Eles estão reconstruindo a base. Preparar códigos de aplicativos para execução eficiente em arquiteturas futuras. Trata-se de criar o middleware que tornará a exascale utilizável. Não apenas poderoso. Utilizável.
Porque a força bruta não importa se você não puder direcioná-la.
