Standar anyar sing diusulake kanggo supercomputing
Standar anyar sing diusulake kanggo supercomputing
Anonim

Sistem rating superkomputer anyar bakal dirilis dening tim internasional sing dipimpin dening Sandia National Laboratories ing Konferensi Supercomputing 2010 ing New Orleans tanggal 17 November.

Sistem rating, Graph500, nguji superkomputer kanggo katrampilan nganalisa struktur gedhe adhedhasar grafik sing nyambungake akeh titik data sing ana ing masalah biologi, sosial lan keamanan, ing antarane wilayah liyane.

"Kanthi nggawe tes iki, kita ngarep-arep pengaruhe produsen komputer kanggo mbangun komputer kanthi arsitektur kanggo ngatasi masalah sing saya rumit iki," ujare peneliti Sandia Richard Murphy.

Rob Leland, direktur Sandia's Computations, Computers, and Math Center, ujar, "Definisi sing dipikirake babagan standar kompetitif anyar iki pancen subtle lan penting, amarga bisa uga mengaruhi arsitektur komputer sajrone pirang-pirang dekade sing bakal teka."

Klompok kasebut ora nyoba saingan karo Linpack, tes standar kecepatan superkomputer saiki, ujare Murphy. "Ana akeh upaya kanggo ngganti, lan filosofi kita mung ora ngukur kinerja kanggo aplikasi sing dibutuhake, mula kita butuh tes liyane, muga-muga pelengkap," ujare.

Akeh ilmuwan ndeleng Linpack minangka mekanisme test "vanilla kosong" sing ngandhani sepira cepet komputer bisa nindakake petungan dhasar, nanging ora ana hubungane karo masalah nyata sing kudu ditindakake mesin.

Impetus kanggo entuk kode tes tambahan teka ing "obrolan nedha bengi sing nyenengake ing Supercomputing 2009," ujare Murphy. "Klompok inti kita ngrekrut kolega profesional liyane, lan upaya kasebut dadi panitia kemudi internasional luwih saka 30 wong." (Deleng www.graph500.org.)

Akeh produsen komputer gedhe sing nuduhake minat, ujare Murphy, nambahake ana tuku saka perusahaan Intel, IBM, AMD, NVIDIA, lan Oracle. "Apa dheweke ngirim asil tes isih kudu dideleng, nanging wakile ana ing panitia kemudi kita."

Saben organisasi wis nyumbang wektu lan keahlian anggota panitia, ujare.

Nalika sawetara produsen komputer lan arsitek luwih seneng nglirwakake tes anyar amarga wedi yen mesine ora bakal ditindakake kanthi apik, pangarep-arep yen panjaluk skala gedhe kanggo tes sing luwih rumit bakal dadi asil alami saka kerumitan masalah sing luwih gedhe.

Pasinaon nuduhake manawa data obah (dudu komputasi sing gampang) bakal dadi masalah energi sing dominan ing mesin exascale, wates sabanjure ing superkomputer, lan subyek inisiatif Departemen Energi AS sing anyar kanggo nggayuh tingkat operasi sabanjure sajrone sepuluh taun, Leland. ngandika. (Petascale lan exascale nggambarake 10 nganti 15th lan 18th daya, masing-masing, operasi per detik.)

Bagéyan saka tujuan dhaptar Graph500 yaiku kanggo nerangake manawa saliyane biaya luwih akeh ing gerakan data, owah-owahan ing basis aplikasi saka fisika menyang masalah data skala gedhe bakal nambah syarat aplikasi kanggo gerakan data, amarga memori lan kemampuan komputasi mundhak kanthi proporsional. Sing, komputer exascale mbutuhake memori exascale.

"Sing cendhak, kita kudu mikir maneh carane mbangun komputer kanggo ngatasi masalah kasebut, lan Graph500 dimaksudake minangka saham awal kanggo syarat aplikasi kasebut," ujare Murphy.

Kepiye cara kerjane?

Masalah data gedhe beda banget karo masalah fisika biasa.

Ora kaya aplikasi berorientasi komputasi sing khas, analisis data gedhe asring nglibatake nggoleki set data sing gedhe lan jarang sing nindakake operasi komputasi sing prasaja banget.

Kanggo ngatasi masalah iki, benchmark Graph 500 nggawe rong kernel komputasi: grafik gedhe sing nulis lan ngubungake jumlah peserta sing akeh lan telusuran paralel saka grafik kasebut.

"We arep dipikir ing asil saka ensembles simulasi, utawa hasil saka simulasi amba ing fashion otomatis,"Murphy ngandika. "Graph500 minangka metodologi kanggo nindakake iki. Sampeyan bisa nganggep minangka pelengkap kanthi cara kasebut - masalah grafik bisa digunakake kanggo ngerteni apa sing diarani simulasi kasebut.

Kinerja kanggo aplikasi iki didominasi dening kemampuan mesin kanggo nyonggo nomer akeh cilik, meh acak akses data remot liwat sistem memori lan interconnects sawijining, uga paralelisme kasedhiya ing mesin.

Lima masalah kanggo kernel komputasi iki bisa dadi keamanan siber, informatika medis, pengayaan data, jaringan sosial lan jaringan simbolis:

* Keamanan siber: Perusahaan gedhe bisa nggawe 15 milyar entri log saben dina lan mbutuhake scan lengkap.

* Informatika medis: Ana kira-kira 50 yuta cathetan pasien, kanthi 20 nganti 200 cathetan saben pasien, nyebabake milyaran informasi individu, kabeh mbutuhake resolusi entitas: kanthi tembung liya, cathetan sing dadi milik dheweke, dheweke utawa wong liya.

* Pengayaan data: Set data Petascale kalebu kesadaran domain maritim kanthi atusan yuta transponder individu, puluhan ewu kapal, lan puluhan yuta potongan kargo massal individu. Masalah kasebut uga duwe macem-macem jinis data input.

* Jaringan sosial: Meh tanpa wates, kaya Facebook.

* Jaringan simbolik: Asring ukuran petabyte. Salah sawijining conto yaiku korteks manungsa, kanthi 25 milyar neuron lan kira-kira 7.000 sambungan saben.

"Akeh kita ing panitia kemudi percaya yen masalah kaya iki duweni potensi kanggo nggegirisi HPC berbasis fisika tradisional [komputasi kinerja dhuwur] sajrone dekade sabanjure," ujare Murphy.

Nalika persetujuan umum ana sing simulasi Komplek bisa uga kanggo èlmu fisik, ngendi lab karya lan simulasi muter saben liyane, ana sawetara mangu padha bisa ngatasi masalah sosial sing duwe nomer ateges tanpa wates saka komponen. Iki kalebu terorisme, perang, epidemi lan masalah sosial.

"Iki persis wilayah sing dadi perhatianku," ujare Murphy. "Ana analisis adhedhasar grafik sing apik babagan flu pandemik. Facebook nuduhake implikasi ilmu sosial sing luar biasa. Modeling ekonomi kanthi cara iki nuduhake janji.

"Kita kabeh insinyur lan kita ora pengin over-hype utawa over-janji, nanging ana kasenengan nyata babagan masalah data gedhe iki saiki," ujare. "Kita ndeleng dheweke minangka bagean integral saka ilmu pengetahuan, lan masyarakat kanthi sakabehe alon-alon ngetrapake konsep kasebut.

"Nanging, anyar banget, kita ora pengin muni kaya-kaya ngobati kabeh penyakit ilmiah. Kita takon, 'Apa sing bisa diwenehake komputer kanggo kita?' lan kita ngerti yen kita ora nggatekake faktor manungsa ing masalah sing bisa nyebabake komputer paling cepet. Sing kudu digarap.”

Popular dening topik