美國國家實驗室曾經為了最快的超級計算機而相互展開軍備競賽，如今正聯合起來購買他們的下一代機器。
11月14日，位於田納西州的橡樹嶺國家實驗室（ORNL）和位於加利福尼亞州的勞倫斯·利弗莫爾國家實驗室宣佈，它們將各自購置一臺下一代IBM超級計算機，其執行速度將高達150千萬億次浮點運算/秒（petaflops）。這意味著這些機器每秒可以執行150 x 1015次浮點運算，至少是目前美國領先的超級計算機——ORNL的泰坦（Titan）系統的五倍。
這些新的超級計算機總共耗資3.25億美元，將為成千上萬的研究人員帶來新型科學研究，他們模擬從氣候變化到材料科學再到核武器效能的一切。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。 透過購買訂閱，您將有助於確保有關塑造我們當今世界的發現和思想的具有影響力的故事的未來。
“擁有更大的系統非常重要，而不僅僅是為了更詳細地一遍又一遍地做同樣的問題，”在ORNL和伊利諾伊州阿貢國家實驗室負責超級計算時間撥款專案的經理朱莉婭·懷特（Julia White）說。“實際上，你可以將科學提升到一個新的水平。” 例如，氣候建模者可以使用更快的機器將海洋和大氣環流模式連線在一個區域模擬中，從而更準確地瞭解颶風是如何形成的。
學習經驗
構建最強大的超級計算機是一場永無止境的競賽。幾乎一臺機器剛被購買和安裝，實驗室管理人員就開始為下一臺機器徵集投標。IBM和Cray等供應商利用這些競爭來開發下一代處理器晶片和架構，這在更廣泛的範圍內塑造了計算領域。
過去，美國國家實驗室各自獨立地進行這些採購。為了簡化流程並節省資金，實驗室叢集現在聯合起來發布共享招標——甚至包括那些進行機密研究的實驗室，如利弗莫爾實驗室。“我們的任務不同，但我們有很多共同點，”ORNL計算設施負責人亞瑟·布蘭德（Arthur Bland）說。
今年6月，在首次此類協調投標之後，Cray同意向新墨西哥州洛斯阿拉莫斯和桑迪亞國家實驗室的聯合體提供一臺機器，並向加利福尼亞州伯克利市勞倫斯·伯克利國家實驗室的國家能源研究科學計算中心（NERSC）提供另一臺機器。同樣，ORNL和利弗莫爾實驗室也與阿貢國家實驗室聯合起來。
國家核安全管理局（NNSA）高效能超級計算研究和執行專案經理圖克·黃（Thuc Hoang）說，聯合投標是一次學習經驗。NNSA位於華盛頓特區，負責管理洛斯阿拉莫斯、桑迪亞和利弗莫爾實驗室。“我們認為值得一試，”她說。“這需要就哪些要求來自哪些實驗室以及我們在哪裡可以做出妥協進行大量會議。”
目前，世界上最強大的超級計算機是位於中國廣州國家超級計算中心的55千萬億次浮點運算/秒的天河二號機器。泰坦排名第二，為27千萬億次浮點運算/秒。 世界500強 超級計算機的最新排名將於11月18日在路易斯安那州新奧爾良舉行的2014年超級計算大會上公佈。
能源部（DOE）科學辦公室先進科學計算研究計劃設施部門主任芭芭拉·海蘭（Barbara Helland）說，當新的ORNL和利弗莫爾超級計算機在2018年上線時，它們幾乎肯定會躍升至榜單的頂部附近。
NERSC主任蘇迪普·多桑傑（Sudip Dosanjh）說，比排名更重要的是科學家是否能從新機器中獲得更高的效能。“他們都被資料淹沒了，”他說。“人們迫切需要分析這些資料。”
多桑傑說，比純粹的計算速度更好的指標是計算程式碼在新機器上的效能提升程度。這就是為什麼最新機器的選擇不是基於總速度，而是基於它們在多大程度上滿足特定的計算基準。
雙重路徑
新的超級計算機將被命名為Summit和Sierra，其結構將與現有的泰坦超級計算機相似。它們將結合兩種型別的處理器晶片：中央處理器（CPU），用於處理日常計算的大部分工作，以及圖形處理器（GPU），通常用於處理三維計算。將兩者結合意味著超級計算機可以將繁重的工作交給GPU，從而更有效地整體執行。海蘭說，由於ORNL和利弗莫爾實驗室將擁有類似的機器，計算機管理人員應該能夠分享經驗教訓和提高效能的方法。
儘管如此，能源部還是希望保留一點多樣性。海蘭說，三家實驗室中的第三家阿貢國家實驗室將在未來幾個月內宣佈其計劃，但它將使用與CPU-GPU組合方法不同的架構。它幾乎肯定會像阿貢國家實驗室目前的IBM機器一樣，後者使用許多小型但相同的處理器聯網在一起。海蘭說，後一種方法在生物模擬中很受歡迎，因此“我們希望保持兩條不同的路徑暢通”。
最終，能源部正在推動實現百億億次（exascale）超級計算機，其效能將比目前的千萬億次（petascale）強大1000倍。預計這些機器將在2023年左右出現。但NERSC服務部門負責人凱蒂·安提帕斯（Katie Antypas）說，能源部實驗室獲得的功率越大，科學家們似乎就越想要。
“以前沒有計算成分的整個領域，”例如基因組學和生物成像，她說。“現在他們來找我們尋求幫助。”
本文經許可轉載，並於2014年11月14日首次發表。