AMD i Cornelis rozszerzają współpracę w zakresie HPC, a GWDG wdraża system EMMY P4

AMD i Cornelis rozszerzają współpracę w zakresie obliczeń wysokiej wydajności, łącząc procesory i akceleratory AMD z rozwiązaniami sieciowymi Cornelis, aby pomóc instytucjom badawczym wdrażać w środowisku produkcyjnym większe obciążenia obliczeniowe związane z badaniami naukowymi. Konkretnym przykładem jest wdrożenie w niemieckiej instytucji GWDG: superkomputer EMMY P4 łączy około 300 węzłów z dwoma gniazdami na procesory AMD EPYC 9745 z siecią Cornelis CN5000 Omni-Path.

Współpraca wykracza poza sprzedaż kompatybilnych komponentów. Firmy tworzą wspólny program wejścia na rynek, obejmujący projektowanie systemów, testy porównawcze aplikacji, walidację, testy odbiorcze i wdrożenia produkcyjne realizowane za pośrednictwem dotychczasowych producentów i integratorów systemów. Klienci mogą również przetestować własne aplikacje w centrum doskonałości HPC firmy AMD w Monachium, zanim zdecydują się na konkretną konfigurację.

Takie podejście odpowiada na utrzymujący się problem związany z superkomputerami: zakup większej liczby procesorów nie gwarantuje proporcjonalnego przyspieszenia badań. Aplikacje muszą przesyłać dane między procesorami na tyle szybko, by te mogły nieprzerwanie pracować.

Dlaczego sieć jest równie ważna jak moc obliczeniowa

Symulacje naukowe często dzielą duży problem na części rozdzielane między wiele serwerów. Każdy serwer oblicza część wyniku, a następnie wymienia informacje z pozostałymi. Na przykład obliczeniowa mechanika płynów wymaga, by sąsiadujące obszary symulowanego przepływu udostępniały sobie zaktualizowane parametry w miarę postępu obliczeń.

Dlatego opóźnienia sieciowe, zdolność obsługi komunikatów i przeciążenia mają istotne znaczenie. Procesor oczekujący na dane z innego węzła wykonuje niewiele pożytecznych obliczeń, niezależnie od tego, jak szybko przeprowadza działania arytmetyczne. Message Passing Interface (MPI) to powszechnie używany interfejs programowy służący do koordynowania takich obliczeń rozproszonych.

Cornelis dostarcza sieć połączeń łączącą węzły, a AMD zapewnia moc obliczeniową. Rozszerzony program ma na celu wspólną walidację tych elementów w testach z użyciem aplikacji, zamiast uznawać przepustowość sieci i specyfikacje procesorów za wystarczający dowód wydajności systemu.

Lisa Spelman, dyrektor generalna Cornelis, powiedziała, że każda nowa generacja procesorów EPYC zwiększa liczbę rdzeni wymagających dostępu do sieci. Chodzi o to, że zwiększenie mocy obliczeniowej może sprawić, iż kosztowne zasoby będą czekać bezczynnie, jeśli komunikacja nie będzie nadążać, dlatego niezbędna jest walidacja uwzględniająca konkretne obciążenia.

Co wnosi system EMMY P4 firmy GWDG

GWDG, instytucja zajmująca się obliczeniami naukowymi w Getyndze, wspiera NHR@Göttingen, jeden z dziewięciu krajowych ośrodków obliczeń wysokiej wydajności w Niemczech. Użytkownicy ośrodka korzystają z aplikacji obejmujących nauki przyrodnicze, fizykę, badania kwantowe, sztuczną inteligencję i nauki humanistyczne. Według Cornelis w całym tym środowisku obsługiwanych jest rocznie około 3,5 miliona zadań HPC.

Dane techniczne procesorów EPYC 9745 firmy AMD podają 128 rdzeni fizycznych na procesor, co daje 256 rdzeni w każdym węźle z dwoma gniazdami na procesory. Zapewnienie wydajnej pracy tak dużej liczbie rdzeni w setkach węzłów sprawia, że sprawność komunikacji staje się kwestią dotyczącą całego systemu.

Dokumentacja wdrożenia GWDG opisuje początkową grupę 252 węzłów, z których każdy ma 768 GiB pamięci DDR5 i 3,8 TiB lokalnej pamięci masowej NVMe; węzły połączono za pomocą kart CN5000 z łączami 200G. W komunikacie większe wdrożenie EMMY P4 opisano jako system składający się z około 300 węzłów.

Ważne jest rozróżnienie między tą instalacją opartą na procesorach CPU a współpracą dotyczącą procesorów graficznych. EMMY P4 pokazuje zastosowanie procesorów EPYC i sieci Cornelis w środowisku obliczeń naukowych; nie oznacza to, że zapowiedziane węzły CPU zawierają akceleratory AMD Instinct.

Testowanie aplikacji wykracza poza sprawdzanie zgodności

Cornelis informuje, że CN5000 został zakwalifikowany do zastosowań produkcyjnych z procesorami AMD EPYC 9005 w ponad 25 zweryfikowanych konfiguracjach platform w Ameryce Północnej i Europie. Firmy rozszerzyły również kwalifikację CN5000 na akceleratory AMD Instinct MI350X Series.

Testy aplikacji pozwalają kupującym sprawdzić, czy dana architektura odpowiada zadaniom faktycznie wykonywanym w ich organizacji. Duża symulacja wymagająca częstej synchronizacji może działać inaczej niż obciążenie związane ze sztuczną inteligencją, w którym więcej czasu zajmuje przetwarzanie w jądrach akceleratora. Na wynik wpływają pojemność pamięci, biblioteki programowe, konfiguracja węzłów i działanie sieci.

Cornelis podaje, że wybrany zestaw 132 zadań z zakresu obliczeniowej mechaniki płynów w programie CONVERGE osiągnął na czterech węzłach średnią przepustowość wyższą o 20% niż w porównaniu z rozwiązaniem wykorzystującym NVIDIA NDR InfiniBand. Firma informuje również o niemal dziewięciokrotnym skalowaniu od jednego do ośmiu węzłów w przypadku obciążenia STAR-CCM+ działającego na procesorach EPYC 9755.

Są to wyniki dotyczące aplikacji, podane przez producenta i uzyskane w konkretnych konfiguracjach testowych. Dokumenty źródłowe zawierające szczegóły techniczne testów Cornelis są właściwym punktem odniesienia przy analizie warunków testów; podane wartości nie dowodzą, że taką samą przewagę można uzyskać w każdym programie i klastrze. Praktyczna korzyść z monachijskiego programu testowego polega na tym, że klienci mogą ocenić własne obciążenia na tle tych wyników.

Plan rozwoju większych systemów CPU i GPU

Firmy przygotowują się także do kolejnej generacji sprzętu. Cornelis pozycjonuje nadchodzący CN6000 jako rozwiązanie oparte na adapterze 800G i interfejsie PCIe 6.0 x16. Systemy OEM łączące CN6000 z procesorami AMD EPYC 9006 mają pojawić się w pierwszym kwartale 2027 roku. Są one elementem planów rozwoju i należy je odróżnić od wdrożonej infrastruktury EMMY P4 opartej na CN5000.

Strategia AMD w zakresie akceleratorów obejmuje również stos oprogramowania ROCm, który udostępnia narzędzia i biblioteki do obliczeń na GPU. Wsparcie naukowych zastosowań AI wymaga tej warstwy oprogramowania, a także procesorów i sieci: badacze potrzebują aplikacji, bibliotek matematycznych i oprogramowania komunikacyjnego, które ze sobą współpracują.

Tradycyjne obliczenia naukowe w dużej mierze opierają się również na arytmetyce podwójnej precyzji, czyli FP64. Różni się ona od obliczeń o niższej precyzji stosowanych w wielu zadaniach związanych z AI, dlatego przydatność platformy zależy od czegoś więcej niż tylko jej deklarowanej wydajności w zadaniach AI.

Rozszerzone partnerstwo AMD–Cornelis ma ostatecznie ułatwić ocenę i wdrażanie kompletnych systemów badawczych. GWDG dostarcza przykład produkcyjnego zastosowania połączenia procesorów i sieci, a wspólne testowanie aplikacji oraz przyszłe wsparcie dla akceleratorów poszerzają potencjalny zakres zastosowań. Dla ośrodków badawczych najważniejszym miernikiem jest to, jak szybko zweryfikowany system wykonuje użyteczne zadania — a nie to, ile zawiera procesorów.