Спец-ЭлектронКомплект

Минобрнауки России сообщило о разработанном в Московском государственном техническом университете (МГТУ) им. Н. Э. Баумана новом российском суперкомпьютере, получившем название «Телеграф». По словам ведомства, речь идет о первых в мире микропроцессоре и суперкомпьютере, в которых на аппаратном уровне реализовали набор команд дискретной математики DISC. «Телеграф» поможет моделировать биологические системы, анализировать финансовые потоки в режиме реального времени, хранить знания в системах искусственного интеллекта и выполнять другие прикладные задачи.

Большинство важных вычислительных задач требуют хранения и обработки огромных массивов дискретной информации. Для эффективной и параллельной обработки множеств в МГТУ им. Баумана разработали уникальный микропроцессор Леонард Эйлер (Leonhard), который содержит 24 специализированных гетерогенных ядра DISC Lnh64. Leonhard берет на себя ту часть вычислительной нагрузки, с которой плохо справляются универсальные арифметические микропроцессоры (например, Intel или ARM) или графические ускорители. Результаты выполнения команд обработки множеств или графов из микропроцессора Леонард Эйлер направляются в хост-систему для дальнейшего использования в ходе вычислительного процесса, — рассказали в пресс-службе Минобрнауки страны.

В ведомстве также пояснили, что микропроцессору Leonhard нужно в 200 раз меньше ресурсов кристалла, чем одному представителю семейства Intel Xeon. При этом отечественное решение потребляет в 10 раз меньше энергии. Сравнительно же малая тактовая частота порядка 200 МГц не мешает российскому микропроцессору существенно превосходить по производительности собратьев из Intel Xeon с 3 ГГц. Такой эффект достигается благодаря параллелизму при обработке сложных моделей данных, что позволяет Леонарду Эйлеру обрабатывать до 120 млн вершин графов в секунду.

Используя многоядерные микропроцессоры Leonhard, в МГТУ и построили суперкомпьютер «Тераграф», способный обрабатывать графы сверхбольшой размерности до 1 трлн вершин (1012).

Технологии представления и обработки знаний в виде графов уже стали прорывом для тех индустриальных решений, в которых другие методы показали низкую эффективность, — следует из комментария Минобрнауки России. — Благодаря способности сохранять информацию о различных объектах и явлениях и учитывать связи между ними, графы знаний могут использоваться при анализе больших данных в биоинформатике, медицине, системах безопасности городов, компьютерных сетях, финансовом секторе, при контроле сложного промышленного производства, для анализа информации социальных сетей и во многих других областях.

В заключение в ведомстве обратили внимание на важность аппаратной поддержки дискретной математики, поскольку большинство вычислительных задач по своей сути являются дискретными, то есть требующими обработки множеств чисел. Речь идет о многочисленных задачах оптимизации, задачах на графах и задачах машинного обучения. И хотя арифметическая обработка (к примеру, сравнение чисел) тоже важна, она составляет лишь небольшую часть действий в алгоритмах оптимизации. Основное же время у современных вычислительных систем уходит на поиск информации, перебор элементов множеств и т. п. действия. Именно поэтому изначально спроектированный под задачи дискретной оптимизации Leonhard работает гораздо быстрее универсальных микропроцессоров, которые рассчитаны на арифметическую обработку.

Источник