Вычисления с приставкой «супер-»: эксперт о будущем суперкомпьютеров

Узнать мнение экспертов о новейших технических разработках — лучший способ найти ответ, не заблудившись в гигабайтах непроверенной и зачастую искаженной информации. Первый герой новой рубрики «СР» — Евгений Степин, заместитель директора Центра инженерно- физических расчетов и суперкомпьютерного моделирования Национального исследовательского ядерного университета «МИФИ». Он отвечает на вопросы наших читателей о суперкомпьютерах.

Как работают процессоры на многозначной логике, в чем их преимущества и недостатки? В СССР ведь были машины высокого уровня на недвоичной логике?

— Привычный нам двоичный подход, когда логические выражения принимают только одно из двух значений (да / нет, ноль / единица), — не единственная логика реализации вычислений в процессорах. Расширение этой логики — многозначная, например троичная, или тернарная, логика, в которой логические выражения принимают одно из трех значений (больше / меньше / равно). Машины, построенные на троичных элементах, обладают большим быстродействием.

В СССР действительно были штучные электронно-вычислительные машины на троичных элементах «Сетунь». Но в наше время вся формальная логика двоичная. Кроме того, электронные компоненты для построения многозначной логики гораздо дороже в производстве, сложнее в реализации и потребляют много электроэнергии. Поэтому троичные компьютеры в истории оставили очень маленький след. Двоичные дешевле, их проще выпускать, и они окончательно победили в гонке технологий.

Не эффективнее ли моделировать физические процессы на аналоговых машинах, а не на цифровых? Нейросеть — это ведь эмуляция аналогового процесса на цифровом чипе?

— Да, аналоговые вычислительные машины работают на порядок быстрее цифровых. Но из-за конструкционных особенностей, специфики технических и физических процессов они являются узконаправленными, нацеленными на решение либо одной конкретной задачи, либо очень узкого спектра задач. Цифровые вычислительные устройства этого недостатка лишены, поэтому они сейчас являются гегемоном в мире вычислительных технологий. На любом персональном компьютере можно решать разноплановые задачи, начиная с игр и заканчивая сложным инженерно-физическим моделированием. Аналоговая машина так не может.

Ведутся ли в России разработки суперкомпьютеров на перспективной элементной базе?

— Рост производительности электронно-вычислительных машин ограничен минимальным размером транзистора. Этот барьер должны преодолеть технологии, основанные на совершенно других физических принципах. Например, фотонные вычислители. На базе Национального центра физики и математики в Сарове ведутся работы по тематике фотонных вычислений по двум траекториям: аналоговые фотонные вычислительные устройства и цифровые фотонные вычислители.

Аналоговый фотонный вычислитель, как и любая аналоговая машина, затачивается под конкретную узкоспециализированную задачу. Так, в Самарском госуниверситете им. Королева создан аналоговый фотонный вычислитель, способный распознавать и анализировать объекты — и только.

Цифровые фотонные вычислительные устройства меньше проработаны. Есть ряд трудностей, среди которых разработка фотонных логических элементов, фотонной памяти как оперативного, так и долговременного хранения, определение оптимального источника лазерного излучения, необходимого для работы этих устройств, а также интеграция фотонных вычислителей в элементы вычислительной машины. Эти задачи пока не решены.

Когда в России появится эксафлопсный суперкомпьютер (производительностью более 10¹⁸ операций в секунду. — «СР»)?

— Впервые эксафлопсный рубеж преодолел американский суперкомпьютер Frontier в 2022 году, он и по сей день самый производительный. Согласно обновленному топ-500, этот рубеж преодолел еще один американский суперкомпьютер — Aurora.

Мы ощутимо отстаем от лидеров, по крайней мере по машинам гражданского назначения, с открытыми для широкой общественности характеристиками. Например, самый мощный отечественный суперкомпьютер «Червоненкис», принадлежащий «Яндексу», занимает 42-е место в мировом рейтинге: производительность — порядка 30 петафлопс, что почти в 30 раз меньше, чем у Frontier. Чтобы отставание сократить, в своем последнем послании Федеральному собранию президент поручил к 2030 году увеличить совокупную мощность и производительность российских суперкомпьютеров в 10 раз.

Какие вы видите перспективы применения искусственного интеллекта (ИИ) в технологиях суперкомпьютерного математического моделирования физических процессов?

— Во-первых, это так называемое суррогатное моделирование: вы обучаете нейросеть на базе уже выполненных высокоточных расчетов. Так вы можете найти приближенное решение задачи при изменении ее параметров, не проводя высокоточный расчет. Машинное обучение можно подключить к распределению нагрузки между процессорными ядрами, оптимизации использования процессорных ресурсов и адаптации математической модели к вычислениям.

Во-вторых, технологии ИИ применяют в оптимизации расчетных сеток для математического моделирования.

В-третьих, методы машинного обучения пригодны для предварительной обработки данных, выявления закономерностей или аномалий в готовых расчетах и для визуализации данных.

Наконец, искусственный интеллект можно использовать для объединения разноплановых физико-математических моделей.