计算机探索宇宙的史诗时刻！近日，号称世界上最快的人工智能工作负载超级计算机Perlmutter宣布开放。这台新的超级计算机拥有6144个NVIDIA A100张量核心图形处理器，将负责拼接有史以来最大的可见宇宙3D地图。而且有望突破物理日的乌云空-暗能量。
宇宙在膨胀吗？是啊！而让宇宙不断膨胀的“罪魁祸首”就是暗能量。
作为宇宙中最神秘的物质，看不见摸不着。为了捕捉它，人类在地球上设置了很多相关实验，但都收效甚微。
但现在，一台具有强大人工智能性能的超级计算机或许可以帮助我们。
最近，英伟达和美国国家能源研究科学计算中心(NERSC)开启了一个“开关”——perl mutter，它被称为世界上人工智能工作负载最快的超级计算机。
新的超级计算机以天体物理学家索尔·珀尔马特的名字命名，拥有6144个NVIDIA A100 TensorCore GPUs，将负责拼接历史上最大的可见宇宙3D地图。
此外，Perlmutter还将处理暗能量光谱仪(DESI)的数据，这是一种宇宙相机，一次曝光可以拍摄多达5000个星系。
处理海量的DESI数据，绘制可见宇宙最大的3D地图。
那么，如何拼凑出宇宙的3D地图呢？
不久前的5月17日，DESI先行一步，开始了为期五年的数据捕捉之旅。在之前四个月的试运行期间，DESI已经捕获了400万个星系的光谱，这比之前所有光谱调查的总和还要多。
Perlmutter需要做的是汇总DESI的数据。
官网显示，Perlmutter的GPU一个晚上就能捕捉到几十次曝光。在以前的系统上，可能需要几周或几个月来准备一年的数据以供发布，但Perlmutter将能够在几天内完成这项任务。
“我对我们在前期准备工作中在GPU上获得的20倍加速非常满意。NERSC的数据架构师Rollin Tho***s表示，他正在帮助研究人员为Perlmutter编写代码。
Rollin Tho***s无法掩饰他对Perlmutter性能的信心，因为Perlmutter是世界上最大的A100驱动系统，超过20个应用程序准备成为首批配备6159个NVIDIA A100张量核GPU的应用程序。NERSC正式投入使用后，Perlmutter将为超过7000名研究人员提供近4 exaflops的AI性能。
暗能量主要是通过2011年诺贝尔奖得主索尔·珀尔马特的工作发现的。
在物理宇宙学中，暗能量是一种难以察觉的能量形式，它填充空并增加宇宙的膨胀率。暗能量假说是对宇宙加速膨胀的观测结果最流行的解释之一。在宇宙的标准模型中，暗能量占宇宙质量能量的68.3%。
暗能量作为一种作用于时间空结构本身的能量，是一种均匀的负压，会导致时间空结构的膨胀。1998年，高红移超新星搜索队的观测组公布了Ia型超新星的观测数据，显示宇宙正在迅速膨胀。然后，在1999年，超新星宇宙学项目证实了这个结果。这项工作获得了2011年诺贝尔物理学奖。
遗憾的是，目前我们对它的研究还不够准确，德西的地图给我们带来了揭开暗能量奥秘的新希望。
超级计算机集成了AI和HPC
毫无疑问，佩尔穆特的作用将是无限的。除了拼凑出宇宙的3D地图，它还可以帮助探索绿色能源的亚原子相互作用等等。
NERSC的应用性能专家布兰登·库克(Brandon Cook)表示:“过去，完全模拟电池接口这样的大型系统是不可能的，但现在科学家们计划使用Perlmutter来做到这一点。」
我们知道，传统的超级计算机几乎无法处理纳秒级生成几个原子模拟所需的数**算，也无法使用Quantum Espresso等程序。但通过将其高度精确的模拟与机器学习相结合，科学家可以在更长的时间内研究更多的原子。
这也是Tensor Core在Nvidia A100中发挥其独特作用的地方。它们加速了用于模拟的双精度浮点数**算和深度学习所需的混合精度计算。
Perlmutter基于HPE克雷沙斯塔平台，包括弹弓互连，这是一个异构系统，具有GPU加速节点和纯CPU节点。该系统分两个阶段安装——第一阶段，最近亮相，包括GPU加速节点和临时文件系统；第二阶段将在2021年晚些时候添加纯CPU节点。
英伟达高级产品营销经理Dion Harris在今天的博客中表示:“这使得Perlmutter成为地球上使用16位和32位混合精度数学AI最快的系统。但到目前为止，今年晚些时候劳伦斯伯克利国家实验室的第二阶段系统可能会更强。」
Perlmutter的A100 GPU采用了Nvidia张量核心技术和直接液冷。此外，它是NERSC的第一台具有全闪存临时文件系统的超级计算机。根据NERSC的说法，35 PB的Lustre文件系统将以超过5 TB/ s的速度移动数据，使其成为同类产品中最快的存储系统。
Perlmutter安装的第一阶段由12个GPU加速柜组成，可容纳超过1500个节点。今年晚些时候的第二阶段将增加12个CPU机柜，超过3000个节点。第一阶段的每个GPU加速节点都有四个基于NVIDIA Ampere GPU架构的A100 TensorCore GPUs和256GB内存。每个阶段1节点也有一个AMD「米兰」CPU。第一阶段系统还包括非计算节点(NCN)、20个用户接入节点(NCN-UAN-登录节点)和服务节点。根据NERSC的说法，一些NCN-UAN可以用来部署由Kubernetes编排的容器化用户环境。
第一级机柜没有连接门，直接液体冷却系统的蓝线和红线。
第二阶段的每个CPU节点将有两个AMD Milan CPU，每个都有512GB的内存。二期系统还增加了20个登录节点和4个大内存节点。
支持多种编程环境，用计算极限探索宇宙的极限。
除了CCE、GNU和LLVM编译器之外，Perlmutter编程环境将采用NVDIA HPC SDK(软件开发工具包)来支持多种并行编程模型，例如用于C、C++和Fortran代码的MPI、OpenMP、CUDA和OpenACC。
虽然人类用身体探索宇宙的能力有限，但计算机没有这个障碍。
例如，去年10月，夏威夷大学马诺阿分校天文研究所的一组天文学家在AI神经网络的帮助下，创建了迄今为止最全面的“天文成像目录”，包括恒星、星系和类星体。
该系统还测量了与星系的距离，最大误差为3%。根据夏威夷大学的说法，最终结果是“世界上最大的恒星、星系和类星体三维成像目录”
甚至，一位来自微软的物理学家用80页的论文证明了“模拟矩阵”:宇宙是一台自学成才的计算机。
进化法则的自我学习系统。
按照作者的观点，宇宙也进化出了类似深度学习框架的自发系统。
我们知道，深度学习框架是一组积木，每个组件都是某个模型或算法的一部分。你可以自己设计积木堆。
所以，我们是否可以想象宇宙进化出了规律的运算矩阵结构，它本身就是由一个自动教学系统进化而来，产生了最大可能的最小初始条件？
在本文中，作者描述了几种模式，它们都实现了“自导自演”:
具有7，088个节点和7，304条边的图由采样可能的未来组成。
在生活中，物理定律依赖于我们的观察，所以最初的物理定律会极其简单，但经过一代又一代的变化，定律有了自我延续和学习发展的能力。
也许，宇宙并不是从大爆炸开始的，而只是粒子之间的简单相互作用。
文章集中讨论受限玻尔兹曼机，RBM)。
Hinton等人提出的约束Boltz***nn机是一种生成型随机神经网络。这个概念很抽象，是一个类似物理的机器学习模型。然而，受限玻尔兹曼机是最简单的一种深度神经网络结构，
该架构由两层神经元组成。一个是可见层(绿色)，另一个是隐藏层(蓝色)。
了解宇宙未知的一面，一直是天文学家努力的方向。有了AI这个“队友”，会不会加快通向宇宙探索的星辰大海？
本文来自倾听雪落投稿，不代表舒华文档立场，如若转载，请注明出处：https://www.chinashuhua.cn/24/639477.html
微信扫一扫 
