AMD、Nvidia、HPEが3500万ドルのアップグレードで米国の気象スーパーの速度を3倍に

Table of Contents

AMD、Nvidia、HPEが3500万ドルのアップグレードで米国の気象スーパーの速度を3倍に

HPEは、AMDとNvidiaの最新のCPUとGPUを使用して米国立大気研究センター(NCAR)のスーパーコンピューターをアップグレードし、現在のIntelベースのマシンの約3倍の性能を持つマシンを作成する予定です。

現在稼働中のこのシステム(コードネーム「シャイアン」)は導入から4年が経ち、政府出資の研究所は地球上で発生する自然災害を予測するために、より大規模で高速なスーパーコンピューターを必要としている。米国政府は様々な企業を選定し、3500万ドルを超える契約をヒューレット・パッカード・エンタープライズに発注した。

アップグレードされたスーパーコンピューターにはまだ正式な名前が付けられていませんが、2022年に稼働開始し、シャイアンに取って代わる予定です。研究所の本拠地であるワイオミング州の子供たちに、このスーパーコンピューターの名前を提案してもらう予定です。

このコンピューターは、HPE の Cray EX (旧 Shasta) スーパーコンピューターの設計図に基づいており、理論上の最大性能は 19.87 ペタ FLOPS に達すると予想されています。これは、現在 Cheyenne が提供している 5.34 ペタ FLOPS よりもはるかに高速です。

「これはシャイアン・スーパーコンピュータの科学計算速度の約3.5倍に相当し、地球上のすべての男女子供が1ヶ月間、毎秒1つの方程式を解くのに匹敵する速度です」とNCARは水曜日に発表した。「HPEの技術を搭載したこのシステムは、運用開始後、世界最速スーパーコンピュータの上位25位以内にランクインすると予想されています。」

HPE搭載システムは稼働すれば、世界最速のスーパーコンピュータのトップ25位以内にランクインすると予想されている。

この新型マシンは2,570個のコンピューティングノードを搭載します。そのうち2,488個には、3月に正式リリース予定のAMDの7nm第3世代Epyc Milanプロセッサが搭載され、残りの82個にはMilanチップとNVIDIAの7nm A100 GPUが混在します。RAMの総容量は692TBと驚異的です。ノード間の接続はHPEのSlingshotインターコネクトアーキテクチャを採用し、ネットワークスイッチポートあたり200Gbpsの帯域幅を誇ります。

GPUを活用してワークロードを高速化することで、NCARは従来のCPUのみのアプローチから脱却します。Cheyenneには4,032基の計算ノードが搭載されていますが、これらはIntelの主力プロセッサであるXeon Broadwellを搭載しており、このシステム設計は、CPUとGPUを組み合わせて高速演算処理を実行する最新のスーパーコンピュータに比べて、消費電力と必要なシリコンの点で効率が劣ります。汎用プロセッサよりも専用ハードウェアの方が優れているのです。

シネカ

Nvidiaがイタリアの求人に応募:2022年までに欧州向けに「世界最速のAIスーパーコンピュータ」を構築

続きを読む

「ハードウェアの面では、新しいシステムはAIと機械学習に非常に役立つだろう」とNCARの広報担当者デビッド・ホザンスキー氏はThe Registerに語った。

GPUの大きな利点は、1つのチップで多数の計算を同時に実行できることです。これにより、同じ数の並列処理でも消費電力とハードウェア使用量が大幅に削減されます。GPUはCPUよりもオンボードメモリが少ないですが、この新システムで使用されているGPUは、メモリとコア数の両方において最高水準です。これにより、当社の科学者はこれまで以上に多くのデータを読み込み、より大規模な機械学習モデルを訓練できるようになります。

NCARの科学者たちは、機械学習アルゴリズムを用いて、ハリケーン、雹嵐、山火事、太陽嵐といった異常気象のモデルをシミュレートします。これらのモデルは膨大な気象データを取り込み、予測を出力し、科学者が気候変動の影響を理解するのに役立ちます。

例えば、AIは植生の水分量を推定するために活用され、そのデータは別のモデルに入力され、衛星観測からの実際のデータと組み合わせることで、山火事の危険がある地域を地図上に表示します。天候は急速に変化するため、これらの地図は毎日更新されます。

「現在、GOES-R衛星データと機械学習を用いて、(米国)上空の燃料水分含有量の1時間ごとのマップを作成する取り組みを進めています」と、NCARの科学者で気象システム・評価プログラムのディレクターであるブランコ・コソビッチ氏はEl Reg紙に語った。「機械学習は、燃料特性に関するより正確で高頻度の高解像度マップの作成にも活用できます。さらに、観測結果と理論的な考察や開発を組み合わせることで、延焼速度のパラメータ化を改善するための機械学習モデルを開発することも可能です。」

NCAR スタッフとの会話の詳細については、姉妹サイトThe Next Platformをご覧ください。®

Discover More