Компания SpiNNcloud поставила Лейпцигскому университету в Германии суперкомпьютер, построенный на принципах нейроморфных вычислений, в рамках многомиллионной сделки. Это крупнейшее на сегодня развертывание системы компании, предназначенной специально для фармацевтических исследований и разработки малых молекул.
Серверная архитектура SpiNNcloud использует 650 тысяч вычислительных ядер, распределённых по 4 320 чипам на базе второго поколения SpiNNaker — технологии, вдохновлённой устройством человеческого мозга. Система может моделировать более 10 миллиардов нейронов и применяется в задачах ИИ, молекулярного скрининга и биомедицинских симуляций.
По словам соучредителя SpiNNcloud Кристиана Майра, система позволяет просеивать миллиарды соединений in silico за минимальное время. Прототип нейросетевого решения уже способен обрабатывать до 20 миллиардов молекул менее чем за час — это в 100 раз быстрее, чем при использовании тысячи традиционных CPU-ядер.
Каждая серверная плата включает 48 чипов SpiNNaker2, содержащих по 152 ARM-ядра и специализированные ускорители для нейросетей. Такая архитектура обеспечивает не только высокую производительность, но и серьёзную экономию энергии: по данным компании, система в 18 раз энергоэффективнее современных GPU.
В университете планируют использовать суперкомпьютер для симуляций свёртывания белков и создания моделей взаимодействия молекул с профилем пациента. Это, по словам разработчиков, поможет ускорить разработку новых персонализированных препаратов, а также оптимизировать ранние этапы исследований.
Как подчеркнул соучредитель и CEO SpiNNcloud Гектор Гонсалес, такая вычислительная архитектура особенно эффективна для алгоритмов, опирающихся на динамическую разреженность и массовый параллелизм, при этом оставаясь компактной и энергоэффективной. Сейчас системы SpiNNcloud уже применяются в научных институтах Европы и США.
Вице-президент IDC Питер Руттен отметил, что подход SpiNNcloud отражает новый тренд в высокопроизводительных вычислениях: интеграцию инфраструктуры и алгоритмов с нуля. Это особенно актуально на фоне растущего интереса к нейросетям нового поколения, использующим адаптивную активацию лишь части нейронных путей — вместо традиционного плотного вычисления во всех слоях модели.