今天，在美国国家能源研究科学计算中心(NERSC)，搭配六千个NVIDIA A100 GPU，提供了近4 百亿亿次混合精度性能的超级计算机，正式启动。这台超级计算机以Perlmutter命名，将为7000多名研究人员提供近4 百亿亿次的AI性能。
以Perlmutter命名的超级计算机正式启动
Saul Perlmutter是暗能量的主要发现者，他是来自于伯克利实验室的天体物理学家，并因此而获得诺贝尔奖。而暗能量光谱仪(DESI)的地图，将揭示暗能量这一宇宙加速膨胀背后的神秘物理学现象。
在Perlmutter因这一发现而获得诺贝尔奖后， Thomas与他一起开展了后续的项目。而以Perlmutter命名，采用了全球最大的A100赋能系统，搭载6144块NVIDIA A100 Tensor Core GPU，也正式发布了。据了解，Perlmutter能够支持20多种应用，能够很好的推动天体物理学、气象科学等领域的科学发展。
Perlmutter超级计算机将在一个项目中协助拼装迄今为止最大的宇宙三维地图。它将处理来自宇宙摄像机——暗能量光谱仪(DESI)的数据。暗能量光谱仪每次曝光可以捕获多达5000个星系。
研究人员需要利用Perlmutter的GPU速度，及时捕捉每晚几十次曝光，从而确定次日晚间将DESI对准何处。在以前的系统中，研究人员需要几周乃至几个月的时间，才能完成一年数据的发布准备工作，而有了Perlmutter，他们在短短几天内就能完成任务。
NERS数据架构师Rollin Thomas目前正在帮助研究人员为Perlmutter编写代码，他表示：“GPU让我们的数据准备工作速度提升了20倍，这太令人感到惊喜了。”
在线上组织的剪彩仪式上，NERSC数据和分析服务组代理负责人Wahid Bhimji表示：美国能源部正在大力发展人工智能科学，将概念验证引入粒子物理学、材料科学和生物能源等领域的生产用例。”他表示，当前人们正在探索更大规模的神经网络模型，希望获得更加强大的资源，而Perlmutter基于A100 GPU、全闪存系统和数据流功能，能够适时满足人们对AI的这一需求。
软硬件结合，加速推进高性能计算应用
据了解，传统的超级计算机几乎无法在几纳秒内使用Quantum Espresso等程序来处理模拟多个原子所需的数学运算。然而，通过将它们的高精度模拟与机器学习相结合，科学家们可以在更长的时间内研究更多的原子。
Perlmutter超级计算机采用了业界领先的A100，其Tensor Core既能加速用于模拟的双精度浮点数学运算，又能加速深度学习所需的混合精度计算。
NERSC的应用性能专家Brandon Cook表示：“以前我们不可能针对电池接口这样的大型系统进行完整的原子模拟，但现在科学家们计划用Perlmutter来进行这一模拟。”目前，Brandon Cook正在帮助研究人员启动此类项目。
在去年11月，入围戈登·贝尔奖决赛的BerkeleyGW项目赢得了NERSC的认可，这一项目使用了NVIDIA V100 GPU。在NERSC领导该项目并负责监督应用性能的Jack Deslippe认为，A100的强大性能有望将此类研究提升到一个新的水平。
除了硬件之外， Perlmutter的另一个战略组成部分是软件。与此同时，他还指出该系统所使用的NVIDIA HPC SDK能够支持OpenMP和其他常用编程模型。
另外，用于GPU上数据科学的开源代码RAPIDS，将加快NERSC内部日渐壮大的Python程序员团队的工作速度。目前它已在一个项目中证明了自身价值：相比之前的CPU，它使NERSC Cori超级计算机网络流量分析速度加快了近600倍。
Thomas表示：“这使我们相信，对于如何通过数据加速科学研究，RAPIDS将发挥重要的作用。”
另据了解，据了解， Perlmutter是在AI使用的16位和32位混合精度数学运算方面全球最快的系统。这一性能，还未包括今年晚些时候，将在劳伦斯伯克利国家实验室系统中开展的项目第二阶段。
