Національна лабораторія Лос-Аламоса потребує як обчислювальної потужності, так і пам’яті з високою пропускною здатністю для виконання високоточного фізичного моделювання, яке оцінює стан ядерних боєголовок.
Сполучені Штати мають тисячі ядерних боєголовок на арсеналі ядерної зброї Міністерства оборони. Розмір запасів різко скоротився за останні півстоліття, але збереження існуючі запаси, що містять боєголовки, здебільшого вироблені в 1950-х і 1960-х роках, є складним робота.
«З нашим запасом він не стає молодшим», — розповідає ZDNET Джим Луджан, програмний директор платформ HPC Національної лабораторії Лос-Аламоса (LANL). За його словами, коли боєголовки старіють, LANL несе відповідальність за оцінку того, як процес старіння може вплинути на їхню безпеку чи продуктивність.
Інновація
- Я спробував Apple Vision Pro, і він набагато випереджає, ніж я очікував
- Цей мініатюрний супутниковий комунікатор наповнений багатьма функціями та забезпечує спокій
- Як використовувати ChatGPT: усе, що вам потрібно знати
- Це мої 5 улюблених інструментів ШІ для роботи
Звичайно, ви не можете точно випробовувати ядерні боєголовки - принаймні, не згідно з Договором про всеосяжну заборону ядерних випробувань 1996 року. Щоб виконати свою місію, лабораторія Лос-Аламоса використовує моделювання та 3D-моделювання. Завдяки найсучаснішим високопродуктивним обчислювальним інструментам, які лабораторія та її партнери можуть виробляти високоточні фізичні симуляції, і вони можуть перевірити свої симуляції на реальні та історичні події явища.
Уряд використовує передове моделювання та обчислення для досягнення цього з 1990-х років. Проблема, однак, полягає в тому, що «ці проблеми стають все більшими і більшими, - каже Луян, - і вони потребують більше часу... Деякі з цих фізичних симуляцій, які ми робимо, щоб пройти від початку до кінця, можуть зайняти від шести до восьми місяців. Якщо ви розглядаєте проблему й не отримаєте відповіді протягом шести-восьми місяців, вам буде трохи складно сказати: «Добре, ой, я не зовсім зрозумів». Мені потрібно піти налаштувати це».
Чому ці проблеми стають все більшими і тривають довше? Частково проблема пов’язана з тим, що обчислювальні можливості просто покращилися вказують на те, що процесори випередили швидкість, з якою вони можуть переміщати дані всередину та назовні для виконання арифметичних дій. операції. Як правило, обчислювальні системи покладаються на пам’ять DDR, яка є позакристальною, щоб отримати доступ до цих наборів даних, створюючи вузьке місце.
Симуляції з високою точністю, такі як ті, що використовуються для оцінки стану ядерних запасів, використовують величезні набори даних. Але спроба використовувати потужний ЦП для виконання робочих навантажень, які використовують величезні набори даних, схожа на використання спортивного автомобіля для виконання ваших доручень.
«Це схоже на те, що у вас є машина, яка може розганятися до 100 за дві секунди, але якщо вона не може вмістити всі продукти, наскільки ефективна ця машина, правда?» Луян каже. «У вас може бути чудовий гоночний движок, але якщо ви не можете ефективно забезпечити таку швидкість для широкого набору додатків, це стає складним завданням».
Процесор серії Xeon Max
Щоб вирішити цю проблему, LANL перебуває на ранніх етапах використання нових процесорів Intel Max Xeon серії Max. (під кодовою назвою Sapphire Rapids HBM) — перші процесори на базі x86 із пам’яттю високої пропускної здатності (HBM) на чіп.
Цього тижня Intel випускає п’ять різних SKUS чіпа з кількістю ядер від 32 до 56. Завдяки 64 ГБ вбудованої пам’яті з високою пропускною здатністю процесори Xeon Max забезпечать достатню ємність пам’яті для більшості поширених робочих навантажень високопродуктивних обчислень без використання пам’яті DDR.
Окрім симуляції фізики ядерних боєголовок, процесори Max добре підходять для широкого спектру інших робочих навантажень HPC, які покладаються на величезні набори даних. Це може бути відкриття ліків, геноміка в галузі наук про життя чи моделювання клімату. Тим часом зростає кількість моделей штучного інтелекту, таких як Chat GPT, які починають використовувати величезні набори даних.
«Ми прагнемо мати цю збільшену пропускну здатність пам’яті ближче до процесора, тому що це матиме велике значення», — каже Луян. «Ми не просто женемося за швидкістю. Ми намагаємося досягти ефективності та вирішення проблеми».
Наразі, за словами Луджана, продуктивність LANL зросла приблизно в 4-5 разів за допомогою додатків, які використовують максимальний ЦП, без необхідності вносити будь-які зміни в додатки.
Важливою перевагою портфоліо Intel Max є можливість використовувати oneAPI — загальну відкриту модель програмування на основі стандартів.
«Розробники можуть використати всі коди, які вони мають на Xeon сьогодні, і перенести їх на Xeon Max без жодних змін у коді», — каже ZDNET віце-президент Intel Джефф Маквей.
Щоб перевірити oneAPI, LANL спробувала взяти програму з двійковим кодом і перенести її на Процесор Xeon Max -- його вдалося запустити, без змін, зі скромною продуктивністю поліпшення.
«Тож усе йде швидше, і це чудово», — каже Луян. «Але рівень зусиль, щоб визнати це покращення продуктивності, дуже мінімальний. Ми могли б перейти до інших архітектур, які могли б дати нам більш скромні покращення в деяких аспектах. Але якщо нам доведеться переписати сотні тисяч рядків коду, щоб досягти такої продуктивності, це пов’язано з витратами».