近年來，高性能計算（HPC）在科學研究中的廣泛采用使科學進步以前所未有的速度發(fā)展。超級計算機可以比科學家在現(xiàn)實生活中進行實驗或復制無法進行實驗的過程更快地模擬各種過程。但是，仿真并不是科學研究的唯一有效方法，而人工智能和深度學習可以極大地增強仿真。這就是來自斯圖加特高性能計算中心的科學家計劃在未來幾個月內(nèi)使用Nvidia的A100 GPU升級其僅CPU的Hawk超級計算機的原因。

深度學習協(xié)助模擬

多年以來，科學家一直使用模擬研究空氣動力學，氣候模型，計算流體動力學和分子動力學等領(lǐng)域。研究人員開發(fā)的仿真算法基于基本的科學原理，非常精確。這種精度要求使用數(shù)千個CPU內(nèi)核以及雙精度浮點格式（FP64），這通常意味著要有效運行的編程技能，相當長的計算時間以及生成大量數(shù)據(jù)。最近，CPU和GPU獲得了重要的人工智能（AI）和深度學習（DL）功能，這就是為什么研究人員開始在工作中使用AI和DL的原因。

AI和DL算法不能提供精確的模擬，也不能替代它們。但是他們可以做的是快速識別大型數(shù)據(jù)集中的模式，然后創(chuàng)建一個近似于實際行為的計算模型。在某些情況下，使用AI和DL可以消除某些科學上正確的模擬，這些模擬將無濟于事，從而極大地加快了研究速度。實際上，許多科學家認為，將AI / DL與仿真相結(jié)合是超級計算的未來。

HSLR的Hawk獲得GPU

與其他學術(shù)研究人員一樣，斯圖加特超級計算機中心高性能計算中心（HLRS）依賴于基于CPU的計算機執(zhí)行的HPC仿真。今年，該公司部署了Hawk，這是一款基于AMD EPYC 7742的超級計算機，具有698，800個內(nèi)核和1，397，760 GB的內(nèi)存，可以在Rmax Linpack性能上實現(xiàn)19，334 TFLOPS。此外，自2019年以來，研究人員還一直在研究基于GPU的AI超級計算機，當時他們部署了具有60個Nvidia GPU的Cray CS-Storm系統(tǒng)。

責任編輯：lq