GWDGがEMMY P4を導入、AMDとCornelisがHPC分野での提携を拡大

AMDとCornelisは、高性能計算分野での提携を拡大している。AMDのプロセッサーとアクセラレーターをCornelisのネットワークと組み合わせ、研究機関がより大規模な科学計算ワークロードを本番環境で実行できるよう支援する。ドイツのGWDGにおける導入事例は、その具体例だ。スーパーコンピューターEMMY P4は、約300台のデュアルソケットAMD EPYC 9745搭載ノードと、Cornelis CN5000 Omni-Pathネットワークを組み合わせている。

この提携は、互換性のあるコンポーネントの販売にとどまらない。両社は、既存のメーカーやシステムインテグレーターを通じたシステム設計、アプリケーションのベンチマーク、検証、受け入れ試験、本番環境への導入を含む共同市場展開プログラムを立ち上げている。また顧客は、構成を決定する前に、ミュンヘンにあるAMDのHPC Center of Excellenceで自社アプリケーションをテストすることもできる。

この取り組みは、スーパーコンピューティングにおける根強い課題に対応するものだ。プロセッサーを増やしても、研究がそれに比例して速くなるとは限らない。プロセッサーを稼働させ続けるには、プロセッサー間でデータを十分な速さでやり取りする必要がある。

ネットワークが演算能力と同じくらい重要な理由

科学シミュレーションでは、大規模な問題を多数のサーバーに分割することが多い。各サーバーが結果の一部を計算し、その後、ほかのサーバーと情報をやり取りする。たとえば数値流体力学では、計算の進行に合わせて、シミュレーション上の流れの隣接領域同士で更新された条件を共有する必要がある。

こうした情報交換では、ネットワークの遅延、メッセージ処理能力、輻輳が結果を左右する。演算がどれほど速くても、別のノードからのデータを待つプロセッサーは、有用な計算をほとんど行えない。Message Passing Interface（MPI）は、このような分散処理を調整するために広く使われているソフトウェアインターフェースだ。

Cornelisはノードを接続するインターコネクトファブリックを提供し、AMDは演算処理を担う。拡大するプログラムは、ネットワーク帯域幅やプロセッサーの仕様だけでシステム性能を判断するのではなく、アプリケーションを使ってそれらの要素を一体として検証することを目指している。

CornelisのCEO、Lisa Spelman氏は、EPYCの世代が新しくなるたびに、ネットワークへの接続を必要とするコアの数が増えると述べた。同氏の指摘は、通信が追いつかなければ、演算能力を追加しても高価なリソースが待機状態になりかねないということだ。そのため、ワークロードに応じた検証が不可欠となる。

GWDGのEMMY P4がもたらすもの

ゲッティンゲンに拠点を置く科学計算機関GWDGは、ドイツに9つある国立高性能計算センターの一つ、NHR@Göttingenを支援している。同センターの利用者は、生命科学、物理学、量子研究、AI、人文科学など幅広い分野のアプリケーションを実行する。Cornelisによると、より広範な計算環境では、年間約350万件のHPCジョブを処理している。

AMDのEPYC 9745の仕様によると、プロセッサー1基あたりの物理コア数は128個で、デュアルソケットノード1台あたりでは256コアとなる。数百台のノードにまたがるこれだけのコアを効率よく稼働させるには、通信効率をシステム全体の課題として捉える必要がある。

GWDGの導入に関する資料には、初期導入分として252台のノードが記載されている。各ノードは768 GiBのDDR5メモリーと3.8 TiBのローカルNVMeストレージを備え、200Gリンクを持つCN5000アダプターで接続されている。発表では、EMMY P4の導入規模全体は約300台のノードとされている。

このCPUシステムの導入と、提携におけるGPU関連の取り組みとの違いは重要だ。EMMY P4は、科学計算環境におけるEPYCとCornelisのネットワークの活用例であり、発表されたCPUノードにAMD Instinctアクセラレーターが搭載されているという意味ではない。

アプリケーションテストで互換性の検証を超える

Cornelisによると、CN5000は北米と欧州で検証済みの25を超えるプラットフォーム構成において、AMD EPYC 9005プロセッサーとの組み合わせで本番運用向けの認定を受けている。両社はさらに、AMD Instinct MI350X SeriesアクセラレーターにもCN5000の認定範囲を拡大した。

購入を検討する顧客にとって、アプリケーションテストは、アーキテクチャが組織で実際に稼働している処理に適しているかどうかを判断する手がかりとなる。頻繁な同期を伴う大規模シミュレーションは、アクセラレーターカーネル内で処理する時間が長いAIワークロードとは異なる動作をすることがある。メモリー容量、ソフトウェアライブラリー、ノード構成、ネットワークの挙動はいずれも結果に影響する。

Cornelisによると、選定された132件のCONVERGE数値流体力学ワークロードでは、4ノードでの平均スループットが、NVIDIA NDR InfiniBandを使った比較対象より20%高かった。また、EPYC 9755プロセッサーで実行したSTAR-CCM+のワークロードでは、1ノードから8ノードへの拡張でほぼ9倍の性能向上を達成したという。

これらは、特定のテスト構成で得られた、ベンダーが報告するアプリケーションの結果だ。テスト条件を確認するには、関連資料であるCornelisの技術ホワイトペーパーを参照する必要がある。これらの数値は、すべてのコードやクラスターで同じ優位性が得られることを示すものではない。ミュンヘンでのテストプログラムの実用的な価値は、顧客がこうした結果を踏まえて、自社のワークロードを評価できる点にある。

より大規模なCPU・GPUシステムに向けたロードマップ

両社は、次世代のハードウェアに向けた準備も進めている。Cornelisは、今後投入するCN6000について、800GアダプターとPCIe 6.0 x16インターフェースを中核に据えている。CN6000とAMD EPYC 9006プロセッサーを組み合わせたOEMシステムは、2027年第1四半期に登場する見込みだ。これらのシステムはロードマップ上の計画であり、すでに導入されているCN5000ベースのEMMY P4インフラとは別のものだ。

AMDのアクセラレーター戦略には、GPUコンピューティング向けのツールやライブラリーを提供するROCmソフトウェアスタックも含まれる。科学分野のAIを支えるには、プロセッサーやネットワークだけでなく、このソフトウェア層も必要だ。研究者には、アプリケーション、数学ライブラリー、通信ソフトウェアが連携して動作する環境が求められる。

従来型の科学技術計算では、倍精度、すなわちFP64演算も重視される。これは多くのAIワークロードで使われる低精度の計算とは異なるため、プラットフォームの適性は、目立つAI性能の数値だけでは判断できない。

AMDとCornelisの提携拡大は、研究向けシステム一式をより評価・導入しやすくすることを最終的な狙いとしている。GWDGはCPUとネットワークの組み合わせを本番環境で利用する事例を示しており、共同でのアプリケーションテストと将来的なアクセラレーター対応によって、想定される用途も広がる。研究機関にとって重要なのは、検証済みのシステムが有用な作業をどれだけ速く完了できるかであり、プロセッサーを何基搭載しているかではない。