Välttämättömät evästeet

Tämä sivusto käyttää toimintansa kannalta välttämättömiä evästeitä tarjotakseen käyttäjälle sisältöä ja tiettyjä toiminnallisuuksia (esim. kielivalinta). Et voi vaikuttaa näiden evästeiden käyttöön.

Verkkosivuston kävijätilastot

Keräämme sivuston käytöstä kävijätilastoja. Tiedot eivät ole henkilöitävissä ja ne tallennetaan ainoastaan CSC:n hallinnoimaan Matomo-kävijäanalytiikkatyökaluun. Hyväksymällä kävijätilastoinnin sallit Matomon hyödyntää erilaisia teknologioita, kuten analytiikkaevästeitä ja verkkokutsuja, kun se kerää tilastoja sivun käytöstä.

Muuta tekemiäsi evästevalintoja ja lue lisätietoa kävijätilastoinnista ja evästeitä 

CSC

Tutkijoiden keskuudessa on kasvavaa kiinnostusta GPU-laskentaa kohtaan. Supertietokoneissa käytetään sekä perinteistä x86-arkkitehtuuria (CPU, Central Processing Unit) että alunperin grafiikkaprosessoreina tunnettua GPU:ta (graphics processing unit). GPU:t soveltuvat hyvin laajoihin rinnakkaisiin tehtäviin, joissa GPU:sta saa irti enemmän laskentatehoa kuin CPU:sta.

GPU-laskentaa käytetään esimerkiksi tekoälytutkimukseen, tekoälymallien kouluttamiseen ja suurten datamäärien analysointiin (Big Data). Tekoälyä ja koneoppimista on käytetty mm. ennustamaan luotettavasti, miten eri lääkeaineet tappavat syöpäsoluja, tunnistamaan lähes virheettä eturauhassyöpää sisältävät koepalat sekä digitaalisten aineistojen metatietojen lisäämiseen ja rikastukseen.

– Tämä DL2021-ympäristön laajennus pitää sisällään 120 GPU-prosessoria, jotka lisäävät merkittävästi laskentaympäristön kykyä tukea tekoälylaskentaa sekä yhdistettyjä tekoälyn ja suuteholaskennan työkuormia. Investoimalla sekä Mahti-AI:hin että ePoutaan voimme tukea sensitiivistä dataa hyödyntävää tiedettä kuten genomiikkaa. Hankinta mahdollistaa, että tutkijat ja sovellusten kehittäjät Suomessa saavat käyttöönsä uusimman sukupolven NVIDIA GPU -laitteiston ja sen tuomat uudet mahdollisuudet, kuten kehittyneet tensor-ytimet, kertoo kehityspäällikkö Sebastian von Alfthan CSC:stä.

Hankittavat Mahti-AI:n GPU-noodit perustuvat Atos BullSequana X2415 GPU -bladeen, jossa on

  • kaksi AMD Epyc Rome 7H12 -prosessoria (CPU) ja
  • neljä seuraavan sukupolven NVIDIA Ampere A100 -prosessoria (GPU).
  • yhteensä kussakin noodissa on 512 GB muistia CPU:lle ja 160 GB muistia GPU:lle (40 GB kutakin GPU:ta kohti).

Supertietokone tarvitsee prosessoreiden lisäksi myös nopean noodien välisen kytkentäverkon. Hankittavissa GPU-noodeissa data kulkee kahta 200 Gbit/s yhteyttä pitkin.

ePoutaan hankittaviin kuuteen noodiin tulee

  • Kaksi AMD Epyc Rome 7402 -prosessoria (CPU).
  • Neljä NVIDIA A100 -prosessoria (GPU).
  • Muistia noodia kohden on 1024 GB (CPU) ja 160 GB (40 GB GPU:ta kohti).

Hankinta nostaa Mahdin teoreettista huipputehoa kahdella Petaflopsilla. Mahdin teoreettinen huipputeho on GPU-noodien käyttöönoton jälkeen 9,5 Petaflop/s. ePoudan laskentateho kasvaa GPU-noodien myötä 0,5 Petaflop/s. Yksi Petaflop/s tarkoittaa tuhatta biljoonaa (1015) liukulukulaskutoimitusta sekunnissa.

Uusien noodien asennus alkaa helmikuussa 2021 ja noodit avataan tutkijoiden käyttöön tämänhetkisen tiedon mukaan huhtikuun aikana.

Lisätietoja

Sebastian von Alfthan. kehityspäällikkö, CSC
sebastian.von.alfthan at csc.fi,
+358405888688

GPU-laskennan avulla tehtyä suomalaistutkimusta

Aalto-yliopisto: Tekoäly ennustaa luotettavasti, miten eri lääkeyhdistelmät tappavat syöpäsoluja

Digime: High Performance Digitisation -hankkeella vauhtia digitaalisten aineistojen kuvailuun