全球最大合成大腦影象集開源,NVIDIA超算和AI框架立大功

全球最大合成大腦影象集開源,NVIDIA超算和AI框架立大功

智東西(公眾號:zhidxcom)

作者 | ZeR0

編輯 | 漠影

智東西5月31日報道,在今日的國際超算大會ISC 2022上,NVIDIA(英偉達)宣佈了一系列其軟硬體產品助力超算加速人工智慧(AI)及高效能計算(HPC)的最新進展。

多家OEM廠商及超算中心計劃採用NVIDIA Grace超級晶片打造新一代伺服器;基於NVIDIA超算Cambridge-1和AI框架MONAI,倫敦國王學院打造了全球最大的開源合成大腦影像集;NVIDIA DPU也廣泛地落地於全球超算中心,提速網路計算;此外,數十家量子組織已在使用NVIDIA cuQuantum軟體開發套件,在GPU上加速其量子電路模擬。

#FormatStrongID_1##FormatStrongID_2##FormatStrongID_3#

源訊、戴爾科技、技嘉科技、慧與、浪潮、聯想、超微今日宣佈計劃部署基於NVIDIA Grace CPU超級晶片和NVIDIA Grace Hopper超級晶片的伺服器。

這些新系統都根據剛釋出的NVIDIA HGX平臺中Grace和Grace Hopper設計所提供的藍圖,能夠構建出可以提供最高效能,並且記憶體頻寬和能效兩倍於當今領先的資料中心CPU的系統。

NVIDIA Grace CPU超級晶片搭載兩個基於Arm的CPU,它們透過高頻寬、低延遲、低功耗的NVIDIA NVLink-C2C互連技術連線。

其設計內建多達144個高效能Arm Neoverse核心,並帶有可伸縮向量擴充套件和1TB/s的記憶體子系統,支援最新的PCIe Gen5協議,同時還能連線NVIDIA ConnectX-7智慧網絡卡及NVIDIA BlueField-3 DPU以保障HPC及AI工作負載安全。

Grace Hopper超級晶片在一個整合模組中透過NVLink-C2C連線NVIDIA Hopper GPU與NVIDIA Grace CPU,可滿足HPC和超大規模AI應用需求。

NVIDIA超大規模和HPC副總裁Ian Buck認為,超級計算已進入到超大規模AI時代,從氣候科學、能源研究、太空探索、數字生物學到量子計算等領域,NVIDIA Grace CPU超級晶片和Grace Hopper超級晶片為全球最先進的HPC和AI平臺奠定了基礎。

超算方面,美國和歐洲的領先超級計算中心都將率先採用這兩款超級晶片。

美國洛斯阿拉莫斯國家實驗室(LANL)今日宣佈,其使用HPE Cray EX超級計算機構建而成的異構系統Venado,將成為美國首個採用NVIDIA Grace CPU技術的系統。

Venado同時將配備Grace CPU超級晶片節點和Grace Hopper超級晶片節點,滿足各類新興應用需求。該系統建成後的峰值AI效能預計將超過

10EFLOPS

瑞士國家計算中心的新系統Alps同樣由慧與基於HPE Cray EX超級計算機而構建,將使用Grace CPU超級晶片,並作為一個通用系統,向瑞士及其他國家的研究者開放。

#FormatStrongID_5##FormatStrongID_6##FormatStrongID_7##FormatStrongID_8##FormatStrongID_9#

倫敦國王學院研究人員兼倫敦AI中心CTO Jorge Cardoso發現了一種利用AI建立人腦真實3D影象的方法,並使用NVIDIA Cambridge-1超級計算機和MONAI打造了全球最大的開源合成大腦影象集。

該資料集將為醫療健康研究人員免費提供10萬張合成大腦影象,以加速人類對痴呆症、帕金森症或各類腦部疾病的認知。

Cardoso的捐贈規模是此前全球最大的免費大腦影象庫的兩倍多。UK Biobank目前儲存著5萬多張人類大腦、心臟和腹部的影象,計劃以1。5億美元的成本將總規模擴充套件到10萬張。

醫學領域可供使用的真實影像一向稀缺。出於保護患者隱私的需要,醫學影像通常僅供與大型醫院相關的研究人員使用。這些影像往往只能反映醫院所服務的人群,而非範圍更廣的人群。

Cardoso的AI方法可以根據需要製作影象。女性大腦、男性大腦、老年人的大腦、年輕人的大腦等等,只需插入所需內容,系統就會進行建立。這些影象雖然是模擬生成的,但非常實用,它們基於經過良好測試的演算法,所以外觀和運作方式與真實大腦高度相似。

這項工作用到了NVIDIA致力於支撐醫療健康領域AI研究的Cambridge-1超級計算機和用於醫學成像的AI框架MONAI。

NVIDIA DGX SuperPOD Cambridge-1配備640個 NVIDIA A100 Tensor Core GPU,每個GPU均具有足夠的視訊記憶體,

可以處理團隊海量影象中一或兩張包含

1600

萬個

3D

畫素的影象。

MONAI的基礎模組包括特定領域專用的資料載入程式、指標、GPU加速轉換和經過最佳化的工作流引擎。Cardoso表示,

該軟體的智慧快取和多節點擴充套件最高可將作業加速

10

倍。

英國健康資料研究所作為國家級資源庫,將託管10萬張大腦影象。Cardoso還希望提供他的AI模型,以便研究人員建立所需的影象。其團隊也在探索這些模型如何在醫學成像模式下(MRI、CAT、PET等)為人體任意部位生成3D影象。

#FormatStrongID_18##FormatStrongID_19##FormatStrongID_20##FormatStrongID_21##FormatStrongID_22##FormatStrongID_23##FormatStrongID_24#

當前,亞洲、歐洲和美國的超級計算中心正利用NVIDIA Quantum InfiniBand網路上的NVIDIA BlueField DPU,透過將通訊和計算作業解除安裝到DPU,推高加速計算的水平。

洛斯阿拉莫斯國家實驗室(LANL)的傑出高階科學家Steve Poole正與NVIDIA進行一項為期多年的廣泛合作,這項合作旨在將計算多物理應用的效能提高30倍。其中包括使用BlueField及其NVIDIA DOCA軟體框架在計算儲存、模式匹配等方面實現的創新技術。這些努力還將有助於進一步定義DPU應用介面OpenSNAPI。

他預計,使用在NVIDIA Quantum InfiniBand網路上執行的資料處理器(DPU)等加速計算能夠取得巨大的效能提升,並認為DOCA和相似的軟體包能夠在不久的將來發揮巨大潛力。

Poole主持Unified Communication Framework的OpenSNAPI專案,這是一個旨在實現HPC應用異構計算的聯盟,成員包括Arm、IBM、NVIDIA、美國國家實驗室和美國的一些大學。

LANL建立的DPU賦能儲存系統中,加速快閃記憶體盒(ABoF)將固態儲存與DPU和InfiniBand加速器相結合,可為Linux檔案系統的關鍵效能部分提供加速,它讓計算靠近儲存可更大限度減少資料移動,提高模擬和資料分析工作流程的效率。

其效能高達同類儲存系統的

30

,並將成為LANL基礎架構中的關鍵元件。

美國德克薩斯高階計算中心(TACC)近期也開始在Dell PowerEdge伺服器中採用BlueField-2,使其Lonestar6系統成為雲原生超級計算的開發平臺。

美國俄亥俄州立大學研究人員用DPU

將一個

HPC

熱門程式設計模型的執行速度提高

21%

。他們透過解除安裝訊息傳遞介面(MPI)的關鍵部分,加速了用於眾多大規模HPC模擬的數學庫P3DFFT。

歐洲的多個研究團隊正利用BlueField DPU加速MPI和其他HPC工作負載。例如,英格蘭北部的達勒姆大學正在開發一款軟體,用於在16個節點的Dell PowerEdge叢集上使用BlueField DPU以實現MPI作業的負載均衡。

劍橋大學、倫敦和慕尼黑的研究人員也在使用DPU。倫敦大學學院正在探索如何在BlueField-2 DPU上為主機系統排程作業,如使用它的能力在主機處理器之間移動資料,以便在需要時資料已然就位。慕尼黑工業大學計算機體系架構和並行系統組的研究人員正在尋找方法用DPU解除安裝MPI和作業系統任務,這是EuroHPC專案的一部分。

在美國,佐治亞理工學院的研究人員正在與桑迪亞國家實驗室合作,利用BlueField-2 DPU加速分子動力學研究。他們當前的工作成果表明,演算法可以加速高達20%,且不會損失模擬的準確性。

本月早些時候,日本研究人員宣佈將推出一款採用新版NVIDIA H100 Tensor Core GPU的系統,該系統將搭載速度更快、更智慧的NVIDIA Quantum-2 InfiniBand 網路平臺。

#FormatStrongID_32##FormatStrongID_33##FormatStrongID_34##FormatStrongID_35#

數十家量子組織已在使用NVIDIA cuQuantum軟體開發套件,在GPU上加速其量子電路模擬。

近日,AWS宣佈在其Braket服務中提供cuQuantum,並在Braket上展示了cuQuantum如何在量子機器學習工作負載上實現900倍加速。

cuQuantum現已能夠在主流的量子軟體框架上實現加速計算,包括谷歌的qsim、IBM的Qiskit Aer、Xanadu的PennyLane、Classiq的Quantum Algorithm Design平臺。這些框架的使用者無需再進行任何編碼即可訪問GPU加速。

藥物研發創企Menten AI也開始使用cuQuantum來支援其量子工作。這家公司正在開發一套量子計算演算法(包括量子機器學習),以解決治療設計中需要進行大量計算的問題,將使用cuQuantum的Tensor網路庫來模擬蛋白質相互作用並最佳化新的藥物分子。

Menten AI的首席科學家Alexey Galda認為:“雖然能夠執行這些演算法的量子計算硬體仍處於開發階段,但NVIDIA cuQuantum等經典計算工具對於推進量子演算法的開發至關重要。”

量子系統正朝混合系統邁進:量子計算機和經典計算機協同工作。研究人員都希望這些系統級量子處理器(QPU)成為功能強大的新型加速器。

如何將傳統系統和量子系統橋接到混合量子計算機中?這項任務包括兩個主要部分:首先需在GPU與QPU之間建立快速、低延遲的連線,使混合系統可用GPU完成其擅長的傳統作業,例如電路最佳化、校正和糾錯,GPU可以縮短這些步驟的執行時間,並大幅降低經典計算機和量子計算機之間的通訊延遲;其次,該行業需要一個統一的程式設計模型,其中包含高效易用的工具。

當前,為了對QPU進行程式設計,研究人員只能使用相當於低階組裝程式碼的量子,不是量子計算專家的科學家無法使用這種程式碼。此外,開發者缺乏統一的程式設計模型和編譯器工具鏈,因此無法在任何QPU上執行工作。

為了改變這一現象、構建更出色的程式設計模型,NVIDIA已在開展一些初步工作。

要高效找到量子計算機加速工作的方法,科學家需輕鬆地將其HPC應用的一部分先移植到模擬版QPU,然後再移植到真正的QPU。這個過程需要一個編譯器。將GPU加速的模擬工具、程式設計模型和編譯器工具鏈全部結合在一起後,HPC研究人員就可以開始構建未來的混合量子資料中心。

#FormatStrongID_36##FormatStrongID_37##FormatStrongID_38##FormatStrongID_39##FormatStrongID_40#

隨著算力需求一路猛漲,AI與HPC的融合之需日益旺盛。時隔兩年,本屆ISC 2022重返線下,並展示了來自全球的超級計算技術創新與應用風向。

擁有CPU、GPU、DPU等算力基礎設施及高效軟體工具的NVIDIA,一如既往是超算大會上存在感最高的晶片廠商之一。除了其GPU繼續霸榜全球超算排行榜TOP500外,NVIDIA也透過公佈一系列豐富的下游應用案例,展示出其多樣化的軟硬體組合如何加速AI和HPC創新。

頂部