إليكم كيف تساعد أحدث ابتكارات إنتل في مجال الرقائق في تأمين المخزون النووي الأمريكي

تمتلكها الولايات المتحدة آلاف الرؤوس النووية في مخزون الأسلحة النووية التابع لوزارة الدفاع. لقد انخفض حجم المخزون بشكل كبير خلال نصف القرن الماضي، ولكن مع الحفاظ على هذا المخزون إن المخزون الحالي - الذي يشتمل على رؤوس حربية تم إنتاج معظمها في الخمسينيات والستينيات - يمثل مشكلة معقدة. وظيفة.

يقول جيم لوجان، مدير برنامج منصات HPC في مختبر لوس ألاموس الوطني (LANL)، لـ ZDNET: "مع مخزوننا، لم يعد الأمر أصغر سنًا". ويقول إنه مع تقدم عمر الرؤوس الحربية، تقع على عاتق LANL مسؤولية تقييم كيفية تأثير عملية الشيخوخة على سلامتها أو أدائها.

وبطبيعة الحال، لا يمكنك اختبار الرؤوس الحربية النووية بالضبط - على الأقل، ليس بموجب معاهدة الحظر الشامل للتجارب النووية لعام 1996. لتحقيق مهمته، يستخدم مختبر لوس ألاموس النمذجة والمحاكاة ثلاثية الأبعاد. باستخدام أحدث أدوات الحوسبة عالية الأداء، يمكن للمختبر وشركائه الإنتاج محاكاة فيزيائية عالية الدقة، ويمكنهم التحقق من صحة عمليات المحاكاة الخاصة بهم مقابل الحقيقية والتاريخية الظواهر.

تستخدم الحكومة عمليات المحاكاة والحوسبة المتقدمة لتحقيق ذلك منذ التسعينيات. ومع ذلك، كان التحدي يتمثل في أن "هذه المشاكل أصبحت أكبر فأكبر، كما يقول لوجان، وتستغرق المزيد من الوقت... بعض عمليات المحاكاة الفيزيائية التي نقوم بها، للانتقال من البداية إلى النهاية، يمكن أن تستغرق ما يصل إلى ستة إلى ثمانية أشهر. إذا كنت تبحث عن مشكلة، ولن تحصل على إجابة لمدة ستة إلى ثمانية أشهر، فمن الصعب بعض الشيء أن تقول، "حسنًا، عفوًا، لم أفهم الأمر تمامًا هنا." أنا بحاجة للذهاب لتعديله."

لماذا تكبر هذه المشكلات وتستغرق وقتًا أطول؟ ينبع جزء من التحدي من حقيقة أن قدرات الحوسبة أصبحت جيدة جدًا - إلى حد كبير تشير إلى أن وحدات المعالجة المركزية قد تجاوزت السرعة التي يمكنها بها نقل البيانات إلى الداخل والخارج لإجراء العمليات الحسابية عمليات. عادةً، تعتمد أنظمة الحوسبة على ذاكرة DDR، والتي تكون جميعها خارج الشريحة، للوصول إلى مجموعات البيانات هذه - مما يؤدي إلى عنق الزجاجة.

وتستخدم عمليات المحاكاة عالية الدقة، مثل تلك المستخدمة لتقييم حالة المخزون النووي، مجموعات بيانات ضخمة. لكن محاولة استخدام وحدة معالجة مركزية قوية لتشغيل أعباء العمل التي تستفيد من مجموعات البيانات الضخمة يشبه إلى حد ما استخدام سيارة رياضية لتنفيذ مهامك.

"يشبه القول أن لديك سيارة يمكنها الوصول من الصفر إلى 100 في ثانيتين، ولكن إذا لم تتمكن من حمل جميع البقالة، فما مدى فعالية تلك السيارة، أليس كذلك؟" يقول لوجان. "قد يكون لديك محرك سباق رائع، ولكن إذا لم تتمكن من توصيل هذه السرعة بشكل فعال لمجموعة واسعة من التطبيقات، فهذا يجعل الأمر صعبًا."

ولمعالجة هذه المشكلة، فإن LANL في المراحل الأولى من الاستفادة من سلسلة Max Xeon CPU Max الجديدة من Intel (التي تحمل الاسم الرمزي Sapphire Rapids HBM) - أول معالجات تعتمد على x86 مع ذاكرة عرض النطاق الترددي العالي (HBM) على رقاقة.

تطرح إنتل هذا الأسبوع خمسة SKUS مختلفة للرقاقة، مع أعداد أساسية تتراوح من 32 إلى 56. بفضل الذاكرة ذات النطاق الترددي العالي المضمنة البالغة 64 جيجابايت، ستوفر وحدات المعالجة المركزية Xeon Max سعة ذاكرة كافية لتناسب أحمال عمل HPC الأكثر شيوعًا - دون الاستفادة من ذاكرة DDR.

إلى جانب محاكاة فيزياء الرؤوس الحربية النووية، فإن وحدات المعالجة المركزية Max مناسبة تمامًا لمجموعة واسعة من أحمال عمل HPC الأخرى التي تعتمد على مجموعات بيانات ضخمة. يمكن أن يكون ذلك اكتشاف الأدوية أو علم الجينوم في مجال علوم الحياة، أو النمذجة المناخية. وفي الوقت نفسه، بدأ عدد متزايد من نماذج الذكاء الاصطناعي، مثل Chat GPT، في الاستفادة من مجموعات البيانات الضخمة.

يقول لوجان: "نحن حريصون على أن يكون هذا النطاق الترددي المتزايد للذاكرة قريبًا من المعالج لأنه سيحدث فرقًا كبيرًا". "نحن لا نطارد السرعة فقط. نحن نحاول الحصول على الفعالية وحل المشكلات."

حتى الآن، يقول لوجان، شهدت LANL تحسنًا في الأداء بمقدار 4x إلى 5x تقريبًا مع التطبيقات التي تستفيد من الحد الأقصى لوحدة المعالجة المركزية - دون الحاجة إلى إجراء أي تعديلات على التطبيقات.

تتمثل إحدى نقاط البيع الكبيرة لمجموعة Max من Intel في القدرة على الاستفادة من واجهة oneAPI - وهو نموذج برمجة شائع ومفتوح وقائم على المعايير.

يقول نائب رئيس Intel Jeff McVeigh لـ ZDNET: "يمكن للمطورين الاستفادة من جميع الرموز الموجودة لديهم على Xeon اليوم وإحضارها إلى Xeon Max دون أي تغييرات في التعليمات البرمجية".

لاختبار واجهة oneAPI، حاولت LANL أخذ تطبيق برمز ثنائي ونقله إلى معالج Xeon Max -- تمكنوا من تشغيله، دون أي تغييرات، وبأداء متواضع تحسين.

يقول لوجان: "لذا فإن الأمور تسير بشكل أسرع، وهو أمر رائع". "لكن مستوى الجهد الذي يمكن من خلاله إدراك أن تحسين الأداء ضئيل للغاية. يمكننا أن نذهب إلى بنيات أخرى قد تعطينا تحسينات أكثر تواضعا في بعض النواحي. ولكن إذا كان علينا إعادة كتابة مئات الآلاف من أسطر التعليمات البرمجية لتحقيق هذا الأداء، فهناك تكلفة مرتبطة بذلك."