Петафлопсы на десктопах

DARPA объявляет сбор идей по ускорению сложных математических вычислений, востребованных в научных расчетах 25 Март 2015, 10:50

Прогнозирование распространения эпидемий, понимание последствий изменения климата, расчет акустической сигнатуры нового корабля — компьютерное моделирование является важным инструментом современных ученых. Используя математические модели, описывающие сложнейшие физические процессы, протекающие в реальном мире, исследователи и инженеры могут проверять теории и исследовать системы в динамике — соответствующие эксперименты могут быть весьма дорогостоящими или слишком сложными для теоретического анализа. За последние 50 лет значительно увеличилась скорость работы и производительность суперкомпьютеров, поэтому моделирование стало более точным и практичным. Но даже самые современные компьютерные архитектуры не справляются с рядом насущных запросов.

«Стандартный вычислительный кластер, оснащенный массой ЦПУ, каждый из которых запрограммирован на решение только лишь части комплексной задачи, не предназначен для работы с уравнениями, лежащими в основе крупномасштабных моделирований, таких как описание сложнейших процессов в гидродинамике или поведения плазмы», — рассказывает Винсент Танг (Vincent Tang), работающий в подразделении оборонных исследований DARPA. Эти важнейшие уравнения, известные как дифференциальные уравнения в частных производных, описывают фундаментальные физические принципы, такие как движение, диффузия, равновесие тел. Но так как они включают непрерывное изменения большого набора физических параметров — и во многих случаях это имеет отношение к большим масштабам — они не могут быть разбиты на подзадачи и обсчитываться отдельно каждым из ЦПУ. Процессор, специально разработанный для таких уравнений, мог бы привести к революционным изменениям в моделировании в таких областях как конструирование, прогнозирование и т.д. Как мог бы выглядеть такой процессор?

Среди рассматриваемых DARPA вариантов — парадоксальные решения, использующие «устаревшие» аналоговые подходы. Аналоговые компьютеры, решающие уравнения посредством использования непрерывно изменяющихся величин вместо дискретных измерений, известны уже более ста лет. В 1930-х, например, Вэнивар Буш, один из инициаторов и администраторов Манхэттенского проекта, разработал аналоговый «дифференциальный анализатор», который мог решать дифференциальные уравнения интегрированием, используя оригинальную систему шестерней и дисков. В 1940-х норденовский прицел для бомбометания, устанавливавшийся на американские самолеты, использовал аналоговый метод для вычисления траектории бомб. Но в 1950-60-х годах, с появлением вычислительных устройств на основе транзисторов, которые доказали свою высокую эффективность в решении многих актуальных на то время задач, аналоговые методы «вышли из моды».
Механический дифференциальный анализатор в действии (математическая лаборатория Кембриджского университета, 1938 год). Этот аналоговый компьютер был создан Дугласом Хартри по проекту Вэнивара Буша

Впрочем, о них не забыли навсегда. Их потенциал в работе с динамическими задачами, слишком сложными для современных цифровых процессоров, сегодня только усилился — во многом благодаря недавним прорывам в области микроэлектромеханических систем, оптической инженерии, микрогидродинамики, метаматериалов и даже научных подходов, использующих ДНК в качестве вычислительной платформы. По мнению Винсента Танга, вычислительные системы, созданные на основе последних достижений науки и техники, могут превзойти по производительности современные ЦПУ при решении ряда специфических задач — если они смогут быть масштабированы и интегрированы в современные компьютерные архитектуры.

В поиске таких новых подходов DARPA опубликовало информационный запрос Analog and Continuous-variable Co-processors for Efficient Scientific Simulation (ACCESS, Сопроцессоры для эффективного научного моделирования, использующие аналоговый принцип и непрерывные переменные), который позволит определить возможность создания новых концепций, способных преодолеть имеющийся барьер в вычислительной производительности.

«В целом, мы заинтересованы в любой информации, касающейся аналоговых, цифровых и гибридных подходов, которые имеют преобразующий потенциал в области научного моделирования», — пояснил Танг.

В рамках информационного запроса DARPA планирует собрать данные, соответствующие одному или нескольким пунктам:

- Масштабируемые, управляемые и измеряемые процессы, которые могут быть использованы в сопроцессорах для ускорения вычислительных задач, часто встречающихся в научном моделировании
- Алгоритмы, которые используют аналоговые, нелинейные, непоследовательные или непрерывно-переменные вычислительные примитивы для снижения ограничений, связанных с традиционными вычислительными архитектурами
- Системные архитектуры, планировщики (schedulers), гибридные и специализированные интегральные микросхемы, языки программирования, программные модели, конструкции контроллеров и другие элементы для эффективного выделения подзадач, доступа к памяти и распределения задач при использовании гибридных сопроцессоров
- Методы моделирования и симуляции посредством прямых физических аналогий