Лос-Аламосской национальной лаборатории необходимы как вычислительные мощности, так и память с высокой пропускной способностью для проведения высокоточного физического моделирования, позволяющего оценить состояние ядерных боеголовок.
Соединенные Штаты обладают тысячи ядерных боеголовок в арсенале ядерного оружия Министерства обороны. Размер запасов резко сократился за последние полвека, но сохранение Существующий запас, состоящий из боеголовок, произведенных в основном в 1950-х и 1960-х годах, представляет собой сложную задачу работа.
«С нашими запасами они не молодеют», — говорит ZDNET Джим Лухан, директор программы платформ HPC в Национальной лаборатории Лос-Аламоса (LANL). По его словам, по мере того, как боеголовки стареют, LANL несет ответственность за оценку того, как процесс старения может повлиять на их безопасность или характеристики.
Инновации
- Я попробовал Apple Vision Pro, и он намного превзошёл мои ожидания.
- Этот крошечный спутниковый коммуникатор наполнен множеством функций и обеспечивает душевное спокойствие.
- Как использовать ChatGPT: все, что вам нужно знать
- Это 5 моих любимых инструментов искусственного интеллекта для работы
Конечно, вы не можете точно испытывать ядерные боеголовки – по крайней мере, в соответствии с Договором о всеобъемлющем запрещении ядерных испытаний 1996 года. Для выполнения своей миссии лаборатория Лос-Аламоса использует моделирование и 3D-моделирование. Благодаря самым передовым высокопроизводительным вычислительным инструментам лаборатория и ее партнеры могут производить высокоточные физические симуляции, и они могут сверять свои симуляции с реальными и историческими явления.
Для достижения этой цели правительство использует передовые методы моделирования и вычислений с 1990-х годов. Проблема, однако, заключается в том, что «эти проблемы становятся все больше и больше», — говорит Лухан, — «и они занимают все больше времени… Некоторые из этих физических симуляций, которые мы проводим, от начала до конца, могут занять от шести до восьми месяцев. Если вы рассматриваете проблему и не получите ответа в течение шести-восьми месяцев, вам будет немного сложно сказать: «Хорошо, упс, я не совсем понял». Мне нужно пойти его отрегулировать».
Почему эти проблемы становятся больше и занимают больше времени? Частично проблема связана с тем фактом, что вычислительные возможности просто стали очень хорошими. указывают на то, что процессоры опередили скорость, с которой они могут вводить и выводить данные для выполнения арифметических операций. операции. Обычно вычислительные системы для доступа к этим наборам данных полагаются на память DDR, которая полностью находится вне кристалла, что создает узкое место.
Высокоточное моделирование, например, используемое для оценки состояния ядерных арсеналов, использует огромные наборы данных. Но попытка использовать мощный процессор для выполнения рабочих нагрузок, использующих огромные наборы данных, немного похожа на использование спортивного автомобиля для выполнения поручений.
«Это все равно, что сказать, что у вас есть машина, которая может разогнаться до сотни за две секунды, но если она не может вместить все продукты, насколько эффективна эта машина, верно?» Лухан говорит. «У вас может быть отличный гоночный двигатель, но если вы не можете эффективно обеспечить такую скорость для широкого круга приложений, это усложняет задачу».
Процессор серии Xeon Max
Чтобы решить эту проблему, LANL находится на ранних стадиях использования новых процессоров Intel Max Xeon серии Max. (под кодовым названием Sapphire Rapids HBM) — первые процессоры на базе x86 с памятью с высокой пропускной способностью (HBM) на чип.
На этой неделе Intel выпускает пять различных SKUS чипов с числом ядер от 32 до 56. Благодаря встроенной памяти объемом 64 ГБ с высокой пропускной способностью процессоры Xeon Max обеспечат достаточный объем памяти для выполнения большинства распространенных рабочих нагрузок HPC без использования памяти DDR.
Помимо моделирования физики ядерных боеголовок, процессоры Max хорошо подходят для широкого спектра других рабочих нагрузок высокопроизводительных вычислений, которые полагаются на огромные наборы данных. Это может быть открытие лекарств, геномика в области наук о жизни или моделирование климата. Между тем, все большее число моделей искусственного интеллекта, таких как Chat GPT, начинают использовать огромные наборы данных.
«Мы хотим, чтобы эта увеличенная пропускная способность памяти была ближе к процессору, потому что это будет иметь большое значение», — говорит Лухан. «Мы гонимся не только за скоростью. Мы пытаемся добиться эффективности и решения проблем».
На данный момент, по словам Лухана, производительность LANL выросла примерно в 4–5 раз с приложениями, использующими процессор Max, без необходимости внесения каких-либо изменений в приложения.
Большим преимуществом портфолио Intel Max является возможность использовать oneAPI — общую открытую модель программирования, основанную на стандартах.
«Разработчики могут использовать все коды, которые у них есть на Xeon сегодня, и перенести их на Xeon Max без каких-либо изменений кода», — говорит ZDNET вице-президент Intel Джефф Маквей.
Чтобы протестировать один API, LANL попыталась взять приложение с двоичным кодом и портировать его на Процессор Xeon Max -- его смогли запустить без каких-либо изменений, со скромной производительностью улучшение.
«Так что дела идут быстрее, и это здорово», — говорит Лухан. «Но уровень усилий, с помощью которых можно признать улучшение производительности, очень минимален. Мы могли бы перейти к другим архитектурам, которые могли бы дать нам более скромные улучшения в некоторых отношениях. Но если нам придется переписать сотни тысяч строк кода, чтобы добиться такой производительности, это потребует затрат».