GWDG द्वारा EMMY P4 तैनात किए जाने के साथ AMD और Cornelis ने HPC साझेदारी का विस्तार किया

AMD और Cornelis उच्च-प्रदर्शन कंप्यूटिंग की अपनी साझेदारी का विस्तार कर रहे हैं। इसके तहत AMD के प्रोसेसर और एक्सेलेरेटर को Cornelis की नेटवर्किंग के साथ जोड़ा जा रहा है, ताकि अनुसंधान संस्थान बड़े वैज्ञानिक कार्यभार को उत्पादन में ला सकें। जर्मनी के GWDG में तैनाती इसका ठोस उदाहरण है: EMMY P4 सुपरकंप्यूटर में लगभग 300 डुअल-सॉकेट AMD EPYC 9745 नोड और Cornelis CN5000 Omni-Path नेटवर्किंग शामिल हैं।

यह सहयोग संगत घटक बेचने तक सीमित नहीं है। कंपनियां एक संयुक्त बाज़ार-प्रवेश कार्यक्रम बना रही हैं, जिसमें मौजूदा निर्माताओं और सिस्टम इंटीग्रेटरों के ज़रिए सिस्टम डिज़ाइन, एप्लिकेशन बेंचमार्किंग, सत्यापन, स्वीकृति परीक्षण और उत्पादन में तैनाती शामिल हैं। ग्राहक किसी कॉन्फ़िगरेशन के लिए प्रतिबद्ध होने से पहले म्यूनिख स्थित AMD के HPC Center of Excellence में अपने एप्लिकेशन का परीक्षण भी कर सकते हैं।

यह तरीका सुपरकंप्यूटिंग की एक पुरानी समस्या का समाधान करता है: अधिक प्रोसेसर खरीदने से अनुसंधान की गति उसी अनुपात में बढ़ने की गारंटी नहीं मिलती। प्रोसेसरों के बीच डेटा इतनी तेज़ी से स्थानांतरित होना चाहिए कि वे लगातार काम करते रहें।

नेटवर्क का महत्व कंप्यूटिंग क्षमता जितना ही क्यों है

वैज्ञानिक सिमुलेशन में अक्सर किसी बड़ी समस्या को कई सर्वरों में बाँटा जाता है। हर सर्वर परिणाम के एक हिस्से की गणना करता है और फिर दूसरे सर्वरों के साथ जानकारी का आदान-प्रदान करता है। उदाहरण के लिए, कम्प्यूटेशनल फ्लुइड डायनेमिक्स में सिम्युलेट किए गए प्रवाह के आस-पास के क्षेत्रों को गणना आगे बढ़ने के साथ अद्यतन स्थितियाँ साझा करनी पड़ती हैं।

इस जानकारी के आदान-प्रदान के कारण नेटवर्क विलंबता, संदेश सँभालने की क्षमता और भीड़ का खास महत्व होता है। कोई प्रोसेसर दूसरे नोड के डेटा की प्रतीक्षा कर रहा हो, तो वह उपयोगी गणना में बहुत कम योगदान देता है—चाहे वह अंकगणितीय गणनाएँ कितनी भी तेज़ी से करे। Message Passing Interface, यानी MPI, इस वितरित कार्य के समन्वय के लिए व्यापक रूप से इस्तेमाल किया जाने वाला सॉफ़्टवेयर इंटरफ़ेस है।

नोडों को आपस में जोड़ने वाला इंटरकनेक्ट फ़ैब्रिक Cornelis उपलब्ध कराता है, जबकि कंप्यूटिंग क्षमता AMD देता है। विस्तारित कार्यक्रम का उद्देश्य इन दोनों हिस्सों को अलग-अलग पर्याप्त मानने के बजाय एप्लिकेशन के साथ मिलाकर सत्यापित करना है; केवल नेटवर्क बैंडविड्थ और प्रोसेसर के विनिर्देशों को सिस्टम के प्रदर्शन का पर्याप्त प्रमाण नहीं माना जाएगा।

Cornelis की CEO Lisa Spelman ने कहा कि हर नई EPYC पीढ़ी में नेटवर्क तक पहुँच की ज़रूरत वाले कोर की संख्या बढ़ जाती है। उनका कहना है कि यदि संचार की गति इस बढ़ी हुई क्षमता के अनुरूप न हो, तो कंप्यूटिंग क्षमता बढ़ाने के बाद भी महँगे संसाधन प्रतीक्षा करते रह सकते हैं। इसलिए कार्यभार-विशिष्ट सत्यापन आवश्यक है।

GWDG का EMMY P4 क्या जोड़ता है

गॉटिंगेन स्थित वैज्ञानिक कंप्यूटिंग संगठन GWDG, NHR@Göttingen को सहायता देता है, जो जर्मनी के नौ राष्ट्रीय उच्च-प्रदर्शन कंप्यूटिंग केंद्रों में से एक है। इसके उपयोगकर्ता जीवन विज्ञान, भौतिकी, क्वांटम अनुसंधान, एआई और मानविकी के क्षेत्रों में एप्लिकेशन चलाते हैं। Cornelis के अनुसार, इस व्यापक कंप्यूटिंग परिवेश में हर साल लगभग 3.5 मिलियन HPC कार्य पूरे किए जाते हैं।

AMD के EPYC 9745 के विनिर्देशों के अनुसार, हर प्रोसेसर में 128 भौतिक कोर हैं; इस तरह प्रत्येक डुअल-सॉकेट नोड में 256 कोर होते हैं। सैकड़ों नोडों में इतने सारे कोरों को लगातार काम में लगाए रखना संचार दक्षता को पूरे सिस्टम के स्तर पर महत्वपूर्ण बनाता है।

GWDG के इंस्टॉलेशन दस्तावेज़ में 252 नोडों के शुरुआती समूह का विवरण है। हर नोड में 768 GiB DDR5 मेमोरी और 3.8 TiB स्थानीय NVMe स्टोरेज है, और नोड CN5000 अडैप्टरों के ज़रिए 200G लिंक से जुड़े हैं। घोषणा में EMMY P4 की बड़े पैमाने की तैनाती को लगभग 300 नोडों वाला बताया गया है।

इस CPU इंस्टॉलेशन और साझेदारी के GPU संबंधी काम के बीच का अंतर महत्वपूर्ण है। EMMY P4 वैज्ञानिक कंप्यूटिंग परिवेश में EPYC और Cornelis नेटवर्किंग का उदाहरण है; इसका अर्थ यह नहीं है कि घोषित CPU नोडों में AMD Instinct एक्सेलेरेटर हैं।

एप्लिकेशन परीक्षण से संगतता से आगे बढ़ना

Cornelis के अनुसार, AMD EPYC 9005 प्रोसेसरों के साथ CN5000 को उत्तरी अमेरिका और यूरोप में 25 से अधिक सत्यापित प्लेटफ़ॉर्म कॉन्फ़िगरेशन पर उत्पादन के लिए योग्य ठहराया गया है। कंपनियों ने CN5000 की योग्यता AMD Instinct MI350X श्रृंखला के एक्सेलेरेटरों तक भी बढ़ाई है।

खरीदारों के लिए, एप्लिकेशन परीक्षण यह दिखा सकता है कि कोई आर्किटेक्चर उनके संगठन में वास्तव में चलने वाले काम के अनुकूल है या नहीं। बार-बार समन्वयन की ज़रूरत वाला बड़ा सिमुलेशन, ऐसे एआई कार्यभार से अलग ढंग से काम कर सकता है जो एक्सेलेरेटर कर्नेल के भीतर अधिक समय बिताता है। मेमोरी क्षमता, सॉफ़्टवेयर लाइब्रेरी, नोड कॉन्फ़िगरेशन और नेटवर्क का व्यवहार—ये सभी परिणाम को प्रभावित करते हैं।

Cornelis के अनुसार, चुने गए 132 CONVERGE कम्प्यूटेशनल फ्लुइड डायनेमिक्स कार्यभारों ने चार नोडों पर NVIDIA NDR InfiniBand के साथ की गई तुलना की अपेक्षा औसतन 20% अधिक थ्रूपुट हासिल किया। कंपनी यह भी बताती है कि EPYC 9755 प्रोसेसरों पर चलने वाले STAR-CCM+ कार्यभार में एक से आठ नोडों तक बढ़ाने पर लगभग नौ गुना स्केलिंग हासिल हुई।

ये कुछ खास परीक्षण कॉन्फ़िगरेशन से मिले, विक्रेता द्वारा बताए गए एप्लिकेशन परिणाम हैं। परीक्षण की स्थितियों के लिए सहायक संदर्भ Cornelis के तकनीकी श्वेतपत्र हैं; ये आँकड़े हर कोड या क्लस्टर में समान लाभ साबित नहीं करते। इस पृष्ठभूमि में ग्राहक अपने कार्यभार का आकलन कर सकते हैं—म्यूनिख के परीक्षण कार्यक्रम का व्यावहारिक लाभ यही है।

बड़े CPU और GPU सिस्टम के लिए आगे की योजना

कंपनियाँ हार्डवेयर की अगली पीढ़ी की तैयारी भी कर रही हैं। Cornelis अपने आगामी CN6000 को 800G अडैप्टर और PCIe 6.0 x16 इंटरफ़ेस के आधार पर तैयार कर रही है। CN6000 और AMD EPYC 9006 प्रोसेसर को मिलाने वाले OEM सिस्टम 2027 की पहली तिमाही में आने की उम्मीद है। ये सिस्टम भविष्य की योजना का हिस्सा हैं और पहले से तैनात CN5000-आधारित EMMY P4 बुनियादी ढाँचे से अलग हैं।

AMD की एक्सेलरेटर रणनीति में ROCm सॉफ़्टवेयर स्टैक भी शामिल है, जो GPU कंप्यूटिंग के लिए टूल और लाइब्रेरी उपलब्ध कराता है। वैज्ञानिक AI को समर्थन देने के लिए प्रोसेसर और नेटवर्क के साथ-साथ सॉफ़्टवेयर की यह परत भी ज़रूरी है: शोधकर्ताओं को ऐसे अनुप्रयोगों, गणितीय लाइब्रेरी और संचार सॉफ़्टवेयर की आवश्यकता होती है जो मिलकर काम करें।

पारंपरिक वैज्ञानिक कंप्यूटिंग में डबल-प्रिसिज़न या FP64 अंकगणित पर भी काफ़ी ज़ोर दिया जाता है। यह कई AI वर्कलोड में इस्तेमाल होने वाली कम प्रिसिज़न की गणनाओं से अलग है, इसलिए किसी प्लेटफ़ॉर्म की उपयुक्तता केवल उसके प्रमुख AI प्रदर्शन पर निर्भर नहीं करती।

AMD–Cornelis की विस्तारित साझेदारी का मुख्य उद्देश्य संपूर्ण शोध प्रणालियों का मूल्यांकन और तैनाती आसान बनाना है। GWDG CPU और नेटवर्क के इस संयोजन का उत्पादन में इस्तेमाल होने वाला उदाहरण प्रस्तुत करता है, जबकि अनुप्रयोगों की संयुक्त जाँच और भविष्य में एक्सेलरेटर के लिए समर्थन संभावित उपयोग के मामलों का दायरा बढ़ाते हैं। शोध केंद्रों के लिए अहम कसौटी यह है कि सत्यापित प्रणाली उपयोगी काम कितनी जल्दी पूरा करती है—न कि उसमें कितने प्रोसेसर हैं।