Frontier мощнее нескольких суперкомпьютеров вместе взятых, а Champollion поставит разработку ML-моделей на поток

В Окриджской национальной лаборатории (ORNL) запустили и протестировали новый суперкомпьютер Frontier. Машина, построенная на компонентах AMD, достигла производительности в 1,102 ExaFlops — то есть, это первый компьютер в истории человечества, преодолевший барьер в один экзафлопс. Это также самая энергоэффективная машина на планете — при работе в режиме полной нагрузки она потребляет 29 МВт.

Название машины — под стать амбициям разработчикам, поскольку фронтир — это место расширения границы, соединяющая переходная зона между тем, что было и тем, что будет. Разработчики прогнали свое детище в Linpack — тесте, который выступает в качестве «золотого стандарта» для измерения скорости суперкомпьютеров с середины 1990-х. Frontier более чем в два раза превзошел текущего лидера — систему Fugaku с производительностью в 442 петафлопса, которая более двух лет удерживала лидерство среди самых-самых.

Тем временем во Франции компания Hewlett Packard Enterprise (HPE) похвалилась суперкомпьютером Champollion, названный в честь знаменитого египтолога и лингвиста Жана-Франсуа Шампольона, открывшему миру на примере Розеттского камня значение египетских иероглифов. Это название тоже не случайно — новый кластер должен помочь в разработке новых, более совершенных и точных методов распознавания и обработки естественных языков.

С точки зрения аппаратной архитектуры Champollion выглядит довольно обычно, но программная составляющая уникальна — машина будет работать под управлением стека HPE Machine Learning Development Environment.

MLDE — это метасистема, созданная для разработки моделей машинного обучения (machine learning — ML). Она базируется на открытых решениях компании Determined, приобретенной HPE в 2021 году, и сохраняет с ней обратную совместимость, что позволит начать обучение какой-либо модели буквально «на дому», а затем воспользоваться более серьезными ресурсами. Такое стандартизированное «поточное производство» моделей машинного обучения, совместимое с популярным инструментарием, вроде TensorFlow и PyTorch, упростит и ускорит любые проекты, связанные с данной областью вычислений. Помимо обработки языковых данных и моделей ИИ нового поколения, кластер будет использоваться в промышленности и в прикладной науке.