Modely a platformy AI
Cerebras uvádí Tungsten pro programování waferu na vysoké úrovni

Klíčové bodyTungsten přesouvá alokaci prostředků waferu na kompilátor, takže se vědci vyhnou ruční…
Zobrazit více
- Tungsten přesouvá alokaci prostředků waferu na kompilátor, takže se vědci vyhnou ruční konfiguraci deskriptorů a firmwaru.
- Kódovací agent napsal celou simulaci plazmatu, která běžela na 98 % waferu Cerebras.
- Skutečnou zkouškou je, zda výzkumníci dokážou rozšířit příklady Aviary na své vlastní kódy, aniž by se vrátili k intrinsikům.
Cerebras Systems vydala 16. listopadu 2026 Tungsten, vysokoúrovňový jazyk a kompilátor pro svůj Wafer-Scale Engine, spolu s Aviary, sadou vědeckých aplikací a výukových materiálů. Podle oznámení už simulace plazmatu napsaná výhradně programovacím agentem běžela na 98 % waferu Cerebras.
Vydání se zaměřuje na náročnost programování, nikoli na změny samotného procesoru. Starší kompilátory zpřístupňovaly neskalární vektorové, proudové a událostní funkce prostřednictvím intrinzických funkcí, takže vývojáři museli nastavovat deskriptory, propojovat úlohy s událostmi a ručně směrovat komunikaci v síti. Cílem Cerebras je umožnit vědcům programovat wafer na vysoké úrovni, aniž by se museli stát specialisty na hardware nebo se vzdát výkonu.
Kompilátor spravuje prostředky na úrovni waferu
Cerebras popisuje Wafer-Scale Engine jako stroj založený na datovém toku s 900 000 jádry, lokální pamětí a komunikační sítí na waferu; příchozí data spouštějí práci, která je zpracovává. Registry přístupových vzorů procházejí vícerozměrná pole a proudy v síti, takže výpočty adres nespotřebovávají žádné instrukce. Operandem jediné instrukce může být celá smyčka, jádra si mohou vzájemně volat funkce prostřednictvím zpráv v síti a řízení toku založené na událostech nahrazuje opakované dotazování a větvení.
Tungsten využívá architektonický model, který převádí vysokoúrovňový kód na registry přístupových vzorů, úlohy řízené událostmi, volání prostřednictvím sítě a instrukce obsahující smyčky. V příkladu s Jacobiho šablonou z oznámení představuje každý řádek zdrojového kódu smyčku nad celým blokem a překládá se do jediné vektorové instrukce, bez nastavování deskriptorů nebo propojování úloh. Zápis používá <+- k akumulaci do cílové proměnné, podobně jako +=.
Kompilátor také v rámci celého programu přiděluje přístupové vzory, definice smyček, síťové zásuvky a mikrovlákna; k tomu využívá nákladové modely a optimalizační průchody, které tyto prostředky během vykonávání podle potřeby přidávají a odebírají. Cerebras tento přístup přirovnává k přidělování registrů procesoru a odkládání jejich obsahu do paměti. Když tato rozhodnutí přebírá kompilátor, lze pozdější úpravy struktury provést změnou vysokoúrovňového kódu namísto ručního přepisování.
Aviary zahrnuje výukové materiály i vědecké aplikace
Tungsten a Aviary jsou dostupné prostřednictvím Cerebras Labs. Portfolio aplikací sahá od kompaktních výpočetních šablon pro rovnici vedení tepla a reakčně-difuzní model Gray–Scott až po transport částic, řešení řídkých soustav, rychlé Fourierovy transformace, molekulární dynamiku, simulaci plazmatu a hydrodynamiku vysokého řádu. Výukový materiál k modelu Gray–Scott má přibližně 50 řádků kódu v Tungstenu a nabízí novým uživatelům snazší vstupní bod vedle úplných vědeckých kódů. Aplikace pro molekulární dynamiku zahrnují krátkodosahové interakce Lennarda-Jonese a tabelované potenciály modelu vloženého atomu pro kovové slitiny.
Cerebras uvádí, že SNAP, standardní zástupný benchmark pro deterministický transport jaderného záření, dosahuje na jediném CS-4 výkonu 1,6 PFLOP/s, čímž překonává 10 800 GPU superpočítače El Capitan, a že HPCG, benchmark superpočítačů se řídkými úlohami, dosahuje na jediném systému výkonu 1,04 PFLOP/s.
Mnohé z těchto aplikací vznikly při spolupráci s národními laboratořemi Sandia, Lawrence Livermore a Los Alamos v rámci programu NNSA pro pokročilé paměťové technologie. Kódy pro molekulární dynamiku navazují na práci spolupracujícího týmu, která se v roce 2024 dostala do finále Gordon Bell Prize, jde však o samostatné kódy; tehdejší výsledek využíval ranou verzi Tungstenu.
Plazmový kód vytvořený agentem ukazuje, jak celý postup funguje
Aplikace typu částice v buňce představuje hlavní příklad programování s využitím agentů v tomto vydání. Cerebras uvádí, že ji jeden výzkumník a jeden programovací agent vytvořili přibližně za dva týdny prostřednictvím chatovacího rozhraní, přičemž agent napsal každý řádek. Agent vycházel z publikovaných algoritmů, ověřil svou referenční implementaci porovnáním s open source kódem XOOPIC, modeloval úlohu podle plazmového kódu EMPIRE a vytvořil testy, obrázky i dokumentaci; zároveň sám odhaloval a opravoval chyby.
Částice se v simulaci pohybují působením elektromagnetických polí a přecházejí mezi jádry, zatímco implicitní řešič vypočítává pole na rozdělené síti podle jejich poloh a rychlostí. Modelovanou úlohou je vstup elektronového svazku do argonového plazmatu. Cerebras uvádí, že při plném běhu simulace zpracovávala 60 milionů částic rychlostí 7 200 časových kroků za sekundu a na jediném systému dosáhla propustnosti 430 miliard aktualizací částic za sekundu.
Cerebras uvádí, že referenční implementace v Tungstenu je dostatečně kompletní, aby podporovala tento pracovní postup vedený agentem. Michael James, spoluzakladatel Cerebras a hlavní architekt pokročilých technologií, přesto uživatelům doporučuje, aby se jazyk naučili sami: „Někdo musí dohlížet na to, aby agenti drželi správný směr.“
Cerebras uvádí, že tentýž kód v Tungstenu běží na jediném waferu i napříč clusterem; její globální simulace tsunami využila v rámci nasazení AI 64 waferů a taková nasazení lze škálovat až na 2 048 systémů.
Cerebras uvádí optimalizátor návrhů jako připravovaný, nikoli jako součást vydaného portfolia. Propojoval by model AI s fyzikální simulací, která by sloužila jako jeho model světa; oba by běžely na waferu a model AI by mohl návrhy testovat vůči této simulaci.
Praktický význam Tungstenu spočívá v programovacím modelu, který stojí za uváděnou propustností. Klíčovou zkouškou bude, zda výzkumníci a agenti dokážou přejít od příkladů v Aviary k vlastním kódům, aniž by se museli vracet k intrinsics a ručně směrované propojovací síti. Tato schopnost by určila, nakolik široce může specializovaný hardware Cerebras podporovat vědecké výpočty a návrh řízený umělou inteligencí.












