Supercomputer mit ihrer Super-Rechenpower sind prädestiniert für Künstliche Intelligenz, insbesondere beim Deep Learning, wo immer tiefer gestaffelte neuronale Netze immer mehr Rechenpower für Mustererkennung und maschinelle Lernprozesse benötigen. Sie sind vornehmlich gedacht für Forschung und Entwicklung. In Produktiv-Umgebungen setzt man eher auf lokale Lösungen („edge computing“). Industrie PC haben gegenüber Supercomputern noch einen Vorteil, der überraschen dürfte. Dorthin führt dieser Beitrag am Ende.
Italien engagiert sich nachdrücklich, bei Supercomputern den Anschluss an die führenden Nationen Japan, USA und China zu halten (siehe Tabelle). In Bologna wird 2022/2023 der Supercomputer Leonardo – erstmals mit besonderem Augenmerk auf KI-Anwendungen – ins weltweite Rennen um die mächtigsten Rechen-Giganten geschickt.
Die Kosten für Leonardo werden auf 240 Millionen Euro veranschlagt. Eine Hälfte finanziert aus dem italienischen Staatshaushalt, die andere von EuroHPC, einer gemeinsamen Initiative von EU, europäischer Einzelstaaten und privater Partner.
Der französische IT-Dienstleister ATOS SE erhielt 2020 den Zuschlag für Entwicklung und Bau Leonardos und entwickelt nun eine neue Rechner-Architektur für KI-Anwendungen, bei der jeder der ca. 3500 Intel CPUs Leonardos von jeweils vier Nvidia A100-Grafikkernen „geboostet“ wird.
Grafikkerne (GPU: Graphical processing unit) waren (und sind) gedacht als Entlastung des CPU: die rechenintensive Produktion von Bildern für den Monitor wird vom CPU auf eine GPU ausgelagert. Anlass für die Entwicklung von GPU war der Wunsch der Spieleindustrie nach realer aussehenden Spielewelten – nämlich solchen mit Schatteneffekten. Virtuelle Schatten aber kosten Rechenzeit. Das brachte handelsübliche PC zum „Ruckeln“.
GPU also lösten das Ruckelproblem. Dann, ungefähr um das Jahr 2008 herum, fand man, dass GPU nicht nur schnell schöne Bilder erzeugen, sondern sich ganz allgemein für Berechnungen nutzen lassen. Das „General-purpose computing on graphics processing units“ (GPGPU) war geboren. Voraussetzung fürs GPGPU: Algorithmen lassen sich auf einfache, standardisierte Schritte herunterbrechen, z.B. auf Matrix-Manipulationen.
Leonardos „Atos Sequana“-Kerne werden genau diese Fähigkeit der A100-Grafikkerne zur beschleunigten Matrizenrechnung nutzen. Ziel ist, Leonardo für KI-Anwendungen damit auf unglaubliche 10 ExaFLOPS Rechengeschwindigkeit zu bringen (floating point operations per second): das sind 10.000 PetaFLOPS!
Abseits von KI-Anwendungen soll Leonardo immerhin noch 250 PetaFLOPS schaffen: das wäre Platz 2 auf der heutigen Weltrangliste. Supercomputer beanspruchen hohe finanzielle und personelle Ressourcen – und sehr viel Strom. Für Leonardo werden 9 Megawatt Anschlussleistung angenommen: vergleichbar mit einer Kleinstadt!
Bezieht man die Rechenleistung auf den Strombedarf, sehen Supercomputer im Vergleich mit Industrie PC „alt“ aus. Die Tabelle offenbart: der für KI-Anwendungen mit zwei Nvidia RTX 30 Grafikkarten ausgestattete Industrie PC Nuvo-8208GC ist mit 56 GigaFLOPS/Watt deutlich effizienter als alle heutigen Supercomputer!
Sie erhalten die Neousys Nuvo-8208GC-Serie bei Omtec.
| Name | Ort | Rechenleistung [PetaFLOPS] | Leistungsaufnahme [MW] | Leistungs-Effizienz [GFLOPS/Watt] | |
|---|---|---|---|---|---|
| 1 | Fugaku | Kobe, Japan | 415,5 | 28,3 | 14,7 |
| 2 | Summit | Oak Ridge, USA | 148,6 | 10,1 | 15,7 |
| 3 | Sierra | Livermore, USA | 125,0 | 9,8 | 12,7 |
| 4 | Sunway TaiHuLight | Wuxi, China | 93,0 | 15,4 | 6,0 |
| 5 | Tianhe-2A | Guangzhou, China | 61,4 | 24,9 | 1,4 |
| 6 | HPC 5 | Ferrera Erbognone, Italien | 51,7 | 2,3 | 22,5 |
| 7 | Selene | Santa Clara, USA | 27,6 | 1,3 | 21,2 |
| 8 | Hawk | Stuttgart, Deutschland | 26,0 | 4,1 | 6,3 |
| 9 | Frontera | Austin, USA | 23,5 | 6,0 | 3,9 |
| 10 | Marconi-100 | Bologna, Italien | 21,6 | 1,5 | 14,4 |
| Nuvo-8208GC | Wo immer Sie wollen! | 28 TeraFLOPS | 500 Watt | 56,0 |
Quelle: https://www.ingenieur.de/technik/fachbereiche/rekorde/die-schnellsten-supercomputer-der-welt/, zuletzt aufgerufen am 25.02.2021.