Cerebras CS-1 Sistemi Lassen Süper Bilgisayarına Entegre Edildi

Cerebras (CBRS ) tarafından Lawrence Livermore National Laboratory (LLNL) ile ortaklaşa yürütülen yeni bir vaka çalışması, Cerebras CS-1 sisteminin LLNL’nin Lassen süper bilgisayarına entegre edilerek nükleer füzyon simülasyonlarında ilerlemelere nasıl olanak sağladığını açıklamaktadır.

LLNL, Kaliforniya’daki Livermore’da bulunan bir federal araştırma tesisi olup,主要 olarak ABD Enerji Bakanlığı’nın Ulusal Nükleer Güvenlik İdaresi (NNSA) tarafından finanse edilmektedir. LLNL’ye göre, misyonu, dünya çapında bilim, teknoloji ve mühendisliği geliştirerek ve uygulayarak ABD güvenliğini güçlendirmektir.

Laboratuvarda, dünyanın en güçlü lazerini kullanan Ulusal İgnisyon Tesisi (NIF) bulunmaktadır. Bununla birlikte, bazı önemli engeller arasında, pahalı ve zaman alıcı inertial hapsedilme deneyleri bulunmaktadır, bu nedenle laboratuvar, Lassen süper bilgisayarında HYDRA adlı bir çoklu fizik yazılım paketi ile simüle deneyler yürütmektedir. HYDRA modelleri, NIF’den alınan gerçek dünya verileri ile doğrulanmaktadır, bu da modellerin gerçek dünya deneylerinin sonuçlarını daha doğru bir şekilde öngörmesine olanak tanır.

HYDRA modellerinin bir parçası, atomik kinetik ve radyasyonu içerir ve bu kısma CRETIN denir. CRETIN, belirli koşullar altında bir atomun nasıl davranacağını öngörür ve CRETIN, HYDRA için toplam hesaplama yükünün yüzde ellisine kadar temsil edebilir.

Derin bir sinir ağı modeli (DNN) veya CRETIN-surrogate ile CRETIN’i değiştirerek, LLNL araştırmacıları hesaplama yoğunluğunu azaltabilir.

Cerebras CS-1 Sistemi

LLNL, CRETIN-surrogate çıkarımını gerçekleştirmek için Cerebras CS-1 sistemini seçmiştir. Sistem, Lassen süper bilgisayarına entegre edilmiştir ve kurulum menos 20 saat sürmüştür. Cerebras teknisyenleri ayrıca bir “soğutma kabuğu” ve mekanik destek rayları ve donanımı da kurmuşlardır.

Makine öğrenimi yazılım mühendisleri, HYDRA kodu tarafından CRETIN-surrogate modelini çağıran bir C++ API’si yazmak için LLNL meslektaşları ile birlikte çalışmışlardır. Model, girişi daha düşük boyutlu temsillemelere sıkıştırmak için bir otokodlayıcıya güvenmektedir ve bunlar daha sonra DJINN ile oluşturulan bir预测 modeli tarafından işlenmektedir. Bu algoritma, verilere uygun bir sinir ağı mimarisi otomatik olarak seçer ve kullanıcıların elle ayarları ayarlamasını gerektirmez.

Çalışma Sonuçları

Erken sonuçlar, Lassen sistemi ile Cerebras hızlandırıcının birleşiminin son derece verimli olduğunu göstermiştir. CS-1 sistemini Lassen’in InfiniBand ağına takarak, 1.2 terabit-saniye bant genişliği CS-1 sistemine ulaşılabilmektedir.

19GB’lik SRAM belleği 400.000 AI hesaplama çekirdeğine bağlı olan CS-1 sistemi, göreceli olarak compact DNN modelinin birçok örneğini paralel olarak çalıştırabilmiştir. Bant genişliği ve beygir gücü birleşimi sayesinde, HYDRA saniyede 18 milyon örnek üzerinde çıkarım yapabilmiştir.

Bunun anlamı, LLNL’nin artık Cerebras sistemi ile önce hesaplamalı olarak çözülemez deneyleri çalıştırabilmesi ve bunun sadece basit bir entegrasyon ve maliyetin bir kısmını gerektirmesidir.

Araştırma, şimdi simülasyonu yönlendirmeye ve simülasyon çalışırken bilgi sağlamaya odaklanacak, bu da araştırmacılara simülasyonun iyi çalışmadığını düşünürse durdurma olanağı tanıyacaktır. Her çalışmanın sonuçları daha sonra modelin eğitim kümesinin bir parçası haline gelecektir, böylece sürekli olarak eğitilebilecektir. Bir “etkin öğrenme” modeli oluşturulabilir ve bu, sonraki deney için parametreleri ve başlangıç sınır koşullarını seçerek gelecekteki çalışmaları optimize edebilir.