TITAN o Supercomputador que está sendo construído com Nvidia Kepler, iniciará a nova era em exascale
sábado, 15 de outubro de 2011
Oak Ridge National Laboratory (ORNL) foi notícia ontem, ao anunciar que vai implantar um novo e revolucionário supercomputador baseado em 18.000 GPUs NVIDIA. Este é um marco importante no caminho para a computação Exascale.
Titan terá potencial para produzir mais de 20 petaflops de desempenho máximo, tornando-se mais de duas vezes mais rápido (e três vezes mais eficienteem consumo de energia), que o supercomputador mais rápido de hoje, o computador do Japão K.
Estou encantado com o ORNL. Mas eu não estou surpreso. Depois de ter trabalhado na Cray por 20 anos, os últimos seis como CTO, eu tenho um bom conhecimento das necessidades dos cientistas de supercomputação, e estou convencido de que as soluções heterogêneas com GPUs são o futuro da computação de alto desempenho. É por isso que eu entrei na NVIDIA.
Estou encantado com o ORNL. Mas eu não estou surpreso. Depois de ter trabalhado na Cray por 20 anos, os últimos seis como CTO, eu tenho um bom conhecimento das necessidades dos cientistas de supercomputação, e estou convencido de que as soluções heterogêneas com GPUs são o futuro da computação de alto desempenho. É por isso que eu entrei na NVIDIA.
Deixe-me compartilhar alguns pensamentos sobre o porquê de supercomputação é importante, onde está hoje, e para onde está indo.
Hoje os cientistas e os líderes políticos estão enrolados com enormes problemas sociais: dependência energética, alterações climáticas, doenças e segurança nacional, para citar apenas alguns. A Computação de alto desempenho tem um papel fundamental a desempenhar na resposta a estes desafios, bem como avançar apenas sobre cada área da ciência.
Por centenas de anos, os métodos tradicionais de progresso científico foram teoria e experiência, mas a simulação emergiu como o terceiro pilar da ciência. Em muitas áreas da ciência e engenharia, a simulação pode fornecer percepções e entendimento que simplesmente não pode ser adquirida a partir da experiência.
Para alguns problemas, um pouco mais de computação conduz a um resultado um pouco melhor, encurtando o tempo de percepção. Mas há outros problemas em que o poder de processamento adicional pode levar a resultados verdadeiramente transformacionais.
Buddy Bland, o diretor do projeto no Centro de Computação de Oak Ridge Leadership, diz: "Há sérios problemas de exascale-class, que simplesmente não podem ser resolvidos em qualquer período de tempo razoável com os computadores que temos hoje."
Hoje os cientistas e os líderes políticos estão enrolados com enormes problemas sociais: dependência energética, alterações climáticas, doenças e segurança nacional, para citar apenas alguns. A Computação de alto desempenho tem um papel fundamental a desempenhar na resposta a estes desafios, bem como avançar apenas sobre cada área da ciência.
Por centenas de anos, os métodos tradicionais de progresso científico foram teoria e experiência, mas a simulação emergiu como o terceiro pilar da ciência. Em muitas áreas da ciência e engenharia, a simulação pode fornecer percepções e entendimento que simplesmente não pode ser adquirida a partir da experiência.
Para alguns problemas, um pouco mais de computação conduz a um resultado um pouco melhor, encurtando o tempo de percepção. Mas há outros problemas em que o poder de processamento adicional pode levar a resultados verdadeiramente transformacionais.
Buddy Bland, o diretor do projeto no Centro de Computação de Oak Ridge Leadership, diz: "Há sérios problemas de exascale-class, que simplesmente não podem ser resolvidos em qualquer período de tempo razoável com os computadores que temos hoje."
O supercomputador Jaguar será atualizado com 18.000 GPUs NVIDIA para chegar a 20 petaflops
Pode ser difícil para aqueles que estão fora da supercomputação de entender. O mais rápido supercomputador dos EUA, o Jaguar, pode ser executar cerca de 2 petaflops. Ou seja, dois milhões de bilhões de operações matemáticas por segundo! O sistema exaflop será 1.000 vezes mais rápido do que os sistemas petaflop, entregando um bilião bilhões de cálculos por segundo. Então, por que os cientistas precisam disso?
O Departamento de Energia dos EUA diz que há uma série de desafios que exigem exascale-class de computação, incluindo:
Combustão: sistemas Exascale permitirá o desenvolvimento de novos motores de combustão que são 20-50 por cento mais eficientes de combustível. Este tem o potencial de melhorar drasticamente a competitividade industrial, ao diminuir a nossa dependência do petróleo estrangeiro.
Aeroespacial: Exascale permitirá completar a simulação dos primeiros motores a jato de combustão, permitindo-nos resolver o problema da migração de fluidos quentes na turbina, proporcionando um grande avanço na eficiência.
Biologia: Exascale permitirá uma simulação completa de uma célula inteira em uma molécula, a níveis químicos, genéticos e biológicos, com precisão representando processos como crescimento celular, metabolismo, locomoção e sensores - levando para o potencial de curar algumas de nossas doenças mais perniciosas.
Fusão: Exascale é necessária para modelar com precisão futuros reatores de fusão, que oferecem a promessa de energia abundante, segura e não poluente.
Estes são apenas alguns exemplos, mas é claro que a computação exascale proporcionará enormes benefícios para a sociedade, avançando na descoberta científica, informando os líderes políticos, e melhorando a competitividade industrial e econômica.
Há, no entanto, um grande problema na obtenção de computação exascale: Energia. Um computador usando a tecnologia x86 exascale de hoje exigiria dois gigawatts de potência, equivalente à potência máxima da barragem de Hoover! Nossa tecnologia precisa ser cerca de 100 vezes mais eficiente em energia, a fim de construir sistemas práticos de exascale.
Infelizmente, a escala da tecnologia que nos deu várias décadas de crescimento exponencial na velocidade de computação em potência constante parece ter terminado. Enquanto a Lei de Moore ainda está bem viva, o que nos permite dobrar o número de transistores em um chip a cada nova geração de tecnologia IC, não podemos mais manter a queda de consumo de voltagem do chip a cada redução no tamanho dos transistores. O resultado é que o consumo de energia tornou-se a restrição dominante no projeto do processador. Se nós colocássemos todos os transistores que poderíamos colocar em um chip, à velocidade máxima, o chip iria derreter. Então agora é tudo sobre eficiência energética.
É aí que vêm as GPUs. Ao contrário das CPUs tradicionais, que são projetadas para fazerem as tarefas de série executadas o mais rápido possível, GPUs são projetadas para executar muitas tarefas paralelas com o menor consumo de energia possível. O resultado é que uma GPU consome várias vezes menos energia do que uma CPU por operação.
As GPUs Kepler da próxima geração utilizadas no sistema Titan, irá fornecer mais de um teraflop de desempenho por chip. Em computação heterogênea, a GPU poderá executar o trabalho pesado, executando o trabalho paralelo com potência muito baixa, e a CPU poderá então executar rapidamente o trabalho em série que está sobrando. Esta é a única esperança de chegar ao exascale de computação a um custo razoável e com baixo consumo.
Não vai ser fácil. Imagine dizer a indústria automobilística "você precisa desenvolver um carro que vai ser 1.000 vezes mais rápido e que seja 100 vezes mais eficiente em energia." Isso é uma ordem muito alta. Mas estou confiante de que as soluções heterogêneas com GPUs são o caminho certo para nos levar até lá.
Eu estou animado para se juntar à equipe NVIDIA, e trabalhar com uma equipe de super talentos para ajudar a remodelar o cenário da computação de alto desempenho. Também é extremamente gratificante ver as grandes coisas que nossos clientes fazem com a nossa tecnologia para tornar o mundo um lugar melhor.
A unidade de computação exascale será uma viagem fascinante.
Pode ser difícil para aqueles que estão fora da supercomputação de entender. O mais rápido supercomputador dos EUA, o Jaguar, pode ser executar cerca de 2 petaflops. Ou seja, dois milhões de bilhões de operações matemáticas por segundo! O sistema exaflop será 1.000 vezes mais rápido do que os sistemas petaflop, entregando um bilião bilhões de cálculos por segundo. Então, por que os cientistas precisam disso?
O Departamento de Energia dos EUA diz que há uma série de desafios que exigem exascale-class de computação, incluindo:
Combustão: sistemas Exascale permitirá o desenvolvimento de novos motores de combustão que são 20-50 por cento mais eficientes de combustível. Este tem o potencial de melhorar drasticamente a competitividade industrial, ao diminuir a nossa dependência do petróleo estrangeiro.
Aeroespacial: Exascale permitirá completar a simulação dos primeiros motores a jato de combustão, permitindo-nos resolver o problema da migração de fluidos quentes na turbina, proporcionando um grande avanço na eficiência.
Biologia: Exascale permitirá uma simulação completa de uma célula inteira em uma molécula, a níveis químicos, genéticos e biológicos, com precisão representando processos como crescimento celular, metabolismo, locomoção e sensores - levando para o potencial de curar algumas de nossas doenças mais perniciosas.
Fusão: Exascale é necessária para modelar com precisão futuros reatores de fusão, que oferecem a promessa de energia abundante, segura e não poluente.
Estes são apenas alguns exemplos, mas é claro que a computação exascale proporcionará enormes benefícios para a sociedade, avançando na descoberta científica, informando os líderes políticos, e melhorando a competitividade industrial e econômica.
Há, no entanto, um grande problema na obtenção de computação exascale: Energia. Um computador usando a tecnologia x86 exascale de hoje exigiria dois gigawatts de potência, equivalente à potência máxima da barragem de Hoover! Nossa tecnologia precisa ser cerca de 100 vezes mais eficiente em energia, a fim de construir sistemas práticos de exascale.
Infelizmente, a escala da tecnologia que nos deu várias décadas de crescimento exponencial na velocidade de computação em potência constante parece ter terminado. Enquanto a Lei de Moore ainda está bem viva, o que nos permite dobrar o número de transistores em um chip a cada nova geração de tecnologia IC, não podemos mais manter a queda de consumo de voltagem do chip a cada redução no tamanho dos transistores. O resultado é que o consumo de energia tornou-se a restrição dominante no projeto do processador. Se nós colocássemos todos os transistores que poderíamos colocar em um chip, à velocidade máxima, o chip iria derreter. Então agora é tudo sobre eficiência energética.
É aí que vêm as GPUs. Ao contrário das CPUs tradicionais, que são projetadas para fazerem as tarefas de série executadas o mais rápido possível, GPUs são projetadas para executar muitas tarefas paralelas com o menor consumo de energia possível. O resultado é que uma GPU consome várias vezes menos energia do que uma CPU por operação.
As GPUs Kepler da próxima geração utilizadas no sistema Titan, irá fornecer mais de um teraflop de desempenho por chip. Em computação heterogênea, a GPU poderá executar o trabalho pesado, executando o trabalho paralelo com potência muito baixa, e a CPU poderá então executar rapidamente o trabalho em série que está sobrando. Esta é a única esperança de chegar ao exascale de computação a um custo razoável e com baixo consumo.
Não vai ser fácil. Imagine dizer a indústria automobilística "você precisa desenvolver um carro que vai ser 1.000 vezes mais rápido e que seja 100 vezes mais eficiente em energia." Isso é uma ordem muito alta. Mas estou confiante de que as soluções heterogêneas com GPUs são o caminho certo para nos levar até lá.
Eu estou animado para se juntar à equipe NVIDIA, e trabalhar com uma equipe de super talentos para ajudar a remodelar o cenário da computação de alto desempenho. Também é extremamente gratificante ver as grandes coisas que nossos clientes fazem com a nossa tecnologia para tornar o mundo um lugar melhor.
A unidade de computação exascale será uma viagem fascinante.
