[ad_1]
//php echo do_shortcode(‘[responsivevoice_button voice=»US English Male» buttontext=»Listen to Post»]’) ?>
SANTA CLARA, CALIFORNIA – La IA ha revolucionado la informática científica en los últimos años y las cargas de trabajo continúan convergiendo, dijo a EE Times Ian Buck, vicepresidente y director general del negocio de informática HPC e hiperescala de Nvidia. Esto significa un mercado en auge para las GPU en informática de alto rendimiento (HPC).
«El mundo de la supercomputación y la HPC se está dando cuenta del potencial de la IA», afirmó Buck. «La buena noticia es, [AI is accelerated by] las mismas GPU… muy conscientemente, Nvidia está construyendo una arquitectura y poniéndola a disposición de todos nuestros mercados y todos nuestros usuarios”.
Las supercomputadoras continúan acelerando los descubrimientos científicos en muchas áreas. Hoy en día, los modelos físicos se utilizan para simular fenómenos difíciles de observar experimentalmente. El cambio climático es un gran ejemplo: la escala es tan grande y los plazos tan largos que es difícil diseñar un experimento práctico para probar las hipótesis de los científicos del clima. En su lugar se debe utilizar la simulación.
«Suponiendo que podamos construir la computadora adecuada, si conocemos la física involucrada, desde el flujo turbulento hasta la radiación solar, podemos construir un modelo matemático de la Tierra y luego jugar con él», dijo. «Puede suceder en un período de años, décadas o siglos».
Utilizando una supercomputadora, los científicos pueden simular las emisiones de CO2 a lo largo del tiempo y ver el resultado.
![](https://www.eetimes.com/wp-content/uploads/cropped_Ian_Buck_headshot.jpg?w=187&is-pending-load=1#038;resize=187%2C300)
«El desafío reside en la precisión y en la disponibilidad de suficientes ciclos informáticos en el ordenador», afirmó. «En supercomputación, la pregunta siempre es: ¿Hemos logrado una resolución lo suficientemente fina para capturar el fenómeno? Porque para nosotros no es práctico simular todo el camino hasta el átomo, por lo que tenemos que aproximarnos y luego validar».
Para trabajar sobre el cambio climático, los modelos se pueden probar con datos históricos, pero esto todavía es difícil a escala de la Tierra. Para capturar vórtices, la formación de nubes debe ocurrir a escalas inferiores a un kilómetro, a menudo en el rango de cientos de metros. Los científicos pueden mejorar la precisión de la simulación utilizando más ciclos informáticos. Sin embargo, si esto no es posible, otra opción es desarrollar y entrenar una IA para observar la simulación y aproximarse a ella.
“La IA puede correr mucho más rápido [than the original simulation algorithm]»Aún es un enfoque que necesita ser validado y probado, pero puede ser una herramienta para que los investigadores exploren muchas más opciones en escalas de tiempo mucho mayores e identifiquen fenómenos que pueden ser demasiado graves para calcularlos o demasiado difíciles de encontrar mediante la búsqueda. «Recorrer todas las diferentes opciones y luego regresar y hacer simulaciones de física de primeros principios».
Muchas supercomputadoras construidas hoy con la CPU-GPU Grace Hopper y las GPU Hopper de Nvidia se utilizan para entrenar y obtener sustitutos de la IA, dijo Buck. Nvidia tiene su propio proyecto para construir una supercomputadora llamada Earth-2, que ejecutará un gemelo digital de la Tierra para la investigación climática. Earth-2 utilizará una combinación de sistemas GH200 (Grace Hopper), HGX H100 (GPU Hopper AI) y OVX (GPU Ada Lovelace para gráficos e inteligencia artificial).
![](https://www.eetimes.com/wp-content/uploads/Earth-2-Graphic.png?w=640&is-pending-load=1#038;resize=640%2C320)
Los sustitutos de la IA también se están utilizando a nivel molecular para el plegamiento de proteínas y para estudiar cómo funcionan las moléculas biológicas como los virus. El proceso de captura de virus con medicamentos es difícil de simular debido a los pasos de tiempo relativamente cortos necesarios durante un tiempo total relativamente largo, pero un modelo sustituto de este proceso basado en inteligencia artificial puede ayudar a acelerar la simulación.
![](https://www.eetimes.com/wp-content/uploads/Protein-Folding-Graphic.png?w=640&is-pending-load=1#038;resize=640%2C360)
La IA también se puede utilizar para acelerar procesos y métodos existentes. Los precondicionadores basados en IA que pueden ayudar a los científicos a resolver ecuaciones matemáticas más rápido también están en aumento en muchas aplicaciones científicas diferentes.
«El truco consiste a menudo en convertir la matriz de ecuaciones en algo que sea más fácil de resolver con un precondicionador, convirtiendo las ecuaciones en un espacio diferente que pueda estructurarse de manera más eficiente para que los solucionadores numéricos puedan resolverlas», dijo Buck. “Es un arte. Si puedes hacer eso, puedes construir un preacondicionador que pueda resolver ecuaciones lineales mucho más rápido pero que siga siendo 100% numérico exacto”.
Los preacondicionadores se utilizan a menudo en ingeniería asistida por ordenador (CAE) en aplicaciones como el análisis de accidentes de vehículos.
Nvidia ofrece flujos de trabajo para crear modelos de IA sustitutos, así como el paquete de software Modulus para el entrenamiento de modelos de IA basado en la física y algunos tipos de modelos base como BioNeMo para el descubrimiento de fármacos.
Los mayores cambios en el hardware de supercomputación cambiarán la forma en que las CPU y las GPU se conectan entre sí, añadió Buck.
«Ahora estamos en un punto en el que la IA y la computación acelerada en general nos permiten pensar de manera innovadora en términos de cómo se pueden construir computadoras», dijo.
Si bien las supercomputadoras de los últimos años podrían haber tenido una o dos CPU conectadas a un acelerador a través de PCIe, están surgiendo cada vez más soluciones integradas como el superchip Grace Hopper de Nvidia.
“Ahora que el mercado se ha vuelto tan grande, podemos pasar de una conexión de 60 o 100 GB/s a una integración mucho más estrecha entre CPU y GPU, que es lo que ofrece Grace Hopper: una CPU y una GPU que funcionan como una sola unidad y funcionan juntas. » dijo, señalando que el ancho de banda de CPU a GPU de Grace Hopper es de 450 GB/s en una dirección, o 900 GB/s en total.
Nvidia también diseñó Grace Hopper para que sea totalmente coherente con la caché.
«En el pasado, la gente ha optimizado código muy valioso para mover datos de un lado a otro, y eso seguirá sucediendo», dijo. “Pero si dices eso [CPU and GPU] uno al lado del otro para que realmente puedan funcionar como una unidad y la GPU tenga el mismo ancho de banda para la memoria del host en la CPU que la CPU, realmente estás construyendo una GPU de 600 GB totalmente coherente: ahora tienen que preocuparse menos por los datos. el movimiento que pueden permitir que el sistema operativo mueva páginas de forma dinámica, muy eficiente y muy rápida”.
Dado el dominio del mercado de Nvidia en IA a gran escala, es justo decir que las mejoras en la velocidad y la eficiencia en productos como Grace Hopper contribuirán a descubrimientos científicos que cambiarán el mundo para mejor.
[ad_2]