AMD và Cornelis mở rộng quan hệ hợp tác về điện toán hiệu năng cao khi GWDG triển khai EMMY P4

AMD và Cornelis đang mở rộng quan hệ hợp tác về điện toán hiệu năng cao, kết hợp bộ xử lý và bộ tăng tốc của AMD với giải pháp mạng của Cornelis để giúp các tổ chức nghiên cứu đưa những khối lượng công việc khoa học lớn hơn vào vận hành thực tế. Việc triển khai tại GWDG của Đức là một ví dụ cụ thể: siêu máy tính EMMY P4 kết hợp khoảng 300 nút AMD EPYC 9745, mỗi nút dùng hai socket, với hệ thống mạng Cornelis CN5000 Omni-Path.

Sự hợp tác này không chỉ dừng lại ở việc bán các linh kiện tương thích. Hai công ty đang xây dựng chương trình tiếp cận thị trường chung, bao gồm thiết kế hệ thống, đo điểm chuẩn ứng dụng, xác thực, kiểm thử nghiệm thu và triển khai vào sản xuất thông qua các nhà sản xuất cùng nhà tích hợp hệ thống hiện có. Khách hàng cũng có thể thử nghiệm ứng dụng của mình tại Trung tâm Xuất sắc về HPC của AMD ở Munich trước khi quyết định cấu hình.

Cách tiếp cận này giải quyết một vấn đề dai dẳng trong lĩnh vực siêu máy tính: mua thêm bộ xử lý không đảm bảo hoạt động nghiên cứu sẽ nhanh hơn tương ứng. Các ứng dụng cần truyền dữ liệu giữa những bộ xử lý đó đủ nhanh để chúng luôn hoạt động.

Vì sao mạng quan trọng không kém năng lực tính toán

Các mô phỏng khoa học thường chia một bài toán lớn cho nhiều máy chủ. Mỗi máy chủ tính toán một phần kết quả, sau đó trao đổi thông tin với các máy chủ khác. Chẳng hạn, động lực học chất lưu tính toán đòi hỏi các vùng lân cận trong dòng chảy mô phỏng chia sẻ những điều kiện đã cập nhật khi quá trình tính toán diễn ra.

Những trao đổi này khiến độ trễ mạng, khả năng xử lý thông điệp và tình trạng tắc nghẽn trở thành các yếu tố quan trọng. Dù thực hiện phép tính số học nhanh đến đâu, bộ xử lý phải chờ dữ liệu từ một nút khác cũng chẳng đóng góp được bao nhiêu vào công việc tính toán hữu ích. Giao diện Truyền thông điệp (MPI) là một giao diện phần mềm được sử dụng rộng rãi để điều phối công việc phân tán này.

Cornelis cung cấp hạ tầng kết nối các nút mạng, còn AMD cung cấp năng lực tính toán. Chương trình mở rộng hướng đến việc kiểm định các thành phần này cùng nhau trên những ứng dụng cụ thể, thay vì xem băng thông mạng và thông số bộ xử lý là bằng chứng đầy đủ về hiệu năng hệ thống.

Lisa Spelman, CEO của Cornelis, cho biết mỗi thế hệ EPYC mới làm tăng số lõi cần truy cập mạng. Ý bà là việc bổ sung năng lực tính toán có thể khiến các tài nguyên đắt tiền phải chờ nếu tốc độ truyền thông không theo kịp, vì vậy việc kiểm định theo từng khối lượng công việc cụ thể là điều thiết yếu.

EMMY P4 của GWDG mang lại điều gì

GWDG, tổ chức điện toán khoa học tại Göttingen, hỗ trợ NHR@Göttingen, một trong chín trung tâm điện toán hiệu năng cao quốc gia của Đức. Người dùng tại đây vận hành các ứng dụng trong nhiều lĩnh vực, từ khoa học sự sống, vật lý, nghiên cứu lượng tử và AI đến nhân văn. Theo Cornelis, toàn bộ môi trường này xử lý khoảng 3,5 triệu tác vụ HPC mỗi năm.

Theo thông số kỹ thuật của EPYC 9745 do AMD công bố, mỗi bộ xử lý có 128 lõi vật lý, tức mỗi nút hai socket có 256 lõi. Việc duy trì hiệu suất cho số lõi lớn như vậy trên hàng trăm nút khiến hiệu quả truyền thông trở thành mối quan tâm ở cấp độ toàn hệ thống.

Tài liệu về hệ thống được lắp đặt của GWDG mô tả nhóm ban đầu gồm 252 nút, mỗi nút có bộ nhớ DDR5 dung lượng 768 GiB và bộ lưu trữ NVMe cục bộ 3,8 TiB, kết nối thông qua các bộ điều hợp CN5000 với đường truyền 200G. Thông báo mô tả hệ thống EMMY P4 quy mô lớn hơn là có khoảng 300 nút.

Cần phân biệt hệ thống CPU này với hoạt động của quan hệ hợp tác trong lĩnh vực GPU. EMMY P4 cho thấy EPYC và giải pháp mạng của Cornelis được sử dụng trong môi trường điện toán khoa học; điều đó không có nghĩa các nút CPU được công bố có trang bị bộ tăng tốc AMD Instinct.

Kiểm thử ứng dụng vượt ra ngoài việc xác nhận tính tương thích

Cornelis cho biết CN5000 đã được chứng nhận đủ điều kiện triển khai trong môi trường sản xuất với bộ xử lý AMD EPYC 9005 trên hơn 25 cấu hình nền tảng đã được kiểm định tại Bắc Mỹ và châu Âu. Hai công ty cũng đã mở rộng chứng nhận CN5000 để áp dụng cho các bộ tăng tốc AMD Instinct MI350X Series.

Đối với người mua, việc kiểm thử ứng dụng có thể cho thấy kiến trúc có phù hợp với những công việc thực tế đang chạy trong tổ chức của họ hay không. Một mô phỏng lớn cần đồng bộ hóa thường xuyên có thể hoạt động khác với khối lượng công việc AI dành nhiều thời gian hơn bên trong các nhân tăng tốc. Dung lượng bộ nhớ, thư viện phần mềm, cấu hình nút và hoạt động của mạng đều ảnh hưởng đến kết quả.

Cornelis báo cáo rằng một tập hợp được chọn gồm 132 khối lượng công việc động lực học chất lưu tính toán CONVERGE đạt thông lượng trung bình cao hơn 20% trên bốn nút so với kết quả đối chiếu sử dụng NVIDIA NDR InfiniBand. Công ty cũng báo cáo mức mở rộng hiệu năng gần gấp chín lần từ một lên tám nút đối với một khối lượng công việc STAR-CCM+ chạy trên bộ xử lý EPYC 9755.

Đây là các kết quả ứng dụng do nhà cung cấp báo cáo, thu được từ những cấu hình thử nghiệm cụ thể. Các tài liệu kỹ thuật chuyên sâu của Cornelis là nguồn tham khảo phù hợp để tìm hiểu điều kiện thử nghiệm; những con số này không chứng minh rằng mọi mã phần mềm hay cụm máy tính đều đạt được lợi thế tương tự. Giá trị thiết thực của chương trình thử nghiệm tại Munich là khách hàng có thể đánh giá khối lượng công việc của chính mình dựa trên bối cảnh đó.

Lộ trình hướng tới các hệ thống CPU và GPU quy mô lớn hơn

Các công ty cũng đang chuẩn bị cho một thế hệ phần cứng mới. Cornelis định vị CN6000 sắp ra mắt xoay quanh bộ điều hợp 800G và giao tiếp PCIe 6.0 x16; các hệ thống OEM kết hợp CN6000 với bộ xử lý AMD EPYC 9006 dự kiến sẽ ra mắt trong quý I năm 2027. Những hệ thống này mới nằm trong lộ trình phát triển, tách biệt với hạ tầng EMMY P4 dựa trên CN5000 đã được triển khai.

Chiến lược bộ tăng tốc của AMD còn bao gồm ngăn xếp phần mềm ROCm, cung cấp các công cụ và thư viện phục vụ tính toán bằng GPU. Để hỗ trợ AI khoa học, cần có lớp phần mềm này bên cạnh bộ xử lý và mạng: các nhà nghiên cứu cần ứng dụng, thư viện toán học và phần mềm truyền thông có thể phối hợp với nhau.

Điện toán khoa học truyền thống cũng đặc biệt chú trọng đến phép tính độ chính xác kép, hay FP64. Điều này khác với các phép tính độ chính xác thấp hơn được sử dụng trong nhiều khối lượng công việc AI, vì vậy mức độ phù hợp của một nền tảng không chỉ phụ thuộc vào hiệu năng AI được nêu bật.

Mở rộng hợp tác giữa AMD và Cornelis rốt cuộc là nỗ lực giúp việc đánh giá và triển khai các hệ thống nghiên cứu hoàn chỉnh trở nên dễ dàng hơn. GWDG đưa ra một ví dụ thực tế về sự kết hợp giữa CPU và mạng, trong khi việc cùng kiểm thử ứng dụng và hỗ trợ bộ tăng tốc trong tương lai mở rộng các trường hợp sử dụng tiềm năng. Đối với các trung tâm nghiên cứu, thước đo quan trọng là tốc độ một hệ thống đã được kiểm chứng hoàn thành công việc hữu ích, chứ không phải số lượng bộ xử lý mà hệ thống có.