A GIGABYTE bemutatta, hogyan bővíthető az AI TOP ATOM platform teljesítménye egy négynódusos klaszterrel. Az új konfiguráció célja, hogy a helyben futtatott mesterséges intelligencia és a tudományos számítások számára nagyobb memóriakapacitást és számítási teljesítményt biztosítson, miközben az adatok továbbra is a szervezeten belül maradnak.
A vállalat szerint a modern AI-modellek, a molekuláris szimulációk és a vállalati számítási feladatok egyre gyakrabban ütköznek egyetlen rendszer memória- és teljesítménykorlátaiba. Az AI TOP ATOM klaszterezési megoldása ezt a problémát úgy kezeli, hogy több önálló gépet kapcsol össze, így a feladatok nagyobb memóriaterületen és párhuzamosan futhatnak.
Egyetlen AI TOP ATOM csomópont 1 PFLOP/s FP4 mesterségesintelligencia-teljesítményt és 128 GB egyesített memóriát kínál. Négy rendszer összekapcsolásával összesen 512 GB memória áll rendelkezésre, miközben a kommunikációt egy 200 gigabites Ethernet hálózat biztosítja. A moduláris felépítés lehetővé teszi, hogy a felhasználók egyetlen géppel kezdjenek, majd az igények növekedésével fokozatosan bővítsék a klasztert.
A GIGABYTE a bemutató során az NVIDIA-val közösen egy mesterséges intelligenciával támogatott tudományos munkafolyamatot is demonstrált. A rendszer az NVIDIA NeMoClaw fejlesztői eszközeire és a nyílt forráskódú Nemotron-3-Nano-30B-NVFP4 nyelvi modellre épült, amely kutatási hipotéziseket állított elő. Ezeket követően a GROMACS molekuláris dinamikai szoftver futtatta a szimulációkat a klaszter teljes számítási kapacitását kihasználva.
A bemutató egyik gyakorlati példája a félvezetőiparban alkalmazott hővezető anyagok fejlesztése volt. Ezeknél a kutatásoknál egyre nagyobb molekuláris modellekre van szükség, amelyek jelentős memóriaigénnyel járnak. Míg egy önálló rendszer nagyjából 10 millió atomot tartalmazó szimulációt képes kezelni, a négynódusos AI TOP ATOM klaszter ezt a határt 30 millió atom fölé emeli.
A helyben működő AI-infrastruktúrák iránti érdeklődés az elmúlt időszakban folyamatosan nő. A vállalatok és kutatóintézetek egyre gyakrabban keresnek olyan megoldásokat, amelyekkel érzékeny adataikat nem kell felhőszolgáltatásokba feltölteniük, ugyanakkor képesek kiszolgálni a legnagyobb AI-modellek és tudományos alkalmazások számítási igényeit is.
A GIGABYTE bemutatója azt jelzi, hogy a klaszterezett AI-rendszerek szerepe már nem korlátozódik a mesterséges intelligencia fejlesztésére. A nagy memóriakapacitás és a skálázható architektúra révén egyre több tudományos és mérnöki feladat is helyi infrastruktúrán végezhető el, ami gyorsabb feldolgozást és nagyobb adatbiztonságot kínál.
