A HPC és AI összeolvadása új szakaszba lépteti a tudományos kutatást: az egyetemek és kutatóintézetek már nem csupán szimulációkat futtatnak, hanem saját mesterségesintelligencia-modelleket is fejlesztenek. A Lenovo és az AMD három példát mutat be arra, hogyan építenek ehhez infrastruktúrát a ThinkSystem szerverekre és az AMD EPYC processzorokra támaszkodva. Az alábbiakban a thaiföldi Khon Kaen Egyetem, a berlini Zuse Institute és a Floridai Egyetem esetét foglaljuk össze.
Miért kell új HPC-platform az AI-hoz?
A nagy teljesítményű számítástechnika évtizedek óta segíti a tudományt, a mérnöki munkát és az egészségügyet. Az újabb AI-technológiák tovább gyorsíthatják a kutatást, ehhez azonban olyan modern HPC-platformok kellenek, amelyek a fejlett AI-terheléseket is bírják. A Lenovo szerint a ThinkSystem szerverek AMD EPYC szerverprocesszorokkal teljesítményben, energiahatékonyságban és költséghatékonyságban is megfelelnek ennek az igénynek. A felhasználási kör az új AI-modellek fejlesztésétől a nagyléptékű szimulációkig terjed. Hasonló irányról korábban is írtunk: a Lenovo HPC- és AI-megoldásai világszerte gyorsítják a kutatást.
Khon Kaen Egyetem: saját AI-klaszter az oktatáshoz
A Khon Kaen Egyetem (KKU) Thaiföld egyik vezető állami egyeteme. AI-natív intézménnyé szeretne válni, ezért négyéves AI-alapképzést indított, amely az országban az elsők között van. A hallgatók alapozó tudást szereznek, és gyakorlatban alkalmazzák az AI-t valós esetekben.
Az egyetem saját, privát AI-platformot épített. A Lenovót és az AMD-t a teljesítmény, a könnyű kezelhetőség és az alacsony birtoklási költség miatt választotta. A Kaen-Coon AI-klaszter Lenovo ThinkSystem SR675 V3 szerverekre épül, AMD EPYC processzorokkal és GPU-kkal.
A helyi infrastruktúrát a kutatók is használják nagy, összetett AI-modellekhez. Dr. Praisan Padungweang, a számítástechnikai kar AI-programjának vezetője szerint a felhasználók például orvosi képelemzésen dolgoznak: mellrákszövetet osztályoznak, agydaganatot szegmentálnak, emellett valós idejű ipari hibafelismerésen is. Jelenleg olyan helyi LLM-megoldást építenek, amely a legnagyobb AI-cégek token-teljesítményét célozza.
Zuse Institute Berlin: vízhűtéses szuperszámítógép
A Zuse Institute Berlin (ZIB) alkalmazott matematikával és adatintenzív HPC-vel foglalkozó interdiszciplináris intézet. Kutatói biológiai, kémiai és földrendszer-folyamatokat szimulálnak, és egyre gyakrabban építenek AI-képességeket a HPC-feladatokba. A ZIB ezért a legújabb GPU-technológiákkal bővítette a klaszterét, amelyhez korszerű CPU- és szerverinfrastruktúra kellett.
Az új rendszer Lenovo ThinkSystem SD665 V3 Neptune infrastruktúra AMD EPYC 9004-es processzorokkal. Főbb adatai:
- több mint 120 000 mag,
- több mint 50 GPU-csomópont,
- 9 PFLOPS HPC-teljesítmény,
- a Neptune közvetlen vízhűtés akár 98%-os hőelnyelést tesz lehetővé.
A vízhűtés a források szerint csökkenti a hűtési költségeket, és sűrű számítási kialakítást tesz lehetővé. Dr. Thomas Steinke, a ZIB szuperszámítástechnikai vezetője szerint a rendszerek zökkenőmentesen futnak, a felhasználók elégedettek a teljesítménnyel és a megbízhatósággal.
Floridai Egyetem: a HiPerGator bővítése
A Floridai Egyetem (UF) több mint egy évtizede támogatja kutatási programok ezreit a HiPerGator szuperszámítógéppel. A kar évente közel 1 milliárd dollárnyi kutatást végez, és az igény az AI korában tovább nő. Az egyetem ezért jelentősen bővítette a kapacitást, partnere a Lenovo volt.
A két bővítési fázisban Lenovo ThinkSystem SR645 szerverek készültek AMD EPYC 7002-es és 7003-as sorozatú processzorokkal, összesen 40 320 maggal és 322 TB RAM-mal. A HiPerGator ma több mint 3000 felhasználót szolgál ki 400 kutatócsoportban, és 1400 különböző alkalmazást futtat a géneken szekvenálástól a társadalomtudományokig. Az UF a HPC-t a hagyományos STEM-területeken túl is szeretné terjeszteni. Dr. Erik Deumens, a kutatási számítástechnika igazgatója szerint a megoldás a teljesítmény, a sebesség és a rendelkezésre állás ideális kombinációját kínálta.
Gyakori kérdések
Milyen szervereket használnak a bemutatott projektek?
A példákban Lenovo ThinkSystem szerverek szerepelnek: SR675 V3, SD665 V3 Neptune és SR645. Mindegyik AMD EPYC processzorokra épül.
Mire használják a Khon Kaen Egyetem AI-klaszterét?
Oktatásra és kutatásra egyaránt, például orvosi képelemzésre és ipari hibafelismerésre. Helyi LLM-megoldást is fejlesztenek rajta.
Mekkora a berlini ZIB új rendszere?
Több mint 120 000 magot és több mint 50 GPU-csomópontot tartalmaz, teljesítménye 9 PFLOPS. Közvetlen vízhűtést használ.
Forrás: Lenovo StoryHub













