Hochleistungsrechner Supercomputer Hawk wird für KI-Methoden optimiert

Redakteur: Julia Bender

Der Supercomputer Hawk wird mit Grafikprozessoren ausgestattet, damit er sich nun auch für Deep Learning- und KI-Anwendungen eignet und hybride Arbeitsabläufe, die das Höchstleistungsrechnen und KI kombinieren, effektiver erfolgen.

Firmen zum Thema

Der Höchstleistungsrechner Hawk an der Universität Stuttgart wird aufgerüstet: Durch die Erweiterung um NVIDIA Grafik Prozessoren (GPUs) werden Deep Learning- und KI-Anwendungen möglich.
Der Höchstleistungsrechner Hawk an der Universität Stuttgart wird aufgerüstet: Durch die Erweiterung um NVIDIA Grafik Prozessoren (GPUs) werden Deep Learning- und KI-Anwendungen möglich.
(Bild: Universität Stuttgart/HLRS)

Der im Jahr 2020 am Höchstleistungsrechenzentrum der Universität Stuttgart (HLRS) in Betrieb genommene Supercomputer Hawk befindet sich zwar noch in der Ausbauphase, gehört aber bereits jetzt zu den leistungsfähigsten Höchstleistungsrechnern in Europa. In der aktuellen Top 500-Liste, in der die schnellsten HPC-Systeme der Welt anhand des High-Performance-Linpack Benchmarks aufgeführt werden, belegt Hawk den sechzehnten Platz.

Neue Einsatzmöglichkeiten

Nach der vor kurzem erfolgten Vertragsunterzeichnung mit Hewlett Packard Enterprise soll der Supercomputer nun um NVIDIA Grafik Prozessoren (GPUs) erweitert werden, wodurch seine Architektur nicht mehr einer reinen Zentralrechnertechnologie unterliegt, sondern einer hybriden Plattform gleicht. Das HLRS will Hawk um 24 HPE Apollo 6500 Gen10 Plus Systeme mit 192 NVIDIA A100 GPUs ausbauen. Die Erweiterung durch 120 Petaflops an KI-Rechenleistung ermöglicht es den Nutzern des Supercomputers, zukünftig Anwendungen aus dem Bereich des Deep Learnings, der Hochleistungsdatenanalyse und der KI auf dem System ausführen zu können, das sie im Moment bereits für rechenintensive Simulationen verwenden.

Damit Deep Learning-Algorithmen durchgeführt werden können, braucht es riesige Datenmengen, für deren Generierung CPU-basierte High-Performance Computing-Systeme wie Hawk im hohen Maße geeignet sind. Modelle, die anschließend mithilfe von Deep Learning-Methoden auf GPU-basierten Systemen entwickelt werden, können das Durchforsten von riesigen Datensätzen effizienter und erfolgreicher gestalten und damit Forschende entlasten. Es wird bereits erforscht, ob und wie diese hybriden Methoden die Forschung in Bereichen wie Strömungsdynamik, Robotik und industrielle Produktion beschleunigen könnten.

Zweiter Prozessortyp soll Nutzerbedürfnisse befriedigen

Ein Grund für die Optimierung der Rechenlandschaft für KI-Aktivitäten sei die Mission des HLRS, sich an den Bedürfnissen der Nutzer zu orientieren: „In letzter Zeit beobachten wir ein stetig wachsendes Interesse an Deep Learning und an Künstlicher Intelligenz. Diese Anwendungen werden jedoch wesentlich effektiver von Grafikprozessoren bedient. Indem wir nun diesen zweiten Prozessortyp der Architektur unseres Hawk-Rechners hinzufügen, können wir fortan Forschern aus Wissenschaft und Industrie weiterhin bestmöglich dienen, die an vorderster Forschungsfront arbeiten“, so der Leiter des HLRS Professor Dr.-Ing. Michael Resch.

Dieser Artikel stammt von unserem Partnerportal Industry of Things. Verantwortlicher Redakteur: Sebastian Human

(ID:47104782)