Pemenang Anugerah Turing Jack Dongarra: Masih terdapat banyak ruang di bahagian atas superkomputer

Superkomputer boleh dikatakan sebagai juara Olimpik dalam pengkomputeran saintifik. Melalui simulasi berangka, superkomputer memperkayakan pemahaman kita tentang dunia: sama ada bintang-bintang dalam jarak tahun cahaya di alam semesta, cuaca dan iklim Bumi, atau cara tubuh manusia berfungsi.

Jack Dongarra telah menjadi penggerak dalam pengkomputeran berprestasi tinggi selama lebih daripada empat dekad. Pada awal tahun ini, Anugerah ACM A.M. 2021 telah dianugerahkan kepada Dongarra "atas sumbangan perintisnya kepada algoritma berangka dan perpustakaan alat yang telah membolehkan perisian pengkomputeran berprestasi tinggi seiring dengan kemajuan eksponen dalam perkakasan selama lebih daripada empat dekad."

Bennie Mols bertemu Dongarra semasa Forum Penerima Anugerah Heidelberg ke-9 di Jerman pada bulan September dan membincangkan masa kini dan masa depan pengkomputeran berprestasi tinggi. Dongarra, 72, ialah seorang profesor terkenal di Universiti Tennessee dan telah menjadi penyelidik terkemuka di Makmal Kebangsaan Oak Ridge Jabatan Tenaga A.S. sejak 1989. Bennie Mols ialah seorang penulis sains dan teknologi yang berpangkalan di Amsterdam, Belanda.

Berikut ialah kandungan temu bual

S1: Apakah motivasi anda untuk penyelidikan saintifik sejak beberapa dekad yang lalu?

J: Bidang penyelidikan utama saya ialah matematik, terutamanya algebra linear berangka Semua kerja saya berpunca daripada ini. Bagi mata pelajaran seperti fizik dan kimia yang memerlukan pengiraan - terutamanya penyelesaian sistem persamaan linear - perisian yang boleh mengira jawapan sudah pasti sangat penting. Pada masa yang sama, anda juga mesti memastikan bahawa pengendalian perisian adalah konsisten dengan seni bina mesin, supaya anda benar-benar boleh memperoleh prestasi tinggi yang boleh dicapai oleh mesin.

S2: Apakah keperluan paling penting untuk perisian dijalankan pada superkomputer?

J: Kami berharap keputusan pengiraan perisian ini adalah tepat. Kami berharap komuniti saintifik akan menggunakan dan memahami perisian ini malah menyumbang kepada peningkatannya. Kami mahu perisian berfungsi dengan baik dan mudah alih merentas mesin yang berbeza. Kami mahu kod itu boleh dibaca dan boleh dipercayai. Akhirnya, kami mahu perisian menjadikan orang yang menggunakannya lebih produktif.

Membangun perisian yang memenuhi semua keperluan ini adalah proses yang tidak remeh. Tahap kejuruteraan ini selalunya mempunyai berjuta-juta baris kod, dan kira-kira setiap 10 tahun kita melihat beberapa perubahan besar dalam seni bina mesin. Ini akan membawa kepada keperluan untuk memfaktorkan semula kedua-dua algoritma dan perisian yang merangkuminya. Perisian mengikut perkakasan, dan masih terdapat banyak ruang di bahagian atas superkomputer untuk mencapai prestasi mesin yang lebih baik.

S3: Adakah terdapat sebarang perkembangan semasa dalam pengkomputeran berprestasi tinggi yang mengujakan anda?

J: Superkomputer berprestasi tinggi kami dibina pada komponen pihak ketiga Contohnya, anda dan saya juga boleh membeli cip mewah, tetapi komputer berprestasi tinggi memerlukan banyak daripadanya. Biasanya kami menggunakan beberapa pemecut dalam bentuk GPU pada komputer berprestasi tinggi. Kami meletakkan berbilang papan pembangunan cip pada rak, dan kebanyakan rak ini bersama-sama membentuk superkomputer. Sebab kami menggunakan komponen pihak ketiga adalah kerana ia lebih murah, tetapi jika anda mereka bentuk cip khusus untuk melakukan pengkomputeran saintifik, anda mendapat superkomputer dengan prestasi yang lebih baik, yang merupakan pemikiran yang menarik.

Malah, inilah yang dilakukan oleh syarikat seperti Amazon, Facebook, Google, Microsoft, Tencent, Baidu dan Alibaba yang mereka buat sendiri. Mereka boleh melakukan ini kerana mereka mempunyai dana yang besar, manakala universiti mempunyai dana yang terhad dan oleh itu malangnya terpaksa menggunakan produk pihak ketiga. Ini berkaitan dengan kebimbangan saya yang lain: Bagaimanakah kita mengekalkan bakat dalam sains, dan bukannya melihat mereka bekerja untuk syarikat yang lebih besar yang membayar lebih baik?

S4: Apakah perkembangan penting lain yang ada untuk masa depan pengkomputeran berprestasi tinggi?

J: Memang ada beberapa perkara penting. Jelas sekali bahawa pembelajaran mesin sudah mempunyai kesan besar pada pengkomputeran saintifik, dan kesan ini hanya akan berkembang. Saya menganggap pembelajaran mesin sebagai alat yang membantu menyelesaikan masalah yang ingin diselesaikan oleh saintis pengiraan.

Ini seiring dengan satu lagi perkembangan penting. Secara tradisinya, perkakasan kami menggunakan operasi titik terapung 64-bit, jadi nombor diwakili dalam 64 bit. Walau bagaimanapun, jika anda menggunakan lebih sedikit bit, seperti 32, 16, atau 8 bit, anda boleh mempercepatkan pengiraan. Tetapi dengan mempercepatkan pengiraan, ketepatan hilang. Walau bagaimanapun, nampaknya pengiraan AI selalunya boleh dilakukan dengan lebih sedikit bit, 16 atau bahkan 8 bit. Ini adalah kawasan yang perlu diterokai, dan kita perlu mengetahui di mana bit pengurangan berfungsi dengan baik dan di mana ia tidak.

Satu lagi bidang penyelidikan ialah tentang cara memulakan pengiraan ketepatan rendah, mendapatkan anggaran dan kemudian menggunakan pengiraan ketepatan lebih tinggi untuk memperhalusi keputusan.

S5: Apakah penggunaan kuasa superkomputer?

J: Superkomputer terbaik hari ini menggunakan 20 atau 30 megawatt untuk mencapai exaflops. Jika semua orang di Bumi melakukan satu pengiraan setiap saat, ia akan mengambil masa lebih daripada empat tahun untuk melakukan perkara yang dilakukan oleh komputer berskala besar dalam satu saat. Mungkin dalam tempoh 20 tahun, kita akan mencapai skala zettaflop, iaitu 10 kepada kuasa 21 operasi floating point. Walau bagaimanapun, penggunaan kuasa boleh menjadi faktor pengehad. Anda memerlukan mesin 100 atau 200 megawatt, yang pada masa ini terlalu intensif tenaga.

S6: Bagaimanakah anda melihat peranan pengkomputeran kuantum dalam pengkomputeran berprestasi tinggi pada masa hadapan?

J: Saya rasa masalah yang boleh diselesaikan oleh pengkomputeran kuantum adalah terhad. Ia tidak akan menyelesaikan masalah seperti persamaan pembezaan separa tiga dimensi, di mana kita sering menggunakan superkomputer, seperti pemodelan iklim.

Pada masa hadapan, kami akan membina alat bersepadu yang mengandungi pelbagai jenis alat pengiraan. Kami akan mempunyai pemproses dan pemecut, kami akan mempunyai alat untuk membantu pembelajaran mesin, kemungkinan besar kami akan mempunyai peranti untuk melakukan pengkomputeran neuromorfik mengikut cara otak, kami akan mempunyai komputer optik, dan sebagai tambahan, kami akan mempunyai komputer kuantum untuk menyelesaikan masalah tertentu.

Atas ialah kandungan terperinci Pemenang Anugerah Turing Jack Dongarra: Masih terdapat banyak ruang di bahagian atas superkomputer. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!