Wskrzeszony superkomputer

Nawet w dziedzinie wyznaczanej przez ciągłe przełomy osiągnięcie było szokujące: w marcu zeszłego roku rząd japoński uruchomił komputer, który wkrótce okazał się najszybszy na świecie, w niektórych przypadkach dziesięciokrotnie lepszy od następnego najszybszego komputera. Symulator Ziemi, zbudowany przez firmę NEC, trwał cztery lata i kosztował co najmniej 350 milionów dolarów. Szybko dostarczył rzeczywistych wyników naukowych w modelowaniu globalnego klimatu, wykonując symulacje, które sprawiały, że inne komputery wyglądały na prymitywne. Naukowcy na całym świecie ustawili się w kolejce, aby mieć ograniczoną ilość czasu komputerowego dostępnego naukowcom poza Japonią. W czerwcu, zaledwie kilka tygodni po tym, jak maszyna ożyła, trzech z sześciu finalistów prestiżowych nagród Gordona Bella w dziedzinie obliczeń o wysokiej wydajności uruchomiło swoje projekty w Earth Simulator.

Kilka artykułów zeszłej wiosny dotyczyło wiadomości, cytując ekspertów, którzy porównywali Symulator Ziemi do Sputnika – kolejny przypadek, w którym Stany Zjednoczone zostały poważnie zdeklasowane w krytycznej technologii. Ale poza rozrzedzonymi kręgami zaawansowanych komputerów historia wkrótce umarła. Amerykańscy producenci komputerów bagatelizują to osiągnięcie, odrzucając Symulator Ziemi jako starą technologię lub zbyt wyspecjalizowaną, by była bardzo przydatna, a nawet upierając się, że był to chwyt reklamowy. Daj nam 400 milionów dolarów do wydania na pojedynczy komputer, a będziemy mogli zbudować coś równie szybko, mówi Peter Ungaro, wiceprezes działu obliczeń o wysokiej wydajności w IBM.

Ta historia była częścią naszego wydania z lutego 2003 r.

• Zobacz resztę numeru
• Subskrybuj

Uwielbiam to, szydzi Gordon Bell, projektant pierwszego minikomputera do sprzętu cyfrowego i luminarz w dziedzinie obliczeń o wysokiej wydajności. Jak IBM to zrobi? Gdzie jest technologia? Chcę postawić 1000 USD, że w przyszłym roku IBM nie będzie w stanie dorównać wydajności kosztowej Symulatora Ziemi na żadnym posiadanym przez siebie systemie. W rzeczywistości IBM niedawno wygrał kontrakt Departamentu Energii na budowę pary maszyn zaprojektowanych do pracy z prędkością od 2 do 9 razy większą niż Earth Simulator, ale ukończenie projektu potrwa do 2005 roku. Podobnie jak wiele osób zajmujących się obliczeniami naukowymi o dużej mocy, Bell wierzy, że osiągnięcie Japonii ujawniło otwartą lukę w rozwoju systemów superkomputerowych w Stanach Zjednoczonych – dziurę, której same pieniądze nie są w stanie wypełnić.

Co się wydarzyło, co pozwoliło NEC objąć tak ogromną przewagę w dziedzinie mocy obliczeniowej? Mówiąc najprościej, japoński rząd uznał za stosowne dotować rozwój najdroższego komputera na świecie. Celem projektu nie było przechwycenie prawa do przechwałek ze Stanów Zjednoczonych, ale pogłębienie wiedzy naukowców na temat globalnego klimatu poprzez stworzenie maszyny, która wykonuje lepsze modelowanie i symulacje pogody niż kiedykolwiek wcześniej.

W tym samym czasie amerykańskie fundusze rządowe na badania nad zaawansowanymi komputerami słabły w odpowiedzi na głęboko odczuwany przez USA pogląd, że twórcy superkomputerów, takie jak matki z opieki społecznej, powinny zadbać o siebie, a nie przetrwać dzięki rządowym jałmużnie. W porównaniu z jakąkolwiek inną częścią rynku komputerowego, rynek superkomputerów jest mały i powoli się rozwija, więc gdy wyschły fundusze publiczne, wyschły również prywatne inwestycje w wysokowydajne architektury. Przez ostatnią dekadę nacisk w USA na superkomputery kładziono zatem na łączeniu klastrów procesorów towarowych — zaprojektowanych do codziennych zastosowań biznesowych — w tak zwanych konfiguracjach masowo równoległych. Takie podejście stanowi wyraźny kontrast z japońską wizją wyspecjalizowanych architektur opracowanych wyłącznie na potrzeby rynku o wysokiej wydajności.

To prawda, podejście do towarów zaszło daleko: w chwili pisania tego artykułu dwie maszyny towarowe, bliźniacze superkomputery ASCI Q zbudowane przez firmę Hewlett-Packard w Los Alamos National Laboratory w Nowym Meksyku, zajmują drugie miejsce na świecie pod względem szybkości (według rankingu Top500.org , grupa analityczna non-profit). Pomysł wykorzystania wielu tanich procesorów do wykonywania skomplikowanych zadań poruszył również publiczną wyobraźnię dzięki projektom takim jak:SETI @ home, w ramach którego komputery stacjonarne ponad czterech milionów ochotników skanują dane z radioteleskopów w poszukiwaniu wzorców wskazujących na inteligencję obcych. Klastry Beowulf, które wykorzystują opracowaną w 1994 roku metodę łączenia komputerów PC w celu maksymalizacji ich mocy obliczeniowej, jeszcze bardziej ułatwiły osiągnięcie wysokich poziomów wydajności przy stosunkowo niskich nakładach inwestycyjnych. Bez wątpienia podejście towarowe sprawdziło się w wielu zastosowaniach, które kiedyś działały na specjalistycznym dużym żelazie.

Ale pomimo tych zdobyczy, Stany Zjednoczone boleśnie zawodzą w tej dziedzinie, w której mięśnie komputerowe mają największe znaczenie i gdzie naród ma najwięcej do zyskania: w symulowaniu tak złożonych systemów, jak pogoda na makroskopowym końcu i składanie białek na mikroskopijnym . Ta zdolność symulacji ma coraz większe znaczenie dla postępu nauk podstawowych, a także dla bezpieczeństwa narodowego.

Horst Simon, dyrektor National Energy Research Scientific Computing Center w Oakland w Kalifornii, gdzie znajduje się 12. najszybszy komputer . Obraliśmy kierunek w Stanach Zjednoczonych, który nie zadziała.

Potrzeba szybkości

Jakie są prawdziwe zalety coraz szybszych komputerów? Dlaczego w końcu nie możemy skorzystać z maszyny, której wykonanie zadania zajmuje miesiąc lub tydzień zamiast dnia lub godziny? W przypadku wielu problemów możemy. Ale prawda jest taka, że ​​dopiero zaczynamy zdobywać moc obliczeniową, aby zrozumieć, co się dzieje w systemach z tysiącami lub milionami zmiennych; nawet najszybsze maszyny właśnie teraz ujawniają obietnicę tego, co nadejdzie.

Weźmy na przykład gazy cieplarniane i sposób, w jaki wpływają na globalny klimat, jeden z problemów, które miał zbadać Symulator Ziemi. Mając komputery wystarczająco szybkie, aby dokładnie przewidywać zmiany klimatu, możemy z dużo większą pewnością wiedzieć, jaki poziom atmosferycznego dwutlenku węgla spowoduje stopienie polarnych czap lodowych. Podobnie, ponieważ Earth Simulator modeluje klimat planety z niewiarygodną szczegółowością, może przeprowadzać symulacje uwzględniające skutki takich lokalnych zjawisk, jak burze. Zjawiska te mogą dotyczyć obszarów o szerokości zaledwie 10 km, w przeciwieństwie do 30 do 50 km, które większość modeli pogodowych wykorzystuje jako standardowy rozmiar siatki.

Albo weźmy trudności, jakie napotkaliśmy, próbując zrozumieć i wykorzystać fuzję jądrową – to wiecznie niedostępne panaceum na nasze problemy energetyczne. Przeprowadzenie jednego eksperymentu dotyczącego syntezy jądrowej może zająć dekadę, mówi Thomas Sterling, pracownik naukowy w Center for Advanced Computing Research w Caltech. Szybsze komputery przyspieszyłyby te projekty o dziesięciolecia, pozwalając nam nie tylko zaprojektować bezpieczne reaktory, które dają nam moc do napędzania planety, ale także wiedzieć, jak pozbyć się odpadów.

Jeden z ostatnich przykładów zarówno obietnicy, jak i ograniczeń dzisiejszych najpotężniejszych komputerów pochodzi z maszyny ASCI White firmy IBM, czwartego najszybszego superkomputera na świecie, który naukowcy IBM wykorzystali do zbadania, jak materiały pękają i odkształcają się pod wpływem naprężeń. Badania, ogłoszone wiosną ubiegłego roku, symulowały zachowanie miliarda atomów miedzi. Miliard z pewnością brzmi jak wiele zmiennych – dopóki nie zdasz sobie sprawy, że do utworzenia choćby centymetra sześciennego miedzi potrzeba ponad sto bilionów razy więcej atomów.

Istnieje pogląd, że obliczenia o wysokiej wydajności to dojrzała branża, w której wszystkie problemy zostały rozwiązane, a my poszliśmy dalej, mówi Burton Smith, główny naukowiec w Cray, pionierskiej firmie produkującej superkomputery w Seattle. To jest fałszywe. Zażenowanie Symulatora Ziemi pokazuje, że wciąż jest dużo więcej zrozumienia do zrozumienia.

Niestandardowy a towar

W ciągu ostatniej dekady wszystko, co słyszeliśmy o komputerach, polegało na tym, że były one mniejsze, szybsze, tańsze i bardziej przypominały towary. Na przykład nasze laptopy mają takie same możliwości, jak komputery Cray z połowy lat siedemdziesiątych. Potem pojawia się monstrualny Symulator Ziemi: ma rozmiar czterech kortów tenisowych i kosztuje prawie dwa razy więcej niż jego najbliższa konkurencja, maszyny ASCI Q. Jeśli to jest przyszłość superkomputerów, co mamy z tym zrobić? Maszyna nie może się nawet pochwalić szczególnie nową architekturą: NEC zastosował technikę zwaną obliczeniami wektorowymi, która pochodzi z najwcześniejszych dni Craya.

Ale poza swoją niezgrabnością i osobliwościami architektonicznymi, Earth Simulator jest przykładem podejścia do obliczeń o wysokiej wydajności, które zasadniczo różni się od tego, które stosuje większość współczesnych producentów komputerów w USA. Earth Simulator został zaprojektowany od podstaw — od procesorów po magistrale komunikacyjne łączące procesory i pamięć — aby być najszybszym komputerem na świecie. Kiedy amerykańskie podejście polegające na łączeniu procesorów ogólnego przeznaczenia, takich jak te, które obsługują strony internetowe, przyniesie wynik, który będzie odpowiadał wydajności maszyny wyraźnie zaprojektowanej pod kątem wydajności? Uważam, że nie możesz tego zrobić, mówi Bell. Po prostu nie widzę sposobu, aby z komputerem ogólnego przeznaczenia dostać się stamtąd do tego miejsca.

Wyzwanie wydajności zaczyna się od procesora. Dane przetworzone w obliczeniach naukowych często przybierają postać list liczb, wartości związanych z obserwacjami w świecie rzeczywistym. Tradycyjnie komputery działały na tych wartościach sekwencyjnie, pobierając je z pamięci jedna po drugiej. Następnie, na początku lat 70., Seymour Cray dokonał intuicyjnego kroku: dlaczego nie zaprojektować komputera tak, aby jego procesory mogły żądać całej listy lub wektora naraz, zamiast czekać, aż pamięć odpowie na każde żądanie po kolei? Taki procesor spędzałby więcej czasu na obliczeniach, a mniej na oczekiwaniu na dane z pamięci. Od połowy lat 70. do lat 80. superkomputery wektorowe Cray'a ustanawiały rekord za rekordem. Wymagały one jednak drogich, wyspecjalizowanych chipów, dlatego też obliczenia wektorowe zostały w dużej mierze porzucone w Stanach Zjednoczonych po 1990 roku, kiedy zapanowała koncepcja masowo równoległych systemów wykonanych z gotowych procesorów.

Niemniej jednak obliczenia wektorowe pozostały jednym z najbardziej wydajnych sposobów obsługi symulacji na dużą skalę, co skłoniło NEC do przyjęcia podejścia Cray'a, gdy ubiegał się o rządowy kontrakt na budowę symulatora Ziemi. Gdy architekci NEC zdecydowali się budować z myślą o szybkości, a nie standaryzacji, mogli swobodnie opracowywać nie tylko wyspecjalizowane procesory, ale także szersze ścieżki komunikacji między procesorami, zwiększając przewagę szybkości sprzętu. Wiele takich ulepszeń jest wbudowanych w NEC SX6, podstawowy element konstrukcyjny Symulatora Ziemi. Architektura wektorowa najlepiej nadaje się do symulacji komputerowych problemów naukowych i inżynieryjnych związanych z wielkim wyzwaniem, takich jak globalne ocieplenie, projektowanie samolotów naddźwiękowych i fizyka w nanoskali, mówi Makoto Tsukakoshi, dyrektor generalny projektu Earth Simulator w NEC.

Z drugiej strony połączenie maszyn towarowych ze standardowymi sieciami komercyjnymi przenosi obciążenie związane z szybkością ze sprzętu na oprogramowanie. Informatycy muszą pisać równoległe programy, które analizują problemy na porcje, a następnie wyraźnie określają, które procesory powinny obsługiwać każdą porcję — wszystko w celu zminimalizowania czasu spędzonego na przekazywaniu bitów przez wąskie gardła komunikacyjne między procesorami.

Takie programowanie okazało się niezwykle trudne: prosty program FORTRAN staje się makaronowym bałaganem kodu, który wymaga przepisywania i debugowania przez specjalistów od programowania równoległego. Mam nadzieję, że skupię moją uwagę na moich badaniach, a nie na programowaniu, mówi Hitoshi Sakagami, naukowiec z japońskiego Instytutu Technologii Himeji i finalista nagrody Gordona Bella za pracę przy użyciu Symulatora Ziemi. Nie uważam komputerów równoległych za dopuszczalne narzędzia do moich badań, jeśli jestem stale zmuszany do kodowania programów równoległych.

To nie lenistwo powstrzymywało programistów od znalezienia lepszych sposobów pisania kodu równoległego. Ludzie pracowali bardzo ciężko, próbując opracować nowe oprogramowanie aplikacyjne oparte na różnych algorytmach, aby używać maszyn równoległych, z niewielkim sukcesem, mówi Jim Decker, główny zastępca dyrektora Biura Nauki w Departamencie Energii. (Agencja Deckera jest odpowiedzialna za podstawowe badania w takich obszarach, jak energia i środowisko). Maszyny wektorowe często wykorzystują własną formę przetwarzania równoległego, ale obliczenia matematyczne w tym zakresie są znacznie mniej skomplikowane; Na przykład naukowcy z Earth Simulator są w stanie programować przy użyciu klasycznego języka komputerowego FORTRAN, który ma znacznie bardziej bezpośrednie podejście.

Superkomputer składający się z dużej liczby procesorów komercyjnych jest nie tylko trudny do zaprogramowania. Stało się jasne, że korzyści z dodania większej liczby procesorów do systemu towarowego ostatecznie spłaszczają się i stają się nieistotne, ponieważ nakłanianie ich do współpracy staje się coraz trudniejsze. Tym, co naprawdę przyspieszyło bicie serc naukowców zajmujących się obliczeniami w związku z Symulatorem Ziemi, nie była szczytowa lub maksymalna liczba obliczeń wykonywanych na sekundę, która jest w przybliżeniu czterokrotnie większa od wydajności następnej najszybszej maszyny i sama w sobie jest wystarczająco imponująca. Zamiast tego była to zdolność komputera do rozwiązywania rzeczywistych problemów (na czym w końcu zależy naukowcom). Symulator Ziemi może przetwarzać obliczenia do 67 procent swojej szczytowej pojemności przez dłuższy czas. Dla porównania, podejście masowo równoległe – cóż, nie ma porównania.

Jeśli wrzucisz do systemu wystarczającą liczbę tych standardowych procesorów i nie przytłacza Cię koszt sieci komunikacyjnej łączącej je ze sobą, możesz w końcu osiągnąć szczytową wydajność symulatora Ziemi, mówi Sterling. Ale to, co rzadko jest podawane do publicznej wiadomości na temat tych systemów, to fakt, że ich trwała wydajność jest często poniżej pięciu procent wartości szczytowej, a nawet jednego procenta wartości szczytowej.

Chociaż z pewnością taniej jest budować superkomputery z części dostępnych na rynku, wielu naukowców zajmujących się obliczeniami podejrzewa, że ​​koszt opracowania oprogramowania równoległego w rzeczywistości sprawia, że ​​uruchamianie aplikacji naukowych na takiej maszynie jest droższe.

Ludzie zakochali się w niskich kosztach za coś, co wydaje się bardzo wysokim poziomem wydajności na zwykłych maszynach, mówi Decker. Ale tak naprawdę nie są tańsze w budowie. Musimy przyjrzeć się stałej wydajności, a także kosztom tworzenia oprogramowania. Koszty oprogramowania są na ogół wyższe niż koszty sprzętu, więc jeśli istnieją podejścia sprzętowe, które ułatwiają rozwiązanie problemu, lepiej zainwestować w sprzęt. Z perspektywy czasu uważam, że lepiej byłoby, gdybyśmy wybrali inną ścieżkę.

Grać w łapanie

Gdyby Symulator Ziemi naprawdę był postrzegany jako kolejny Sputnik, w tej chwili rząd USA przeznaczałby poważne pieniądze na badania i rozwój superkomputerów. W końcu NASA wydała ponad 19 miliardów dolarów – około 80 miliardów dolarów w dzisiejszych dolarach – na misje Apollo, aby umieścić człowieka na Księżycu. Ale George W. Bush to nie John F. Kennedy, a wyścig o wyprzedzenie Symulatora Ziemi nie porwał ani wyobraźni opinii publicznej, ani odpowiedniego poziomu finansowania publicznego.

Istnieje jednak jeden stały czynnik napędzający wydatki USA na superkomputery – potrzeba większej mocy obliczeniowej do symulowania wydajności broni jądrowej zamiast testów podziemnych. W listopadzie Narodowa Administracja Bezpieczeństwa Jądrowego Departamentu Energii przyznała IBM trzyletni kontrakt o wartości 267 milionów dolarów na budowę dwóch superkomputerów – ASCI Purple i Blue Gene/L – które mają mieć większą łączną moc przetwarzania niż 500 dzisiejszych najszybszych superkomputerów razem wziętych. W odpowiedzi na Earth Simulator amerykańska Agencja Zaawansowanych Projektów Badawczych Obrony rozpoczęła własny, skromniejszy program finansowania badań nad superkomputerami. Agencja zaczyna od indywidualnych grantów na badania w wysokości 3 milionów dolarów dla liderów branży Cray, IBM, Hewlett-Packard, Silicon Graphics i Sun Microsystems, a następnie przez dodatkowe fundusze, jeśli zostaną osiągnięte kamienie milowe w zakresie technologii. Nowe projekty obronne zaczęły ożywiać przemysł. Burton Smith z Cray'a mówi: To naprawdę oznacza koniec dość długiego okresu, w którym rząd

nie był zaangażowany w badania i rozwój komputerów.

Innym sposobem na uruchomienie superkomputerów w USA mogą być dodatkowe inwestycje w obliczenia wektorowe, podejście, które udowadnia Earth Simulator, zostało przedwcześnie porzucone przez amerykańskich programistów. Obecny stan wysokowydajnej architektury sięga wstecz do solidności 25-letniej podstawowej architektury wektorowej Cray, przyjętej przez NEC i stale ulepszanej, mówi Bell. Architekci ze Stanów Zjednoczonych odrzucili tę architekturę, nie opracowując konkurencyjnych alternatyw.

Ale gdzie powstaną nowe komputery wektorowe? Podobnie jak Stany Zjednoczone były kiedyś w tyle w dziedzinie elektroniki użytkowej, szybko straciły również wiedzę niezbędną do budowy takich systemów. Spośród 40 firm, które specjalizowały się w wysokowydajnych obliczeniach pod koniec lat 80., tylko Cray pozostaje na rynku, przetrwał przejęcie przez Silicon Graphics w 1996 r. i Tera w 2000 r. (Tera szybko zmieniła swoją nazwę na Cray w uznaniu Cray jest jedynym amerykańskim producentem superkomputerów obsługującym przetwarzanie wektorowe. Jesienią ubiegłego roku Cray zaczął sprzedawać nowy komputer wektorowy, X1; W pełni załadowana maszyna wyprzedzi Symulator Ziemi o prawie 50 procent, mówi firma. Ale Cray nie sprzedał jeszcze tak potężnego systemu X1 i chociaż armia amerykańska i Departament Energii oceniają jego potencjał, inni klienci, co zrozumiałe, obawiają się polegania na architekturze obsługiwanej tylko przez jedną stosunkowo małą firmę.

Wszystko to pozostawia amerykańskie nadzieje na superkomputery związane w większości z zupełnie nowymi architekturami – tymi, które mogą mieć potencjał, by przewyższyć wydajność obliczeń wektorowych. Chociaż granty DARPA zostały zainicjowane w odpowiedzi na Symulator Ziemi, mają na celu osiągnięcie zupełnie innego celu: stworzenie superkomputerów, które są nie tylko szybsze, ale także tańsze w budowie i użytkowaniu niż cokolwiek wcześniej opracowanego. Czy jest sposób na zrobienie tego wszystkiego na raz? Logiczne jest myślenie, że powinno być, ale odpowiedź nie jest oczywista. Głodujemy w erze obfitości, mówi Bill Dally, profesor elektrotechniki i informatyki na Uniwersytecie Stanforda. Wszystkie składniki obliczeniowe — arytmetyka, komunikacja, pamięć — stają się coraz tańsze, a w przypadku prawie wszystkiego, poza obliczeniami o wysokiej wydajności, koszty jednostkowe maleją wraz ze skalowaniem.

Podobnie jak w przypadku każdej nowej architektury, największym wyzwaniem będzie wąskie gardło pamięci, w przypadku którego stosunkowo powolna wędrówka danych do i z pamięci ogranicza wydajność procesora. Mimo że nadal pracuje nad własnymi systemami obliczeń wektorowych, Cray atakuje ten problem, dostosowując techniki komunikacji międzyprocesorowej używane w Symulatorze Ziemi w celu zwiększenia przepływu danych w Red Storm, masowo równoległym komputerze, który zostanie zbudowany w Sandia National Laboratories w New Meksyk.

Dally wierzy, że opracował inne rozwiązanie, które nazywa strumieniowaniem. Podczas gdy tradycyjna architektura obliczeniowa traktuje wszystkie operacje arytmetyczne jednakowo, obliczenia w wielu symulacjach naukowych opierają się na sobie, bez potrzeby przechowywania wartości pośrednich w pamięci długoterminowej. Więc zamiast przekazywać kontrolę z jednej instrukcji do drugiej i uzyskiwać dostęp do pamięci sekwencyjnie, Dally buduje system, który przesyła dane do procesorów, które następnie rozwiązują problem lokalnie poprzez wiele pośrednich obliczeń i przesyłają gotowe wartości z powrotem do pamięci. Zwijanie białek jest przykładem, gdzie aby zrozumieć, jak dwie cząsteczki oddziałują na siebie, musisz wykonać około 500 wyników pośrednich, zanim osiągniesz ten, którego chcesz, mówi Dally. Dzięki strumieniowaniu możesz uchwycić te pośrednie wyniki w lokalnych rejestrach, gdzie przepustowość komunikacji jest bardzo tania i nigdy nie dotykasz systemu pamięci.

Postępy w technikach produkcji mikroprocesorów umożliwiają również umieszczanie procesorów i dużej ilości pamięci na tym samym chipie, co skraca odległość, jaką muszą pokonać instrukcje i dane. IBM planuje wypróbować takie techniki procesora w pamięci w superkomputerach, a DARPA finansuje wysiłek Uniwersytetu Południowej Kalifornii, aby dokładnie zbadać, w jaki sposób technologia procesora w pamięci może ulepszyć systemy o wysokiej wydajności. Naukowcy z Uniwersytetu Południowej Kalifornii współpracują z firmą Hewlett-Packard, aby dostarczyć system eksperymentalny do DARPA do oceny. A projekt w Caltech znany jako Gilgamesh bada najlepszy sposób na zorganizowanie pamięci i logiki razem na chipie: gdyby na przykład małe bloki pamięci i logiki były przeplatane wokół chipa, czas podróży nadal by spadał, zwiększając wydajność.

Inną opcją jest po prostu postawienie całej architektury na głowie. Burton Smith z Cray i Sterling z Caltech współpracują nad projektem finansowanym przez DARPA, który nazywają Cascade. Obaj badają sposoby wykorzystania faktu, że w zaawansowanych obliczeniach naukowych ciężar samych danych jest często znacznie większy niż ciężar programu użytkowego. Innymi słowy, jeśli rzeczy przechowywane w pamięci są o wiele większe niż program potrzebny do ich uruchomienia, po co w ogóle je przenosić? Dlaczego zamiast tego nie przenieść programu do pamięci? Chętnie podzielą się swoim optymizmem, ale Smith i Sterling niewiele mówią o swojej rodzącej się architekturze. Jestem czysto subiektywny, ale myślę, że jest to najbardziej ekscytująca rzecz w obliczeniach o wysokiej wydajności w ciągu ostatnich 20 lat, mówi Sterling.

Są to propozycje wzbudzające największe zainteresowanie w agencjach rządowych, które prawdopodobnie będą kupować wysokowydajne systemy przyszłości. Ale w większości są to prototypy, a nawet mniej, i sprawdzą się dopiero po radykalnych zmianach we wszystkim, od projektu procesora po sposób projektowania oprogramowania. Wtedy wyzwaniem pozostanie znalezienie sposobu na wytwarzanie nowych systemów w sposób wydajny i bez defektów. Innymi słowy, te pomysły nie oferują szybkiej naprawy.

KTO WYKONUJE NAJBARDZIEJ SUPERSZYBKIE KOMPUTERY?
		Specyfikacje najszybszej maszyny
Spółka	Numer w Top 500 Nazwa Prędkość (gigaflopy) Lokalizacja
Hewlett Packard	137 ASCI Q 7,727	Los Alamos National Laboratorium, NM
IBM	129 ASCI Biały 7226	Lawrence Livermore Laboratorium Krajowe, CA
Mikrosystemy słoneczne	88 HPC 4500 420	Szwedzkie Siły Zbrojne, Sztokholm, Szwecja
Grafika krzemowa	45 ASCI Blue Mountain 1,608	Los Alamos National Laboratorium Górskie, NM
Cray	22 T3E 1200 1,166	Nieznany (Rząd Stanów Zjednoczonych)
NEC	15 Symulator Ziemi 35 860	Centrum Symulatorów Ziemi, Symulator Yokohama, Japonia

Aktualne i proponowane architektury superkomputerów
Podejście architektoniczne	Opis	Zalety	Główni zwolennicy
Klastry towarowe (operacyjne)	Setki lub tysiące gotowych serwerów z łączami o niskiej przepustowości	Tania budowa; sprawny z problemami, które można rozbić na kawałki	Hewlett-Packard, IBM, Silicon Graphics
Obliczenia wektorowe (operacyjne)	Setki niestandardowych procesorów ze złączami o dużej przepustowości	Więcej czasu spędzonego na komputerze, mniej czasu na komunikację	Cray, NEC
Streaming (eksperymentalny)	Wartości pośrednie obliczeń przechowywane w pamięci lokalnej	Prędkość; transfer danych na chipie w celu zmniejszenia wąskiego gardła pamięci	Uniwersytet Stanford
Procesor w pamięci (eksperymentalny)	Obwody przetwarzające i pamięć krótkotrwała przeplatane na tym samym chipie	Prędkość; krótsza odległość między procesorami a pamięcią	Uniwersytet Południowej Kalifornii, Caltech, IBM
Kaskada (eksperymentalna)	Dane, a nie oprogramowanie, przechowywane w lokalnej pamięci procesora	Mniej wywołań do pamięci w przypadkach, gdy zestawy danych są większe niż programy	Cray, Caltech

Komputerowy projekt Apollo?

Przez ostatnią dekadę amerykańska społeczność komputerów o wysokiej wydajności stała na barkach gigantów. Wielu dyrektorów ośrodków informatyki naukowej twierdzi, że uważają, że Stany Zjednoczone znajdują się w krytycznym momencie decyzyjnym, w którym wybór projektów i ilość środków zainwestowanych w nowe architektury o wysokiej wydajności obliczeniowej mogą w namacalny sposób wpłynąć na przyszłe bezpieczeństwo i dobrobyt.

Aby rozwiązać ten paskudny problem, naprawdę potrzeba kombinacji dobrych pomysłów pochodzących z uniwersytetów, funduszy rządowych i dobrej inżynierii przemysłowej, mówi Bell. Budowanie nowego chipa jest na samym skraju tego, co może osiągnąć uniwersytet; wtedy potrzebujesz kogoś, kto ma zasoby do wykonywania szczegółowych prac inżynieryjnych, takich jak chłodzenie i połączenia i tak dalej. To zajmie dużo wysiłku.

Ale jeśli zostanie to zrobione dobrze, może rozkwitnąć zupełnie nowa złota era nauki. Jednym z najbardziej uderzających aspektów projektu Earth Simulator jest jego otwartość. Naukowcy komunikują się pomimo barier językowych i geograficznych. Testują teorie i przeprowadzają symulacje, które mogą poprawić nasze zrozumienie świata i przynieść korzyści nam wszystkim. Kilka miesięcy temu Sterling pośredniczył w spotkaniu między Tetsuyą Sato, dyrektorem ośrodka Earth Simulator, a Johnem Gyakumem, profesorem McGill University, który jest jednym z wiodących światowych ekspertów w zakresie wpływu małych systemów pogodowych, takich jak burze, na globalne wzorce pogodowe. Przed symulatorem Ziemi nie było komputera, który mógłby z łatwością uwzględnić tak małe systemy w wielkoskalowych symulacjach klimatycznych. Teraz może być. Otworzyli się na współpracę, ponieważ dbają przede wszystkim o wyniki naukowe – mówi Sterling. A to, co robią, jest ważne dla wszystkich na świecie.

Tak więc nie tylko rozwój informatyki wymaga więcej i inteligentniejszego przetwarzania. Ma rozwijać każdą naukę. Nauka w XXI wieku opiera się na trzech filarach, mówi Decker z Departamentu Energii. Jak zawsze jest teoria i eksperymenty. Ale symulacja będzie trzecim filarem odkryć naukowych. Biorąc pod uwagę problemy, z którymi się borykamy, wyraźnie chcemy być w czołówce naszej nauki. Jeśli wydajność naszych komputerów jest o rząd wielkości mniejsza niż ta, o której wiemy, że mogą być nawet dzisiaj, to nie będziemy.

ukryć