Chris Porter – NVIDIA 技術博客

針對藥物研發優化 OpenFold 訓練

Wed, 28 Feb 2024 05:13:14 +0000

從氨基酸序列預測 3D 蛋白質結構一直是生物信息學領域由來已久的重要問題。近年來，基于深度學習的計算方法不斷涌現，并已顯示出有希望的結果。在這些工作中，AlphaFold2 是第一種與較慢的基于物理性質的計算方法相美的方法。它被 Nature 命名為 2021 年度最佳方法。該模型基于其他當代深度學習模型廣泛采用的序列注意力機制的變體而構建。通過使用 MML，我們能夠有效地訓練和評估大規模的生物醫學數據集。MML 是一個高度可擴展和可定制化的平臺，它支持多種機器學習算法和模型，并提供了豐富的工具和接口，以便于用戶能夠輕松地集成、擴展和定制化 MML 平臺以滿足其特定的需求和應用場景。遺憾的是，AlphaFold2 訓練所需的時間仍然是一個重大瓶頸。 AlphaFold2 訓練使用 1000 萬個樣本和 128 個 TPU 進行，收時間超過 11 天(初始訓練 7 天，

Source

]]>

高性能計算的能效：平衡速度與可持續性

Tue, 14 Nov 2023 06:21:21 +0000

計算世界正處于巨變的邊緣。對計算能力的需求，尤其是高性能計算 (HPC) 逐年增長，這也意味著能源消耗也在增長。然而，潛在的問題當然是，能源是一種具有局限性的資源。因此，世界面臨的問題是，我們如何更好地將計算重點從性能轉移到能效。在考慮這個問題時，必須考慮到任務完成率與能耗之間的相關性。這種關系通常會被忽略，但它可能是一個關鍵因素。本文將探討速度與能效之間的關系，以及向更快完成任務轉變所帶來的影響*. 以交通運輸為例。在物體運動的情況下，在除真空之外的任何其他情況下，阻力與行駛速度的平方成正比。這意味著在給定距離內，行駛速度是行駛速度的兩倍，所需的力和能量是行駛速度的四倍。人員和貨物在地球周圍移動意味著在空氣或水(在物理學中，兩者都是“流體”)中行駛，這個概念有助于解釋為什么行駛速度更快需要更多的能量。大多數運輸技術都依賴礦物燃料，

Source

]]>

借助 NVIDIA Magnum IO 優化多節點 VASP 仿真的能效

Mon, 13 Nov 2023 07:41:17 +0000

對于大多數超級計算中心來說，計算能效已成為一個主要的決策標準。數據中心一旦建成，就能在現有的功率上限內運行，無需進行昂貴且耗時的改造。提高工作負載的吞吐量，意味著提高每瓦的工作效率。 NVIDIA 產品在過去幾代中一直致力于最大限度地提升每千瓦時 (kWh) 的實際應用性能。本文將探討如何使用 Omniverse 的 Vienna Ab initio Simulation Package（VASP）。VASP 是一款用于原子級材料建模的計算機程序，它基于第一原理進行電子結構計算和量子力學分子動力學模擬。對于研究人員而言，材料屬性研究是一個活躍的領域，他們將超級計算設施用于從高溫、低壓超導體到新一代太陽能電池等廣泛的案例。VASP 是這些數字研究的主要工具。本文介紹了我們在 2022 年針對不同系統大小的簡單化合物 Hafnia (HfO2) 進行的多節點…

Source

]]>

最大化數據中心能源效率的策略

Tue, 23 May 2023 05:29:52 +0000

數據中心是現代企業的重要組成部分，但它們需要高昂的能源成本。更為復雜的是，能源成本正在上升，對數據中心的需求持續擴大，預計從 2023 年到 2030 年，市場規模將增長 25% 。在全球范圍內，能源成本已經對數據中心和高性能計算（ HPC ）系統。為了減輕能源成本負擔，數據中心管理人員正在推遲購買新系統，限制當前系統的功能，甚至減少運營時間。由于成本和需求的復合增長，必須盡快找到替代能源或盡可能經濟高效地提高能源效率。在這篇文章中，我們討論了降低數據中心能耗的四種實用策略。通過實施這些策略，您可以降低能源成本，提高數據中心的性能和可靠性。最終，這些策略只是提高您的環境、社會和治理（ ESG ）投資吸引力的第一步，這是全球投資者日益重視的問題。在深入研究之前，我們要注意的是，能源效率只是實現可持續發展的一步。目前，數據中心的能源效率處于可持續性計算，計算機、

Source

]]>

通過 NVIDIA Magnum IO 擴展 VASP

Tue, 15 Nov 2022 07:33:00 +0000

你可以提出一個論點，即文明和技術進步的歷史就是物質的探索和發現的歷史。時代不是以領導人或文明命名的，而是以定義他們的材料命名的：石器時代、青銅時代等等。當前的數字或信息時代可以改名為硅或半導體時代，并保留相同的含義。盡管硅和其他半導體材料可能是當今推動變革的最重要的材料，但研究中還有其他幾種材料同樣可以推動下一代變革，包括以下任何一種：半導體是構建芯片的核心，這些芯片能夠對這種新型材料進行廣泛而復雜的搜索。 2011 年，美國 Materials Genome Initiative 推動使用模擬識別新材料。然而，在當時，甚至在今天的某種程度上，即使在現代超級計算機上，根據第一原理計算材料性質也可能會非常緩慢。 Vienna Ab initio Simulation Package (VASP) 是用于此類預測的最流行的軟件工具之一，

Source

]]>

使用 MLPerf HPC v2.0 基準測試調整 AI 基礎設施性能

Wed, 09 Nov 2022 07:05:00 +0000

隨著人工智能和模擬的融合加速了科學發現，需要一種方法來衡量和排名構建世界超級計算機人工智能模型的速度和吞吐量。 MLPerfHPC 現在已經進入第三次迭代，它已經成為使用傳統上在超級計算機上執行的工作負載來衡量系統性能的行業標準。同行評審的行業標準基準是評估 HPC 平臺的關鍵工具， NVIDIA 相信，獲得可靠的性能數據將有助于指導未來 HPC 架構師的設計決策。 MLPerf 基準測試由 MLCommons 開發，使組織能夠在傳統上在超級計算機上執行的一組重要工作負載上評估 AI 基礎設施的性能。 MLPerfHPC 基準測試測量了三種采用機器學習技術的高性能仿真的訓練時間和吞吐量。這篇文章介紹了 NVIDIA MLPerf 團隊為優化每個基準和度量以獲得最佳性能所采取的步驟。除了 MLPerf HPC v1.0 中的優化之外，

Source

]]>

通過全棧創新推動高性能計算

Wed, 01 Jun 2022 07:42:18 +0000

高性能計算（HPC）已成為科學發現的基本工具。無論是發現新的拯救生命的藥物，對抗氣候變化，還是創建精確的世界模擬，這些解決方案都需要巨大且快速增長的處理能力。它們越來越超出傳統計算方法的范圍。這就是為什么業界接受 NVIDIA GPU加速計算的原因。與人工智能相結合，它為科學進步帶來了性能上百萬倍的飛躍。如今，2700個應用程序可以從 NVIDIA GPU 的加速中受益，而且這個數字在不斷增長的300萬開發者社區的支持下繼續上升。要在整個 HPC 應用程序范圍內實現數倍的加速，需要在堆棧的各個級別進行不懈的創新。這從芯片和系統開始，一直到應用程序框架本身。 NVIDIA 平臺每年都在繼續提供顯著的性能改進，在體系結構和整個 NVIDIA 軟件堆棧方面都取得了不懈的進步。與六年前發布的 P100 相比， H100 Tensor Core GPU…

Source

]]>

GPU 加速度驅動的計算流體力學革命

Thu, 26 May 2022 05:54:00 +0000

當一項技術達到所需的成熟度時，采用將從那些被認為是有遠見的人轉變為早期的多數采用者。現在是工業 high-performance computing （ HPC ）最大單一細分市場的關鍵和過渡時刻。 2021 年底和 2022 年初，兩家最大的商業計算流體動力學（ CFD ）工具供應商 Ansys 和西門子都推出了其旗艦 CFD 工具版本，支持 GPU 加速。僅這一事實就足以證明 CFD 的新時代已經到來。過去十年， CFD 被廣泛采用，作為工程師和設備設計師研究或預測其設計行為的關鍵工具。然而， CFD 不僅僅是一種分析工具，它現在被用來進行設計改進，而無需對每個正在評估的設計/操作點進行耗時且昂貴的物理測試。這種普遍性是為什么今天有這么多 CFD 工具、商業和開源軟件可用的部分原因。對模擬精度的日益增長的需求有助于將測試最小化，

Source

]]>