تلاش‌ها برای عبور از سد اگزافلاپس

[mahdavi3d 14,067]

مقیاسِ اگزا، نیاز پیش رو؛ برای اندازه بزرگتر اینجا کلیک کنید

 
حدود سه ماه و نیم پیش بود که رئیس‌جمهور امریکا طی یک فرمان اجرایی از چندین مرکز تحقیقاتی و وزارت‌خانه این کشور خواست تا طرح پژوهشی موسوم به NSCI یا National Strategic Computing Initiative را با هدف رسیدن به سرعت محاسباتی یک اگزافلاپس و نیز ترسیم یک مسیر قابل حصول و رو به جلو در 15 سال پیش‌رو برای سیستم‌های محاسباتی با کارایی بالا، حتی فراتر از محدودیت‌های کنونی فناوری نیمه‌هادی، را آغاز کنند.
 
سریع‌ترین سیستم‌‌هایی که اینک به صورت مشخص در برنامه تولید قرار دارند دو ابررایانه Summit و Sierra هستند که توسط دپارتمان انرژی آمریکا (DOE) سفارش داده شده‌اند. دو کمپانی معظم آی.بی‌.ام و انویدیا کار ساخت آن‌ها را در یک قرارداد 425 میلیون دلاری بر عهده دارند. به کارگیری جدیدترین نسل پردازنده‌های سری power آی.بی.ام و پردازنده‌های گرافیکی سری Volta انویدیا در یک معماری داده-محور امکان عملکرد بسیار بهینه‌تر نسبت به سیستم‌های موجود را فراهم خواهد کرد، به گونه‌ای که عملکرد در 150 پتافلاپس تنها به 11.4 تا 13.1 مگاوات برق نیاز خواهد داشت. مقایسه کنید با قویترین سیستم موجود یعنی تیانه-2 که مصرف آن 17 مگاوات و حداکثر عملکرد آن 34 پتافلاپس است. تایتان به عنوان سریعترین ابررایانه فعلی ایالات متحده نیز 8.2 مگاوات مصرف می‌کند در حالی که عملکرد آن تنها 17.5 پتافلاپس است. انتظار است Summit و Sierra در سال 2017 آماده بهره‌برداری باشند. [+] البته آی.بی.ام در ماه اوت نیز از یک همکاری با آژانس محاسبات کارایی بالای فرانسه (GENCI) برای سرعت‌ بخشیدن به حرکت در مسیر مقیاس اگزا خبر داده بود. به گفته آنها این همکاری منجر به دسترسی محققان فرانسوی به برخی از پیشرفته‌ترین فناوری‌های موجود در اکوسیستم در حال گسترش OpenPOWER می‌شود، که خود آن از پشتیبانی 140 عضو بنیاد OpenPOWER و هزاران توسعه دهنده در سراسر جهان بهره می‌برد. [+]
 

[+]


نقشه راه NVIDIA برای مقیاس اگزا. برای اندازه بزرگتر اینجا کلیک کنید

 

برای اندازه بزرگتر اینجا کلیک کنید. [+]

نقشه راه تیانه-2 چین. برای اندازه بزرگتر اینجا کلیک کنید


چین و مقیاس اگزا. برای اندازه بزرگتر اینجا کلیک کنید

 
چینی‌ها چند سالی‌ است که به جمع دو رقیب سنتی در صدر جدول Top-500، یعنی آمریکا و ژاپن پیوسته‌اند و اینک با سیستم تیانه-2 خود که از 80 هزار تراشه سری Xeon اینتل بهره می‌برد در صدر قرار دارند. یک گزینه برای حرکت به فراتر از 100 پتافلاپس با خرید تراشه‌های بیشتر از اینتل متصور بود، اما آمریکایی‌ها به بهانه استفاده چین از ابررایانه‌های خود برای آزمایشات هسته‌ای، صادرات اینتل به آن کشور، جهت استفاده در چهار پروژه ابررایانه، را ممنوع کردند. انتظار می‌رفت این اقدام منجر به افزایش تلاش‌های چین در راستای توسعه سیستم‌های بومی شود. خانم Yutong Lu، یکی از طراحان سیستم در دانشگاه ملی فناوری دفاعی (NUDT)، در کنفرانس بین‌المللی ابر رایانش در آلمان از به کارگیری کمک پردازنده های موسوم به شتابگر چینی (به طور دقیق‌ترMatrix2000 GPDSP) مبتنی بر DSP، برای ارتقای Tianhe-2A در سال آینده میلادی (در عوض اواخر سال جاری) خبر داد. [1 و 2]
هنوز درصد کمی از تراشه‌های مورد نیاز چین از طریق کمپانی‌های داخلی تامین می‌شود (حدود 10 درصد) اما از پاییز 2013 سخن از برنامه برای صرف 25 میلیارد دلار در ابتکارات مرتبط با تراشه بوده است. [+] هدف از قبل متصور شده در مورد چین، ایجاد دو سیستم فراتر از 100 پتافلاپس در آینده نزدیک و رسیدن به مقیاس اگزا در سال 2017 یا 2018 بود. [+]

گل سرسبد ژاپنی‌ها در سال‌های اخیر ابررایانه K مستقر در مرکز تحقیقات ریکن بوده است. این ابر رایانه از 80 هزار پردازنده 45 نانومتری SPARC64 VIIIfx فوجیتسو با معماری حافظه توزیع‌شده برای عملکرد حداکثر 10.51 پتافلاپس و مصرف توان 12.6 مگاوات بهره می‌برد. K از ژوئن 2011 به مدت یک سال در صدر Top-500 قرار داشت.
به نظر می‌رسد ژاپن قصد دارد سیستم با عملکرد چند صد پتافلاپس را تا قبل از سال 2022 و یک اگزا را پس از آن در اختیار داشته باشد. [+]
 

برای اندازه بزرگتر اینجا کلیک کنید


نقشه راه برنامه Mont-Blanc

 

برنامه‌ای اروپایی با عنوان Mont-Blanc، در پی بکارگیری مدل محاسبات موازی OmpSs با استفاده از پردازنده‌های 64 بیتی ARMv8 و طراحی معماری مقیاس اگزا است. آنها پس از تلاشی سه ساله، در سال جاری دو رَک پروتوتایپ حاوی 2100 عدد CPU و 1800 عدد GPU راه‌اندازی کردند. نقشه راه اعلامی آنها در سال 2012، رسیدن به توان پردازشی 200 پتافلاپس برای 10 مگاوات در سال 2017 بوده است. [1 و 2]

علاوه بر تلاش‌های فوق، جریان‌هایی نیز وجود دارند که در پی حل مسئله از روش‌های غیر متعارف هستند. هرچند این روش‌ها برای زمان نسبتا طولانی موضوع مطالعات بودند اما متاسفانه هنوز به اندازه راه‌کارهای مرسوم مورد اقبال واقع نشده‌اند. دو نمونه:

پروژه کامپیوتر پیچیدگی کرایوژنیک (C3) توسط آژانس تحقیقات پیشرفته اطلاعاتی آمریکا (IARPA) دنبال می‌شود. این پروژه پنج ساله در دو فاز، در پی به کارگیری منطق ابر رسانا برای حصول ابر رایانه ابر رسانا در مقیاس اگزا است. سه سالِ اول به نمایش فناوری توسط یک پردازنده ابر رسانای کوچک و دو سال بعد، منتهی به 2020 میلادی، به ارائه یک مدل عملیاتی کوچکِ رایانه اختصاص دارد. توسعه حافظه کرایوژنیک، از جمله اقدامات دیگر در راستای این برنامه است. نام کمپانی‌هایی چون آی.بی.ام، ریتون، و نورثروپ گرومان در این پروژه به چشم می‌خورد. [+]
 

راهکار کرایوژنیک


نمایش مفهومی از راهکار اپتیکی Optalysys. برای اندازه بزرگتر اینجا کلیک کنید

 

یک تلاش متفاوت دیگر، توسط استارت-آپ Optalysys ارائه شده است که در پی ارائه رایانش اپتیکی است و به طور اساسی با روش‌های فعلی رایانش داده‌ها با طبیعت موازی که بر مبنای کنترل الکترون کار می‌کنند متفاوت است. در اینجا بیم لیزر به داخل شبکه‌ای عظیمی از کریستال مایع (مدولاتور فضایی نوری - SLM) فرستاده می‌شود و امکان دستکاری نور عبوری توسط کنترل الکتریکی هر پیکسل فراهم می‌شود. امکانِ روشن و خاموش کردنِ صدها یا هزاران از این پیکسل‌ها وجود دارد. با عبور نور از داخل شبکه و رسیدن به گیرنده و انجام ترکیبی از تحلیل پراش و اپتیک فوریه، ضرب ماتریس و تبدیلات فوریه می‌توان منطق ریاضیاتی دلخواه را پیاده‌سازی کرد.
به گفته Optalysys یک نمونه پروتوتایپ بی نیاز از لنز و مقیاس‌پذیر با قابلیت اجرای اعمال محاسباتی در سال جاری میلادی آزمایش شده است که سرعت 320 گیگافلاپس را به نمایش گذاشته است. آنها قصد دارند تا سال 2017 میلادی دو کار انجام دهند، یکی افزودن 1.32 پتافلاپس به سرعت پردازش یک ابر رایانه متداول و دیگری ساخت محاسبه‌گر اپتیکی مستقل که توسعه آن با ظرفیت 9 پتافلاپس آغاز می‌شود. آنها همچنین مدعی هستند که قادرند عملکرد پردازشی 17.1 اگزافلاپس تا سال 2020 ارائه کنند! [1 و 2]

[saeghe_1 1,528]

داداش گلم اگر ممکنه خلاصه یه چند خط برا ما بیسوادها هم بنویسی که این تو آینده چیکار میخاد بکنه ممنون میشم

[zAa9 1,139]

با سلام و تشکر بابت تاپیک های علمی پر بارتون...
واقعاً به این میگن لبه تکنولوژی!
قطعاً ساخته شدن ابر رایانه ای با توان محاسباتی اگزافلاپس کمک بزرگی در افزایش سرعت پیشرفت علم خواهد داشت.
امیدوارم کشور ما هم در جهت ساخت همچین ابر رایانه هایی قدم برداره... فاصله زیاده اما قابل جبرانه... علم و مدیریت و سرمایه!

[EMP 6,862]

داداش گلم اگر ممکنه خلاصه یه چند خط برا ما بیسوادها هم بنویسی که این تو آینده چیکار میخاد بکنه ممنون میشم

در واقع ابررایانش پایه سوم علم در کنار علوم نظری و علوم تجربی است.

بدون ابر رایانش هیچکدام از شاخه های علم پشرفت نخواهد کرد.

کشوری ابر قدرت آینده است که سریعترین کامپیوترها را داشته باشد.

با داشتن کامپیوترهای سریع دیگر نیازی به خیلی از آزمایشها نیست و آزمایشاتی که انجام آنها بسیار گران یا خطرناک است را می توان در محیط شبیه ساز انجام داد.

کاربرد ابر رایانش در ایران بیشتر برای دانشجویان فیزیک است ولی صنعت نفت، هوا فضا، هوا شناسی، کل صنایع مربوط به خودرو، مخابرات و .... تا علوم انسانی و جامعه شناسی از کاربران همیشگی ابر رایانش هستند.

[hosm 5,921]

بسیار ممنون از برادر مهدوی عزیز

 

نکته ای هم بنده اضافه کنم که شاید به نظر عزیزان عجیب باشه:

 

خود ابرکامپیوتر ارزش چندانی نداره زیرا در supercomputing آنچه که مهم است هم راستا کردن سخت افزار‌ها در تعداد بسیار بالا در جهت هدف application می‌باشد. بنابراین، هیچ کس در دنیا ابر کامپیوتر را به قصد نمایش سخت افزار یا پز یا قرار گرفتن در لیست تاپ-۵۰۰ نمی‌سازد بلکه هر ابرکامپیوتر برای رده‌ای خاص از محاسبات ساخته می‌گردد.

 

محاسبات عظیم جاری و آینده در حوزه‌های ذیل متصور هستند:

۱ - شبیه سازی دقیق آزمایشهای اتمی (تسلیحاتی و غیر نظامی) 

۲ - پیش بینی هوا و مدل سازی جریانات هوایی

۳ - هوش مصنوعی گسترده و شنود از کل جهان با الگوریتم‌های هوشمند

۴ - شبیه‌سازی ساختارهای متفاوت برای نانو مواد، کریستالها و ترکیبات کامپوزیت آینده

۵ - طراحی ایرودینامیک هواپیماها و موشکهای آینده

۶ - شکستن رمزها

و دهها کاربرد استراتژیک دیگر

[mahdavi3d 14,067]

خوشحالم که این گزارش (هر چند ناقص) مورد توجه دوستان قرار گرفت. و همچنین بابت توضیحات هم متشکرم. شخصا خیلی علاقمند هستم که در آینده از کاربردهای ابررایانش در اخترشناسی و اخترفیزیک و نیز بهداشت و سلامت بیشتر بشنوم.

 

[hr]

10 چالش فنی اصلی در راه رسیدن به مقیاس اگزا از منظر دپارتمان انرژی آمریکا

 

برای دانلود از مرجع اصلی اینجا کلیک کنید

 

(لینک کمکی)

 

به صورت پیوست نیز اضافه شده است