C’è un consenso generale: la computazione accelerata è la computazione efficiente dal punto di vista energetico. Questo approccio innovativo sta prendendo piede nel campo dell’informatica ad alte prestazioni e dell’IA, dove il risparmio energetico è diventato una priorità.
L’efficienza energetica con la computazione accelerata
Il National Energy Research Scientific Computing Center (NERSC), la principale infrastruttura del Dipartimento dell’Energia degli Stati Uniti per la scienza aperta, ha misurato i risultati su quattro delle sue principali applicazioni di informatica ad alte prestazioni e di AI. Queste applicazioni sono state eseguite su nodi CPU-only e su nodi GPU-accelerati su Perlmutter, uno dei più grandi supercomputer del mondo che utilizza GPU NVIDIA.
I risultati sono stati chiari. Con l’accelerazione delle GPU NVIDIA A100 Tensor Core, l’efficienza energetica è aumentata in media di 5 volte. Un’applicazione per la previsione del tempo ha registrato guadagni di 9,8 volte.
Le GPU risparmiano megawatt
Su un server dotato di quattro GPU A100, NERSC ha ottenuto un incremento di velocità fino a 12 volte rispetto a un server x86 a doppio socket. Ciò significa che, allo stesso livello di prestazioni, il sistema GPU-accelerato consumerebbe 588 megawattora in meno al mese rispetto a un sistema solo CPU. Eseguendo lo stesso carico di lavoro su un’istanza cloud NVIDIA A100 a quattro vie per un mese, i ricercatori potrebbero risparmiare più di 4 milioni di dollari rispetto a un’istanza solo CPU.
Misurare le applicazioni reali
Questi risultati sono significativi perché si basano su misurazioni di applicazioni reali, non su benchmark sintetici. I guadagni significano che gli oltre 8.000 scienziati che utilizzano Perlmutter possono affrontare sfide più grandi, aprendo la porta a più scoperte.
Fra i numerosi casi d’uso per le oltre 7.100 GPU A100 su Perlmutter, gli scienziati stanno indagando le interazioni subatomiche per trovare nuove fonti di energia verde.
Progressi della scienza su ogni scala
Le applicazioni testate da NERSC spaziano dalla dinamica molecolare, alla scienza dei materiali e alla previsione del tempo.
Ad esempio, MILC simula le forze fondamentali che tengono insieme le particelle in un atomo. Viene utilizzato per avanzare la computazione quantistica, studiare la materia oscura e cercare le origini dell’universo.
BerkeleyGW aiuta a simulare e prevedere le proprietà ottiche dei materiali e delle nanostrutture, un passo chiave verso lo sviluppo di batterie più efficienti e dispositivi elettronici.
Risparmio con la computazione accelerata
I risultati di NERSC rispecchiano i calcoli precedenti del potenziale risparmio con la computazione accelerata. Ad esempio, in un’analisi separata condotta da NVIDIA, le GPU hanno fornito un’efficienza energetica 42 volte migliore rispetto alle CPU nell’inferenza dell’IA.
Questo significa che la sostituzione di tutti i server solo CPU che eseguono l’IA a livello mondiale con sistemi GPU-accelerati potrebbe risparmiare un incredibile quantità di 10 trilioni di watt-ore di energia all’anno. Questo è come risparmiare l’energia consumata in un anno da 1,4 milioni di case.
L’accelerazione nel settore aziendale
Non è necessario essere uno scienziato per ottenere guadagni in efficienza energetica con la computazione accelerata. Le aziende farmaceutiche stanno utilizzando la simulazione e l’IA accelerata dalla GPU per velocizzare il processo di scoperta dei farmaci. Costruttori di automobili come BMW Group la stanno utilizzando per modellare intere fabbriche.
Fanno parte delle crescenti fila di imprese in prima linea in quella che il fondatore e CEO di NVIDIA, Jensen Huang, chiama una rivoluzione industriale HPC, alimentata dalla computazione accelerata e dall’IA.