Per NVIDIA il supercomputing passa da Tegra

Per NVIDIA il supercomputing passa da Tegra

Sono numerose le novità presentate da NVIDIA nel campo del calcolo parallelo, oltre a quelle che riguardano i progetti in corso in questo particolare ambito. Ecco un report della situazione, con alcuni importanti aggiornamenti anche per i professionisti della grafica e della modellazione 3D

di Alessandro Bordin, Andrea Bai pubblicato il nel canale Scienza e tecnologia
NVIDIATegra
 

Barcelona Supercomputing Center: un superistema con Tegra 3 per il progetto Mont-Blanc

Lo scorso 1 ottobre ha preso il via il progetto Mont-Blanc, che si prefigge di esplorare le possibilità di progettare un nuovo tipo di architettura di computazione in grado di definire il futuro degli standard High Performance Computing ad elevata efficienza, per raggiungere prestazioni di classe Exascale ma con un consumo energetico dalle 15 alle 30 volte inferiore rispetto a quanto possibile oggi.

Il progetto Mont-Blanc è coordinato dal Barcelona Supercomputing Center (di seguito BSC) e può contare su un budget di 14 milioni di Euro, inclusi oltre 8 milioni di Euro finanziati dalla Commissione Europea. Nello specifico sono tre gli obiettivi del progetto: anzitutto lo sviluppo di un prototipo HP pienamente funzionante basato su tecnologie a basso consumo commercialmente disponibili oggi; la progettazione di un sistema HPC di prossima generazione con una serie di tecnologie embedded per superare le limitazioni che saranno identificate nel sistema prototipo ed infine lo sviluppo di una raccolta di applicazioni Exascale che possano essere operate su questa nuova generazione di sistemi HPC.

A questo scopo il BSC ha deciso di utilizzare processori NVIDIA Tegra (che ricordiamo essere basati su architettura ARM) in abbinamento a GPU NVIDIA CUDA: stando alle informazioni disponibili, il prototipo del sistema HPC sarà equipaggiato con 256 processori Tegra e con un pari numero di GPU. L'obiettivo di breve termine che si è posto il BSC è di dimostrare un miglioramento dell'efficienza energetica dalle due alle cinque volte rispetto ai sistemi HPC attualmente più efficienti. Il progetto del nuovo prototipo sarà esposto in occasione della SC11 Conference che si svolge proprio in questi giorni a Seattle e chiuderà i battenti il 17 novembre.

L'attenzione ai consumi energetici è stata ribadita anche da Jen-Hsun Huang, CEO di NVIDIA, proprio durante il keynote tenuto in occasione della SC11 di Seattle. Il numero uno dell'azienda californiana ha infatti sottolineato come NVIDIA si approcci ora allo sviluppo delle soluzioni GPU pensando in termini di "power limit", dal momento che sono i consumi energetici a diventare un fattore limitante.

Secondo Huang, pertanto, è importante che l'efficienza energetica dei supercomputer continui a crescere, in maniera tale da spingere sempre più avanti i limiti di ciò che può essere fatto con essi. "Pensiamo in termini di power envelope. Se lo scopo è quello di mettere a disposizione le migliori prestazioni possibili, dobbiamo conoscere i limiti energetici che abbiamo". Il CEO di NVIDIA afferma che l'obiettivo ideale, in questo contesto, è di giungere per il 2019 ad una capacità computazionale di un exaflop impiegando 20 megawatt. A titolo di confronto il K Computer installato presso il RIKEN Advanced Institute for Computational Science (AICS) in Giappone e classificatosi al primo posto nella Top500 Supercomputer List, è in grado di esprimere una capacità di computazione di 10 petaflop, con 12 megawatt: ciò significa che entro il 2019 l'obiettivo è quello di realizzare una soluzione con una capacità computazionale di 100 volte superiore a quella del K computer, ma con appena 8 megawatt in più.

Collateralmente al progetto portato avanti dal BCS, NVIDIA ha annunciato i propri piani per la realizzazione di un nuovo kit di sviluppo hardware e software a supporto della domanda di iniziative simili che vogliano fare leva sulle capacità computazionali e sull'efficienza energetica delle architetture ARM. Il nuovo kit di sviluppo sarà realizzato da SECO e prevede l'impiego di un processore NVIDIA Tegra 3 e di una GPU NVIDIA discreta. La disponibilità è prevista per la prima metà del prossimo anno e sarà abbinato al kit NVIDIA CUDA per la programmazione parallela.

Il progetto Mont-Blanc riunisce esclusivamente realtà europee: tra i partner tecnologici vi sono infatti Bull, system vendor di soluzioni HPC, Gnodal, specializzato in soluzioni di interconnessione e ARM, che non ha certo bisogno di presentazioni. Oltre ai partner tecnologici, Mont-Blanc riunisce associazioni e centri di ricerca che svolgono attività di rilievo nello sviluppo di applicazioni Exascale: Forschungszentrum Jülich, BADW-LRZ per la Germania, GENCI e CNRS per la Francia, CINECA per l'Italia e il già citato BSC per la Spagna.

Riconoscendo l'importante progetto portato avanti dal BSC, NVIDIA ha inoltre annunciato che il Barcelona Supercomputing Center è stato nominato CUDA Center of Excellence nel contesto dell'omonimo programma che si propone di stimolare la collaborazione tra istituti di rilievo nelle attività di ricerca di parallel computing.

Oltre al BSC NVIDIA ha annunciato inoltre l'ingresso nel novero dei CUDA Center of Excellence della Lomonosov Moscow State University, uno dei principali centri di supercomputing al mondo che possiede quattro cluster di supercomputer dedicati alla ricerca scientifica nei campi della chimica quantistica, della sismologia, della progettazione farmaceutica, della geologia, della scienza dei materiali e della magneto-idrodinamica. Tra i supercomputer della MSU si segnala la presenza del supersistema "Lomonosov", classificatosi 18esimo nell'ultimo aggiornamento della Top500 Supercomputer List, costruito con processori Xeon X5570/X5670 a 2.93 GHz e GPU NVIDIA 2070.

Tra gli altri CUDA Center of Excellence vi sono la John Hopkins University, la Stanford University, l'Harvard University, l'Institute of Process Engineering at the Chinese Academy of Sciences, la National Taiwan University,la Tokyo Tech, la Tsinghua University (China), l'University of Cambridge, l'University of Illinois at Urbana-Champaign, l'University of Maryland, l'University of Tennessee, il Georgia Tech, e l'University of Utah. Ulteriori informazioni in merito ai CUDA Center of Excellence sono disponibili a partire da questa pagina.

 
^