Sept finalistes, dont les deux lauréats des prix Gordon Bell 2020, ont utilisé des supercalculateurs pour voir plus clairement les atomes, les étoiles et plus encore – le tout accéléré avec les technologies NVIDIA.
Leurs efforts ont nécessité le calcul traditionnel des nombres du calcul haute performance, la dernière science des données en analyse de graphes, des techniques d’IA comme l’apprentissage en profondeur ou des combinaisons de tout ce qui précède.
Le prix Gordon Bell est considéré comme un prix Nobel dans la communauté des supercalculateurs, attirant certains des efforts les plus ambitieux des chercheurs du monde entier.
L’IA aide la simulation à l’échelle 1000x
Les lauréats du traditionnel prix Gordon Bell ont collaboré entre les universités de Pékin, Berkeley et Princeton ainsi que le Lawrence Berkeley National Laboratory (Berkeley Lab). Ils ont utilisé une combinaison de HPC et de réseaux de neurones qu’ils ont appelé DeePMDkit pour créer des simulations complexes en dynamique moléculaire, 1000 fois plus rapides que les travaux précédents tout en maintenant la précision.
En une journée sur le supercalculateur Summit du Oak Ridge National Laboratory, ils ont modélisé 2,5 nanosecondes dans la vie de 127,4 millions d’atomes, 100 fois plus que les efforts précédents.
Leur travail aide à comprendre les matériaux complexes et les domaines avec une utilisation intensive de la modélisation moléculaire comme la découverte de médicaments. En outre, il a démontré la puissance de combiner l’apprentissage automatique avec la modélisation et la simulation basées sur la physique sur les futurs supercalculateurs.
Le HPC à l’échelle atomique peut engendrer de nouveaux matériaux
Parmi les finalistes, une équipe comprenant des membres de Berkeley Lab et de Stanford a optimisé l’application BerkeleyGW pour passer à travers les mathématiques complexes nécessaires pour calculer les forces atomiques liant plus de 1000 atomes avec 10 986 électrons, environ 10 fois plus que les efforts antérieurs.
«L’idée de travailler sur un système avec des dizaines de milliers d’électrons était inconnue il y a à peine 5 à 10 ans», a déclaré Jack Deslippe, chercheur principal du projet et responsable des performances des applications au US National Energy Research Scientific Computing Center.
Leur travail pourrait ouvrir la voie à de nouveaux matériaux pour de meilleures batteries, cellules solaires et capteurs d’énergie, ainsi que des semi-conducteurs et des ordinateurs quantiques plus rapides.
L’équipe a utilisé les 27654 GPU du supercalculateur Summit pour obtenir des résultats en seulement 10 minutes, grâce à l’exploitation d’environ 105,9 pétaflops de performances à double précision.
Les développeurs poursuivent le travail en optimisant leur code pour Perlmutter, un système de nouvelle génération utilisant des GPU NVIDIA A100 Tensor Core qui utilisent du matériel pour accélérer les travaux en virgule flottante 64 bits.
Analytics tamise le texte pour lutter contre le COVID
En utilisant une forme d’exploration de données appelée analyse graphique, une équipe d’Oak Ridge et du Georgia Institute of Technology a trouvé un moyen de rechercher des connexions profondes dans la littérature médicale à l’aide d’un ensemble de données qu’ils ont créé avec 213 millions de relations parmi 18,5 millions de concepts et d’articles.
Leur algorithme DSNAPSHOT (Distributed Accelerated Semiring All-Pairs Shortest Path), utilisant le code CUDA personnalisé de l’équipe, fonctionnait sur 24 576 GPU V100 sur Summit, fournissant des résultats sur un graphique avec 4,43 millions de sommets en 21,3 minutes. Ils ont revendiqué un dossier de recherche approfondie dans une base de données biomédicale et ont montré la voie à d’autres.
«Pour l’avenir, nous pensons que cette nouvelle capacité permettra l’extraction des connaissances savantes… (et pourrait être utilisée dans) les flux de travail de traitement du langage naturel à grande échelle,», A déclaré Ramakrishnan Kannan, chef d’équipe pour l’IA computationnelle et l’apprentissage automatique à Oak Ridge, dans un article sur le site du laboratoire.
À l’écoute des étoiles
Une autre équipe a pointé le supercalculateur Summit vers les étoiles en vue de l’un des plus grands projets de big data jamais entrepris. Ils ont créé un flux de travail qui traitait six heures de sortie simulée du Square Kilometer Array (SKA), un réseau de milliers de radiotélescopes qui devrait être mis en ligne plus tard cette décennie.
Des chercheurs d’Australie, de Chine et des États-Unis ont analysé 2,6 pétaoctets de données sur Summit afin de fournir une preuve de concept pour l’un des principaux cas d’utilisation de SKA. Au cours de ce processus, ils ont révélé des facteurs de conception critiques pour les futurs radiotélescopes et les supercalculateurs qui étudient leur production.
Le travail de l’équipe a généré 247 Go / seconde de données et généré 925 Go / s en E / S. Comme beaucoup d’autres finalistes, ils se sont appuyés sur les liens InfiniBand rapides et à faible latence alimentés par le réseau NVIDIA Mellanox, largement utilisés dans les supercalculateurs comme Summit pour accélérer les données entre des milliers de nœuds informatiques.
Simuler le coronavirus avec HPC + AI
Les quatre équipes se tiennent aux côtés de trois autres finalistes qui ont utilisé les technologies NVIDIA dans un concours pour un prix spécial Gordon Bell pour COVID-19.
Le gagnant de ce prix a utilisé tous les GPU de Summit pour créer la simulation la plus grande, la plus longue et la plus précise d’un coronavirus à ce jour.
«Cela a complètement changé la donne pour voir les mouvements subtils des protéines qui sont souvent les plus importants, c’est pourquoi nous avons commencé à exécuter toutes nos simulations sur des GPU», a déclaré Lilian Chong, professeur agrégé de chimie à l’Université de Pittsburgh, l’un des 27 chercheurs dans l’équipe.
«Il n’est pas exagéré de dire ce qui nous a pris littéralement cinq ans à faire avec le virus de la grippe, nous sommes maintenant en mesure de le faire en quelques mois», a déclaré Rommie Amaro, chercheuse à l’Université de Californie à San Diego qui a dirigé l’IA- simulation assistée.
