Hochleistungsrechner Supercomputer Hawk wird für KI-Methoden optimiert

Der Supercomputer Hawk wird mit Grafikprozessoren ausgestattet, damit er sich nun auch für Deep-Learning- und KI-Anwendungen eignet und hybride Arbeitsabläufe, die das Höchstleistungsrechnen und KI kombinieren, effektiver erfolgen.

Anbieter zum Thema

Universität Stuttgart

TIBCO Software GmbH

Fujitsu Technology Solutions GmbH

Insider Research

Der im Jahr 2020 am Höchstleistungsrechenzentrum der Universität Stuttgart (HLRS) in Betrieb genommene Supercomputer Hawk befindet sich zwar noch in der Ausbauphase, gehört aber bereits jetzt zu den leistungsfähigsten Höchstleistungsrechnern in Europa. In der aktuellen Top-500-Liste, in der die schnellsten HPC-Systeme der Welt anhand des High-Performance-Linpack Benchmarks aufgeführt werden, belegt Hawk den sechzehnten Platz.

Neue Einsatzmöglichkeiten

Nach der vor kurzem erfolgten Vertragsunterzeichnung mit Hewlett Packard Enterprise soll der Supercomputer nun um NVIDIA-Grafikprozessoren (GPUs) erweitert werden, wodurch seine Architektur nicht mehr einer reinen Zentralrechnertechnologie unterliegt, sondern einer hybriden Plattform gleicht. Das HLRS will Hawk um 24 HPE-Apollo-6500-Gen10-Plus-Systeme mit 192 NVIDIA-A100-GPUs ausbauen. Die Erweiterung durch 120 Petaflops an KI-Rechenleistung ermöglicht es den Nutzern des Supercomputers, zukünftig Anwendungen aus dem Bereich des Deep Learnings, der Hochleistungsdatenanalyse und der KI auf dem System ausführen zu können, das sie im Moment bereits für rechenintensive Simulationen verwenden.

Damit Deep-Learning-Algorithmen durchgeführt werden können, braucht es riesige Datenmengen, für deren Generierung CPU-basierte High-Performance Computing-Systeme wie Hawk im hohen Maße geeignet sind. Modelle, die anschließend mithilfe von Deep-Learning-Methoden auf GPU-basierten Systemen entwickelt werden, können das Durchforsten von riesigen Datensätzen effizienter und erfolgreicher gestalten und damit Forschende entlasten. Es wird bereits erforscht, ob und wie diese hybriden Methoden die Forschung in Bereichen wie Strömungsdynamik, Robotik und industrielle Produktion beschleunigen könnten.

Zweiter Prozessortyp soll Nutzerbedürfnisse befriedigen

Ein Grund für die Optimierung der Rechenlandschaft für KI-Aktivitäten sei die Mission des HLRS, sich an den Bedürfnissen der Nutzer zu orientieren: „In letzter Zeit beobachten wir ein stetig wachsendes Interesse an Deep Learning und an Künstlicher Intelligenz. Diese Anwendungen werden jedoch wesentlich effektiver von Grafikprozessoren bedient. Indem wir nun diesen zweiten Prozessortyp der Architektur unseres Hawk-Rechners hinzufügen, können wir fortan Forschern aus Wissenschaft und Industrie weiterhin bestmöglich dienen, die an vorderster Forschungsfront arbeiten“, so der Leiter des HLRS Professor Dr.-Ing. Michael Resch.

Dieser Artikel stammt von unserem Partnerportal Industry of Things.

(ID:47070476)