Гонка за первое место в рейтинге TOP500 всегда была жестокой. Это соревнование, определяемое чистой скоростью и огромным энергопотреблением. Теперь правила игры навсегда изменились. Впервые в истории суперкомпьютер преодолел порог эксафлопса. Это не маленький шаг. Это прыжок в новую эру вычислений.
Frontier, расположенный в Национальной лаборатории Оук-Ридж в США, достиг беспрецедентного результата. Теперь он обрабатывает 1,1 триллиона операций с плавающей запятой в секунду. Это число трудно представить. Для сравнения: это один миллиард миллиардов вычислений каждую секунду. Мы официально вошли в диапазон эксафлопсов.
Но что это на самом деле означает для мира за пределами лаборатории? И как мы до этого дошли?
Определение эксафлопса
Эксафлопс — это один квинтиллион операций с плавающей запятой в секунду. Термин происходит от «флопсов» (flops), что означает Floating Point Operations (операции с плавающей запятой). Это стандартная метрика для измерения производительности суперкомпьютеров. До недавнего времени пределом были петафлопсы (один квадриллион). Эксафлопсы представляют собой увеличение в тысячу раз.
Достижение Frontier — это не только скорость. Это также эффективность и архитектура. Он использует процессоры AMD EPYC и ускорители Radeon Instinct. Эта комбинация позволяет обеспечивать огромную производительность, не потребляя всю энергосеть небольшой страны. Ну, или почти всю.
Как это измеряется?
Возможно, вы задаетесь вопросом, как получается такое ошеломляющее число. Значение получается с помощью бенчмарка LINPACK. Это стандартный набор тестов, используемый для ранжирования суперкомпьютеров TOP500. Он решает систему линейных уравнений. Чем быстрее машина может решить эти сложные уравнения, тем выше ее рейтинг.
Результат Frontier в 1,1 эксафлопса на LINPACK подтверждает его доминирование. Это не теоретический максимум. Это измеренная реальность. Это означает, что аппаратное обеспечение может поддерживать этот уровень вычислительной плотности под нагрузкой. Это доказывает, что конструкция работает. Это доказывает, что системы охлаждения, межсоединения и программный стек функционируют как задумано.
Почему это важно сейчас
Вы можете спросить, зачем нам машина, способная выполнять квинтиллион вычислений в секунду. Ответ кроется в сложности. Некоторые задачи слишком сложны для текущих систем. Моделирование климата требует симуляции атмосферных взаимодействий на детальном уровне. Открытие новых лекарств включает моделирование молекулярных взаимодействий с атомной точностью. Обучение искусственного интеллекта требует обработки огромных наборов данных в рекордное время.
Frontier может справляться с этими задачами. Он может запускать симуляции, которые ранее были невозможны. Он может сократить сроки исследований с лет до месяцев. Он может ускорить научные открытия.
Возьмем, к примеру, фолдинг (сворачивание) белков. Понимание того, как сворачиваются белки, является ключом к лечению заболеваний. Frontier может моделировать эти процессы с беспрецедентной точностью. Это приводит к созданию лучших методов лечения. Быстрее. Эффективнее.
Сдвиг в вычислительной мощности
Это не просто победа для Оук-Ридж. Это сдвиг в ландшафте высокопроизводительных вычислений. Барьеры разрушены. Другие лаборатории будут стремиться к этому числу. Они попытаются превзойти его. Но базовый уровень изменился.
Эра эксафлопсов наступила. Она приносит новые вызовы. Потребление энергии является серьезной проблемой. Но она также открывает новые возможности. Мы больше не ограничены скоростью наших машин. Мы ограничены сложностью
За пределами бенчмарков TOP500
Мы измеряем вычислительную мощность компьютера тем, сколько операций он может выполнить за секунду. Это базовый показатель. У нас больше ядер. У нас есть специализированные ускорители. Сырая скорость взлетела до небес. Но официальный метрика суперкомпьютеров, список TOP500, использует специфическую программу. Она решает огромные системы линейных уравнений. Она использует двойную точность, что означает 64-битную точность. Это золотой стандарт для рейтинга.
В 1997 году мы достигли отметки в терафлопс. Один триллион операций с плавающей запятой в секунду. Затем наступил 2008 год. Началась эра петафлопсов. Один квадриллион операций. Это было большим событием. Это означало, что мы могли с большим удобством моделировать сложные погодные паттерны и сворачивание белков. Но цель всегда смещалась вверх. Следующим символическим порогом стал экзафлопс. Один квинтиллион вычислений в секунду.
Рассмотрим масштаб. Возраст Вселенной составляет примерно $10^{18}$ секунд. Если бы человек решал одну задачу каждую секунду с момента Большого взрыва, компьютер эксафлопсного уровня мог бы выполнить ту же работу за одну секунду. Это не просто быстрее. Это другое измерение времени.
Реальная наука на скорости эксафлопсов
Кристиан Плессль из Центра параллельных вычислений Университета Падерборна хорошо это знает. Он и его команда недавно провели симуляцию на истинной скорости в экзафлопсы. Они использовали суперкомпьютер Perlmutter в Национальном центре научных вычислений в области энергетики США. Цель? Шиповидный белок вируса SARS-CoV-2.
Это не был стандартный запуск бенчмарка. TOP500 требует точности 64 бита. Команда Плессля вместо этого использовала точность 32/16 бит. Почему? Для моделирования на атомном уровне этой детализации часто бывает достаточно, и она значительно более эффективна. Результат был ошеломляющим. Симуляция 83 миллионов атомов заняла всего 42 секунды.
«Размер этого числа становится понятнее, когда вы осознаете, что возраст Вселенной составляет около $10^{18}$ секунд.»
Они выполнили около $47 \times 10^{18}$ операций с плавающей запятой. Это 1,1 экзафлопса. Новый мировой рекорд. Это доказывает, что вычисления эксафлопсного уровня больше не являются теоретической вехой. Это рабочая реальность для научных открытий.
Почему выбор точности имеет значение
Переход от 64-битной к 32/16-битной точности подчеркивает растущий тренд в высокопроизводительных вычислениях. Нам не всегда нужна максимальная точность, чтобы получить значимые результаты. Во многих симуляциях сниженная точность экономит огромное количество энергии и времени. Список TOP500 остается важным для стандартизированного сравнения. Он показывает, у кого есть наибольшая сырая мощность двойной точности. Но настоящая наука часто происходит на периферии.
Команда Плессля показала, что мы можем моделировать вирусные структуры с атомарной точностью за секунды. Эта скорость важна для разработки лекарств. Она важна для понимания того, как сворачиваются белки. Она важна для реагирования на пандемии. Разрыв между рейтингом и реальностью сокращается.
Гонка за следующим числом продолжается. Но фокус смещается. Речь идет не только о пиковом числе в списке. Речь идет о том, что мы можем реально сделать с этой мощностью. Моделирование шиповидного белка вируса за 42 секунды меняет
Frontier: первый в мире суперкомпьютер эксафлопного уровня
Это число теперь официально. 30 мая 2022 года. Список TOP500, опубликованный на конференции Supercomputing в Гамбурге, подтвердил это.
Frontier.
Суперкомпьютер Национальной лаборатории Ок-Ридж (ORNL) в США — это не просто быстро. Это первый в мире настоящий суперкомпьютер эксафлопного уровня. И тем самым история науки навсегда изменилась.
Цифры говорят сами за себя. 1,102 триллиона операций с плавающей запятой в секунду. Это 1,1 эксафлоп. В официальном бенчмарке Frontier преодолел эту отметку. Наконец-то.
«Frontier открыл новую эру вычислений эксафлопного уровня и помогает решать самые сложные научные задачи мира.»
Томас Захария, директор ORNL, разделяет это мнение. Для него эта веха — лишь начало. Это предвкушение чего-то гораздо большего. Невероятные возможности Frontier как инструмента для науки.
Но как достигается такая производительность?
Frontier был построен совсем недавно. Тем не менее, он впечатляет своей эффективностью. 8,7 миллионов вычислительных ядер. Это «мышцы», стоящие за вычислительной мощью. Но настоящая сила заключается в энергетическом балансе. 52,23 гигфлопа на ватт.
Относительно энергоэффективно для такого уровня.
В мире, где центры обработки данных постоянно потребляют всё больше электроэнергии, это не просто деталь. Это ключ. Ведь вычисления эксафлопного уровня означают не только скорость. Они означают решение сложных проблем, которые ранее казались невозможными.
Прогноз погоды. Климатическое моделирование. Геномика.
Эти задачи требуют не просто большей мощности. Им нужна правильная мощность. Та, которая не сжигает планету, пока вычисляет эти задачи.
Frontier демонстрирует, что это возможно.
Эра началась. То, что начинается как эксафлопные вычисления, возможно, вскоре окажется пионерской работой для пост-эксафлопных вычислений. Но это уже другая история.
Сначала же речь идёт о том, что есть сейчас.
Цифры на месте. Машина работает. А научные задачи ждут своего решения.
Масштабирование за пределы закона Мура: реальные узкие места эксафлопсных вычислений
Томас Липперт и Эстела Суарес из Суперкомпьютерного центра в Юлихе не приукрашивают ситуацию. Переход к эксафлопсным вычислениям — это не просто вопрос покупки дополнительных компонентов и нажатия большой красной кнопки. Это тяжелый труд. Сотни этапов. Множество уровней сложности. И старые правила? Они больше не действуют.
Двадцать лет закон Мура был надежным предиктором. Каждые десять лет производительность процессоров возрастала в сто раз. В сочетании с другими оптимизациями в суперкомпьютерной сфере это означало увеличение чистой мощности в тысячу раз. Эта эпоха закончилась. Примерно с 2005 года эти законы масштабирования перестали работать. Вы больше не можете полагаться на частоту тактового сигнала или плотность транзисторов для выполнения основной работы.
Проблема тепла носит физический, а не только логистический характер
Поговорим об энергии. Именно здесь теория встречается с практикой. Один серверный шкаф в современном суперкомпьютере потребляет 150 киловатт электроэнергии. Подумайте об этом. Это в десять-пятнадцать раз больше, чем потребление системой отопления в среднем частном доме.
Если не управлять этим теплом, система испарится за считанные минуты. Все просто.
Десять лет назад было достаточно воздушного охлаждения. Теперь? Вам нужны системы охлаждения с циркуляцией теплой воды. Они более эффективны. Они отводят тепло до того, как оно уничтожит кремниевые чипы. И поскольку они эффективно улавливают отработанное тепло, его можно напрямую подавать в системы отопления зданий. Речь идет не только о том, чтобы сохранить компьютер в живых; речь идет о том, чтобы не расплавить само здание.
Управление тысячами машин
Затем идет слой управления. Как администрировать систему, состоящую из 10 000 машин? Вы не можете делать это вручную. Вы не можете ходить с флешкой.
Ручное обновление программного обеспечения при таких масштабах равносильно смертному приговору. Вам нужно оркестрированное программное обеспечение. Вам нужна система, способная автономно администрировать всю инфраструктуру. Если программный слой не надежен, аппаратное обеспечение бесполезно.
Почему нам нужно больше, чем просто «быстрее»
Так зачем проходить через все эти трудности? Зачем строить эксафлопсную машину?
Ответ кроется в разрешающей способности. В климатическом моделировании мы сейчас упираемся в стену. На петафлопсном суперкомпьютере лучшее, чего мы можем добиться, — это сетка с разрешением 10 километров для глобальных моделей. Нам нужно разрешение в один километр. Нам необходимо улавливать локальные зоны — явления малого масштаба, которые взаимодействуют сложным образом. Вы не можете точно смоделировать ураган, если квадраты вашей сетки размером с небольшую страну.
«Наша философия заключается в том, чтобы постоянно становиться лучше, моделировать более крупные и сложные проблемы, чтобы в итоге получить все более реалистичную картину мира».
Речь идет не только о погоде. Это молекулярная динамика. Это открытие новых лекарств. Если вычислительная мощность выше, симуляция более надежна. Результат, который вы получаете от компьютера, становится научно обоснованным, а не просто грубой оценкой.
Соединение несоединимого
Эстела Суарес отмечает, что точность — это только половина дела. Вторая половина — это интеграция. В климатических науках нельзя моделировать только атмосферу. Вы должны моделировать океаны. Вы должны моделировать поверхность Земли. Математическое связывание всех этих переменных невероятно сложно.
Нейробиология сталкивается с той же стеной. Мы хотим смоделировать весь человеческий мозг. Но чтобы понять болезни, нам нужно одновременно рассматривать отдельные нейроны и их специфические функции. Текущей вычислительной мощности для этого недостаточно. Нам нужна эксафлопсная машина, чтобы преодолеть разрыв между макроскопическим моделированием и микроскопическими деталями.
Переход к гетерогенным вычислениям
Поскольку частота тактового сигнала достигла физического предела из-за ограничений по теплу и энергии, индустрия изменила курс. Мы начали упаковывать больше ядер в каждый модуль. Именно поэтому ваши телефоны и ноутбуки имеют многоядерные процессоры.
Затем мы обратили внимание на другие решения. Графические процессоры (GPU). Изначально созданные для игр, они предлагают огромную мощность параллельной обработки при относительно низком энергопотреблении. Суперкомпьютеры активно их поглощают.
Эта тенденция будет продолжаться. Мы смотрим на технологии, которые не были созданы для суперкомпьютинга, но могут быть принудительно адаптированы для работы. Квантовые компьютеры. Нейроморфные чипы, имитирующие человеческий мозг.
В Юлихе делают ставку на модульную архитектуру. Вы определяете различные кластеры с разными аппаратными характеристиками. Вы соединяете их. Пользователи могут одновременно обращаться к этим модулям в зависимости от того, что требует их конкретный код. Это уже не монолит «один размер для всех». Это набор инструментов.
И этого все равно недостаточно. Мы всегда будем стремиться расширять границы. Эксафлопсная машина — это лишь следующий шаг, а не финишная черта.
Программное обеспечение: настоящий узкий горлышко в вычислениях эксафлопсного уровня
Все фиксируют взгляд на кремнии. На системах охлаждения. На невероятной плотности процессоров. Но это лишь половина дела.
Аппаратное обеспечение — это всего лишь двигатель. Программное обеспечение — это руль, коробка передач и руководство пользователя, объединенные в один сложный клубок. Если код не справляется с хаосом, аппаратное обеспечение становится просто дорогим подставкой для бумаг.
Системы становятся фрактально сложными. Нельзя просто добавить больше ядер и ожидать линейного масштабирования. Главная проблема — гетерогенность. Вы управляете GPU, TPU, специализированными ускорителями и традиционными кластерами CPU. Все они говорят на разных языках. У всех разные профили задержек. Стек программного обеспечения должен преодолевать эти разрывы, не рухнув под тяжестью собственных абстрактных слоев.
Делаем «черный ящик» доступным
Речь идет не только о сырых вычислительных мощностях. Речь идет о доступности.
Исследователи — не системные администраторы. Они биологи, климатологи и астрофизики. Их не заботит когерентность кэша. Их интересуют результаты. Программное обеспечение должно скрывать сложность. Оно должно предоставлять единый интерфейс конечному пользователю, даже если на бэкенде запутанная паутина из специализированного оборудования.
Мы говорим о новых интерфейсах. Об улучшенных слоях абстракции. О инструментах, которые позволяют переносить и оптимизировать прикладной код для машин, которых еще даже не существует. Это инженерный подход с прицелом на будущее. Нельзя оптимизировать код для машины, которую вы видели только в научной статье.
Проект DEEP-SEA
Мы наблюдаем, как это происходит в реальном времени. Посмотрите на проект DEEP-SEA. Он уже в стадии реализации. Цель? Разработка программного обеспечения следующего поколения, специально предназначенного для эксафлопсных сред.
Они не просто патчат старый код. Они перестраивают фундамент. Подготавливают прикладной код к эффективной работе на будущих архитектурах. Речь идет о создании промежуточного ПО (middleware), которое сделает эксафлопсные системы пригодными для использования. Не просто мощными. Пригодными для использования.
Потому что сырая мощность не имеет значения, если вы не можете ею управлять.
