近年來，高性能計算（HPC）在科學研究中的廣泛采用使科學進步以前所未有的速度發展。超級計算機可以比科學家在現實生活中進行實驗或復制無法進行實驗的過程更快地模擬各種過程。但是，仿真并不是科學研究的唯一有效方法，而人工智能和深度學習可以極大地增強仿真。這就是來自斯圖加特高性能計算中心的科學家計劃在未來幾個月內使用Nvidia的A100 GPU升級其僅CPU的Hawk超級計算機的原因。

深度學習協助模擬

多年以來，科學家一直使用模擬研究空氣動力學，氣候模型，計算流體動力學和分子動力學等領域。研究人員開發的仿真算法基于基本的科學原理，非常精確。這種精度要求使用數千個CPU內核以及雙精度浮點格式（FP64），這通常意味著要有效運行的編程技能，相當長的計算時間以及生成大量數據。最近，CPU和GPU獲得了重要的人工智能（AI）和深度學習（DL）功能，這就是為什么研究人員開始在工作中使用AI和DL的原因。

AI和DL算法不能提供精確的模擬，也不能替代它們。但是他們可以做的是快速識別大型數據集中的模式，然后創建一個近似于實際行為的計算模型。在某些情況下，使用AI和DL可以消除某些科學上正確的模擬，這些模擬將無濟于事，從而極大地加快了研究速度。實際上，許多科學家認為，將AI / DL與仿真相結合是超級計算的未來。

HSLR的Hawk獲得GPU

與其他學術研究人員一樣，斯圖加特超級計算機中心高性能計算中心（HLRS）依賴于基于CPU的計算機執行的HPC仿真。今年，該公司部署了Hawk，這是一款基于AMD EPYC 7742的超級計算機，具有698，800個內核和1，397，760 GB的內存，可以在Rmax Linpack性能上實現19，334 TFLOPS。此外，自2019年以來，研究人員還一直在研究基于GPU的AI超級計算機，當時他們部署了具有60個Nvidia GPU的Cray CS-Storm系統。

責任編輯：lq