#superkomputery — Public Fediverse posts

Jak zaufać maszynie, której nie da się sprawdzić. Krok naprzód w obliczeniach kwantowych

Teoretyczna przewaga komputerów kwantowych nad klasycznymi maszynami została już dawno udowodniona matematycznie.

Problem polega na tym, że obecny sprzęt kwantowy wciąż generuje mnóstwo błędów. Jeśli zlecimy takiej maszynie zadanie, którego nie jest w stanie przeliczyć żaden współczesny superkomputer klasyczny, stajemy przed poważnym dylematem: w jaki sposób sprawdzić, czy otrzymany wynik jest poprawny, a nie jest jedynie zbiorem losowych danych wygenerowanych przez szum sprzętowy?

Problem weryfikacji. Kiedy superkomputer to za mało

Do tej pory inżynierowie radzili sobie z tym problemem, zlecając maszynom kwantowym uproszczone zadania. Wyniki weryfikowano następnie na tradycyjnym sprzęcie. Założenie było proste: jeśli układ działa dla małej liczby kubitów, powinien zadziałać również po przeskalowaniu. To jednak blokuje rozwój i nie pozwala wykorzystać pełnego potencjału nowej technologii.

IBM postanowiło zmienić podejście, uruchamiając specjalny projekt śledzący rzeczywistą przewagę kwantową. Według ekspertów z firmy, weryfikowanie wyników kwantowych za pomocą klasycznych symulacji mija się z celem. Prawdziwą wartością jest stworzenie systemów, którym możemy zaufać, gdy klasyczne maszyny całkowicie wymiękają. We współpracy ze środowiskiem naukowym opracowano trzy niezależne metody radzenia sobie z tym wyzwaniem.

Trzy sposoby na kwantowy szum

Naukowcy musieli wykazać się dużą kreatywnością, aby obejść fizyczne ograniczenia dzisiejszych procesorów. Zamiast czekać na sprzęt całkowicie wolny od błędów, zespoły badawcze opracowały algorytmy, które potrafią ten błąd oszacować lub zminimalizować:

• Fizyczne modelowanie i współpraca z Qedma: naukowcy modelowali zachowanie skomplikowanej siatki magnesów. Tradycyjny japoński superkomputer Fugaku zaczął podawać sprzeczne i rozbieżne wyniki w miarę upływu symulowanego czasu. Algorytm kwantowy, wsparty oprogramowaniem redukującym błędy, wyłapał właściwe, okresowe oscylacje. Wynik potwierdzono na procesorze innej firmy (Quantinuum), wykluczając specyficzny błąd sprzętu IBM.
• Wplatanie trudnych bramek (Uniwersytet w Chicago): zespół zastosował operacje kwantowe stosunkowo łatwe do klasycznej symulacji, ale celowo wplótł w nie specjalne bramki (tzw. bramki T). Mają one dwie zalety: generują mniejszy szum w architekturze IBM i jednocześnie sprawiają, że dla tradycyjnego komputera obliczenia stają się wykładniczo trudniejsze. Dodatkowo wykorzystano skrajne kubity jako swoiste czujniki – jeśli wykryły błąd w trakcie obliczeń, wynik był po prostu odrzucany.
• Kwantowe echa (Algorithmiq): trzecia metoda polega na celowym wstrzykiwaniu szumu do systemu. Badacze wykonywali operacje, a następnie je odwracali. Przez celowe zakłócenia system nie wracał do punktu wyjścia, tworząc niedoskonałe „echo”. Analizując te zakłócenia, badacze byli w stanie matematycznie określić maksymalny margines błędu w końcowym wyniku.

Nie więcej kubitów, lecz lepszy algorytm. Australijczycy znaleźli sposób na błędy komputerów kwantowych

Dlaczego to ma znaczenie dla rozwoju technologii?

Dla przeciętnego zjadacza chleba wyżej wymienione symulacje nie mają dziś żadnego praktycznego zastosowania – to wciąż modele testowe. Jednak bez tych narzędzi weryfikacyjnych branża nie mogłaby ruszyć z miejsca. Techniki minimalizacji szumu oraz rozumienia natury błędów procesorów kwantowych są niezbędne, by przejść do kolejnego etapu.

Docelowo technologia ta ma służyć do analizowania rzeczywistych, skomplikowanych materiałów i procesów chemicznych, których nie da się sprowadzić do zer i jedynek. Dopiero wtedy komputery kwantowe zaczną projektować nowe leki czy ultrawydajne baterie.

Jak zaufać maszynie, której nie da się sprawdzić. Krok naprzód w obliczeniach kwantowych

Teoretyczna przewaga komputerów kwantowych nad klasycznymi maszynami została już dawno udowodniona matematycznie.

Problem polega na tym, że obecny sprzęt kwantowy wciąż generuje mnóstwo błędów. Jeśli zlecimy takiej maszynie zadanie, którego nie jest w stanie przeliczyć żaden współczesny superkomputer klasyczny, stajemy przed poważnym dylematem: w jaki sposób sprawdzić, czy otrzymany wynik jest poprawny, a nie jest jedynie zbiorem losowych danych wygenerowanych przez szum sprzętowy?

Problem weryfikacji. Kiedy superkomputer to za mało

Do tej pory inżynierowie radzili sobie z tym problemem, zlecając maszynom kwantowym uproszczone zadania. Wyniki weryfikowano następnie na tradycyjnym sprzęcie. Założenie było proste: jeśli układ działa dla małej liczby kubitów, powinien zadziałać również po przeskalowaniu. To jednak blokuje rozwój i nie pozwala wykorzystać pełnego potencjału nowej technologii.

IBM postanowiło zmienić podejście, uruchamiając specjalny projekt śledzący rzeczywistą przewagę kwantową. Według ekspertów z firmy, weryfikowanie wyników kwantowych za pomocą klasycznych symulacji mija się z celem. Prawdziwą wartością jest stworzenie systemów, którym możemy zaufać, gdy klasyczne maszyny całkowicie wymiękają. We współpracy ze środowiskiem naukowym opracowano trzy niezależne metody radzenia sobie z tym wyzwaniem.

Trzy sposoby na kwantowy szum

Naukowcy musieli wykazać się dużą kreatywnością, aby obejść fizyczne ograniczenia dzisiejszych procesorów. Zamiast czekać na sprzęt całkowicie wolny od błędów, zespoły badawcze opracowały algorytmy, które potrafią ten błąd oszacować lub zminimalizować:

• Fizyczne modelowanie i współpraca z Qedma: naukowcy modelowali zachowanie skomplikowanej siatki magnesów. Tradycyjny japoński superkomputer Fugaku zaczął podawać sprzeczne i rozbieżne wyniki w miarę upływu symulowanego czasu. Algorytm kwantowy, wsparty oprogramowaniem redukującym błędy, wyłapał właściwe, okresowe oscylacje. Wynik potwierdzono na procesorze innej firmy (Quantinuum), wykluczając specyficzny błąd sprzętu IBM.
• Wplatanie trudnych bramek (Uniwersytet w Chicago): zespół zastosował operacje kwantowe stosunkowo łatwe do klasycznej symulacji, ale celowo wplótł w nie specjalne bramki (tzw. bramki T). Mają one dwie zalety: generują mniejszy szum w architekturze IBM i jednocześnie sprawiają, że dla tradycyjnego komputera obliczenia stają się wykładniczo trudniejsze. Dodatkowo wykorzystano skrajne kubity jako swoiste czujniki – jeśli wykryły błąd w trakcie obliczeń, wynik był po prostu odrzucany.
• Kwantowe echa (Algorithmiq): trzecia metoda polega na celowym wstrzykiwaniu szumu do systemu. Badacze wykonywali operacje, a następnie je odwracali. Przez celowe zakłócenia system nie wracał do punktu wyjścia, tworząc niedoskonałe „echo”. Analizując te zakłócenia, badacze byli w stanie matematycznie określić maksymalny margines błędu w końcowym wyniku.

Nie więcej kubitów, lecz lepszy algorytm. Australijczycy znaleźli sposób na błędy komputerów kwantowych

Dlaczego to ma znaczenie dla rozwoju technologii?

Dla przeciętnego zjadacza chleba wyżej wymienione symulacje nie mają dziś żadnego praktycznego zastosowania – to wciąż modele testowe. Jednak bez tych narzędzi weryfikacyjnych branża nie mogłaby ruszyć z miejsca. Techniki minimalizacji szumu oraz rozumienia natury błędów procesorów kwantowych są niezbędne, by przejść do kolejnego etapu.

Docelowo technologia ta ma służyć do analizowania rzeczywistych, skomplikowanych materiałów i procesów chemicznych, których nie da się sprowadzić do zer i jedynek. Dopiero wtedy komputery kwantowe zaczną projektować nowe leki czy ultrawydajne baterie.

Jak zaufać maszynie, której nie da się sprawdzić. Krok naprzód w obliczeniach kwantowych

Teoretyczna przewaga komputerów kwantowych nad klasycznymi maszynami została już dawno udowodniona matematycznie.

Problem polega na tym, że obecny sprzęt kwantowy wciąż generuje mnóstwo błędów. Jeśli zlecimy takiej maszynie zadanie, którego nie jest w stanie przeliczyć żaden współczesny superkomputer klasyczny, stajemy przed poważnym dylematem: w jaki sposób sprawdzić, czy otrzymany wynik jest poprawny, a nie jest jedynie zbiorem losowych danych wygenerowanych przez szum sprzętowy?

Problem weryfikacji. Kiedy superkomputer to za mało

Do tej pory inżynierowie radzili sobie z tym problemem, zlecając maszynom kwantowym uproszczone zadania. Wyniki weryfikowano następnie na tradycyjnym sprzęcie. Założenie było proste: jeśli układ działa dla małej liczby kubitów, powinien zadziałać również po przeskalowaniu. To jednak blokuje rozwój i nie pozwala wykorzystać pełnego potencjału nowej technologii.

IBM postanowiło zmienić podejście, uruchamiając specjalny projekt śledzący rzeczywistą przewagę kwantową. Według ekspertów z firmy, weryfikowanie wyników kwantowych za pomocą klasycznych symulacji mija się z celem. Prawdziwą wartością jest stworzenie systemów, którym możemy zaufać, gdy klasyczne maszyny całkowicie wymiękają. We współpracy ze środowiskiem naukowym opracowano trzy niezależne metody radzenia sobie z tym wyzwaniem.

Trzy sposoby na kwantowy szum

Naukowcy musieli wykazać się dużą kreatywnością, aby obejść fizyczne ograniczenia dzisiejszych procesorów. Zamiast czekać na sprzęt całkowicie wolny od błędów, zespoły badawcze opracowały algorytmy, które potrafią ten błąd oszacować lub zminimalizować:

• Fizyczne modelowanie i współpraca z Qedma: naukowcy modelowali zachowanie skomplikowanej siatki magnesów. Tradycyjny japoński superkomputer Fugaku zaczął podawać sprzeczne i rozbieżne wyniki w miarę upływu symulowanego czasu. Algorytm kwantowy, wsparty oprogramowaniem redukującym błędy, wyłapał właściwe, okresowe oscylacje. Wynik potwierdzono na procesorze innej firmy (Quantinuum), wykluczając specyficzny błąd sprzętu IBM.
• Wplatanie trudnych bramek (Uniwersytet w Chicago): zespół zastosował operacje kwantowe stosunkowo łatwe do klasycznej symulacji, ale celowo wplótł w nie specjalne bramki (tzw. bramki T). Mają one dwie zalety: generują mniejszy szum w architekturze IBM i jednocześnie sprawiają, że dla tradycyjnego komputera obliczenia stają się wykładniczo trudniejsze. Dodatkowo wykorzystano skrajne kubity jako swoiste czujniki – jeśli wykryły błąd w trakcie obliczeń, wynik był po prostu odrzucany.
• Kwantowe echa (Algorithmiq): trzecia metoda polega na celowym wstrzykiwaniu szumu do systemu. Badacze wykonywali operacje, a następnie je odwracali. Przez celowe zakłócenia system nie wracał do punktu wyjścia, tworząc niedoskonałe „echo”. Analizując te zakłócenia, badacze byli w stanie matematycznie określić maksymalny margines błędu w końcowym wyniku.

Nie więcej kubitów, lecz lepszy algorytm. Australijczycy znaleźli sposób na błędy komputerów kwantowych

Dlaczego to ma znaczenie dla rozwoju technologii?

Dla przeciętnego zjadacza chleba wyżej wymienione symulacje nie mają dziś żadnego praktycznego zastosowania – to wciąż modele testowe. Jednak bez tych narzędzi weryfikacyjnych branża nie mogłaby ruszyć z miejsca. Techniki minimalizacji szumu oraz rozumienia natury błędów procesorów kwantowych są niezbędne, by przejść do kolejnego etapu.

Docelowo technologia ta ma służyć do analizowania rzeczywistych, skomplikowanych materiałów i procesów chemicznych, których nie da się sprowadzić do zer i jedynek. Dopiero wtedy komputery kwantowe zaczną projektować nowe leki czy ultrawydajne baterie.

Jak zaufać maszynie, której nie da się sprawdzić. Krok naprzód w obliczeniach kwantowych

Teoretyczna przewaga komputerów kwantowych nad klasycznymi maszynami została już dawno udowodniona matematycznie.

Problem polega na tym, że obecny sprzęt kwantowy wciąż generuje mnóstwo błędów. Jeśli zlecimy takiej maszynie zadanie, którego nie jest w stanie przeliczyć żaden współczesny superkomputer klasyczny, stajemy przed poważnym dylematem: w jaki sposób sprawdzić, czy otrzymany wynik jest poprawny, a nie jest jedynie zbiorem losowych danych wygenerowanych przez szum sprzętowy?

Problem weryfikacji. Kiedy superkomputer to za mało

Do tej pory inżynierowie radzili sobie z tym problemem, zlecając maszynom kwantowym uproszczone zadania. Wyniki weryfikowano następnie na tradycyjnym sprzęcie. Założenie było proste: jeśli układ działa dla małej liczby kubitów, powinien zadziałać również po przeskalowaniu. To jednak blokuje rozwój i nie pozwala wykorzystać pełnego potencjału nowej technologii.

IBM postanowiło zmienić podejście, uruchamiając specjalny projekt śledzący rzeczywistą przewagę kwantową. Według ekspertów z firmy, weryfikowanie wyników kwantowych za pomocą klasycznych symulacji mija się z celem. Prawdziwą wartością jest stworzenie systemów, którym możemy zaufać, gdy klasyczne maszyny całkowicie wymiękają. We współpracy ze środowiskiem naukowym opracowano trzy niezależne metody radzenia sobie z tym wyzwaniem.

Trzy sposoby na kwantowy szum

Naukowcy musieli wykazać się dużą kreatywnością, aby obejść fizyczne ograniczenia dzisiejszych procesorów. Zamiast czekać na sprzęt całkowicie wolny od błędów, zespoły badawcze opracowały algorytmy, które potrafią ten błąd oszacować lub zminimalizować:

• Fizyczne modelowanie i współpraca z Qedma: naukowcy modelowali zachowanie skomplikowanej siatki magnesów. Tradycyjny japoński superkomputer Fugaku zaczął podawać sprzeczne i rozbieżne wyniki w miarę upływu symulowanego czasu. Algorytm kwantowy, wsparty oprogramowaniem redukującym błędy, wyłapał właściwe, okresowe oscylacje. Wynik potwierdzono na procesorze innej firmy (Quantinuum), wykluczając specyficzny błąd sprzętu IBM.
• Wplatanie trudnych bramek (Uniwersytet w Chicago): zespół zastosował operacje kwantowe stosunkowo łatwe do klasycznej symulacji, ale celowo wplótł w nie specjalne bramki (tzw. bramki T). Mają one dwie zalety: generują mniejszy szum w architekturze IBM i jednocześnie sprawiają, że dla tradycyjnego komputera obliczenia stają się wykładniczo trudniejsze. Dodatkowo wykorzystano skrajne kubity jako swoiste czujniki – jeśli wykryły błąd w trakcie obliczeń, wynik był po prostu odrzucany.
• Kwantowe echa (Algorithmiq): trzecia metoda polega na celowym wstrzykiwaniu szumu do systemu. Badacze wykonywali operacje, a następnie je odwracali. Przez celowe zakłócenia system nie wracał do punktu wyjścia, tworząc niedoskonałe „echo”. Analizując te zakłócenia, badacze byli w stanie matematycznie określić maksymalny margines błędu w końcowym wyniku.

Nie więcej kubitów, lecz lepszy algorytm. Australijczycy znaleźli sposób na błędy komputerów kwantowych

Dlaczego to ma znaczenie dla rozwoju technologii?

Dla przeciętnego zjadacza chleba wyżej wymienione symulacje nie mają dziś żadnego praktycznego zastosowania – to wciąż modele testowe. Jednak bez tych narzędzi weryfikacyjnych branża nie mogłaby ruszyć z miejsca. Techniki minimalizacji szumu oraz rozumienia natury błędów procesorów kwantowych są niezbędne, by przejść do kolejnego etapu.

Docelowo technologia ta ma służyć do analizowania rzeczywistych, skomplikowanych materiałów i procesów chemicznych, których nie da się sprowadzić do zer i jedynek. Dopiero wtedy komputery kwantowe zaczną projektować nowe leki czy ultrawydajne baterie.

Jak zaufać maszynie, której nie da się sprawdzić. Krok naprzód w obliczeniach kwantowych

Teoretyczna przewaga komputerów kwantowych nad klasycznymi maszynami została już dawno udowodniona matematycznie.

Problem polega na tym, że obecny sprzęt kwantowy wciąż generuje mnóstwo błędów. Jeśli zlecimy takiej maszynie zadanie, którego nie jest w stanie przeliczyć żaden współczesny superkomputer klasyczny, stajemy przed poważnym dylematem: w jaki sposób sprawdzić, czy otrzymany wynik jest poprawny, a nie jest jedynie zbiorem losowych danych wygenerowanych przez szum sprzętowy?

Problem weryfikacji. Kiedy superkomputer to za mało

Do tej pory inżynierowie radzili sobie z tym problemem, zlecając maszynom kwantowym uproszczone zadania. Wyniki weryfikowano następnie na tradycyjnym sprzęcie. Założenie było proste: jeśli układ działa dla małej liczby kubitów, powinien zadziałać również po przeskalowaniu. To jednak blokuje rozwój i nie pozwala wykorzystać pełnego potencjału nowej technologii.

IBM postanowiło zmienić podejście, uruchamiając specjalny projekt śledzący rzeczywistą przewagę kwantową. Według ekspertów z firmy, weryfikowanie wyników kwantowych za pomocą klasycznych symulacji mija się z celem. Prawdziwą wartością jest stworzenie systemów, którym możemy zaufać, gdy klasyczne maszyny całkowicie wymiękają. We współpracy ze środowiskiem naukowym opracowano trzy niezależne metody radzenia sobie z tym wyzwaniem.

Trzy sposoby na kwantowy szum

Naukowcy musieli wykazać się dużą kreatywnością, aby obejść fizyczne ograniczenia dzisiejszych procesorów. Zamiast czekać na sprzęt całkowicie wolny od błędów, zespoły badawcze opracowały algorytmy, które potrafią ten błąd oszacować lub zminimalizować:

• Fizyczne modelowanie i współpraca z Qedma: naukowcy modelowali zachowanie skomplikowanej siatki magnesów. Tradycyjny japoński superkomputer Fugaku zaczął podawać sprzeczne i rozbieżne wyniki w miarę upływu symulowanego czasu. Algorytm kwantowy, wsparty oprogramowaniem redukującym błędy, wyłapał właściwe, okresowe oscylacje. Wynik potwierdzono na procesorze innej firmy (Quantinuum), wykluczając specyficzny błąd sprzętu IBM.
• Wplatanie trudnych bramek (Uniwersytet w Chicago): zespół zastosował operacje kwantowe stosunkowo łatwe do klasycznej symulacji, ale celowo wplótł w nie specjalne bramki (tzw. bramki T). Mają one dwie zalety: generują mniejszy szum w architekturze IBM i jednocześnie sprawiają, że dla tradycyjnego komputera obliczenia stają się wykładniczo trudniejsze. Dodatkowo wykorzystano skrajne kubity jako swoiste czujniki – jeśli wykryły błąd w trakcie obliczeń, wynik był po prostu odrzucany.
• Kwantowe echa (Algorithmiq): trzecia metoda polega na celowym wstrzykiwaniu szumu do systemu. Badacze wykonywali operacje, a następnie je odwracali. Przez celowe zakłócenia system nie wracał do punktu wyjścia, tworząc niedoskonałe „echo”. Analizując te zakłócenia, badacze byli w stanie matematycznie określić maksymalny margines błędu w końcowym wyniku.

Nie więcej kubitów, lecz lepszy algorytm. Australijczycy znaleźli sposób na błędy komputerów kwantowych

Dlaczego to ma znaczenie dla rozwoju technologii?

Dla przeciętnego zjadacza chleba wyżej wymienione symulacje nie mają dziś żadnego praktycznego zastosowania – to wciąż modele testowe. Jednak bez tych narzędzi weryfikacyjnych branża nie mogłaby ruszyć z miejsca. Techniki minimalizacji szumu oraz rozumienia natury błędów procesorów kwantowych są niezbędne, by przejść do kolejnego etapu.

Docelowo technologia ta ma służyć do analizowania rzeczywistych, skomplikowanych materiałów i procesów chemicznych, których nie da się sprowadzić do zer i jedynek. Dopiero wtedy komputery kwantowe zaczną projektować nowe leki czy ultrawydajne baterie.

Europejski przełom w erze eksaskali. Superkomputer JUPITER dołącza do elity TOP500

Podczas konferencji SC25 ogłoszono nową edycję prestiżowego rankingu superkomputerów TOP500.

Najnowszy ranking potwierdza dominację USA w dziedzinie mocy obliczeniowej, ale przynosi historyczny moment: Europa zyskała swój pierwszy system eksaskalowy (o mocy co najmniej 1 Eflops), wprowadzając się do elitarnego grona technologicznych gigantów. Jednak to co daje się zauważyć, to nie tylko walka o surową moc, ale też o efektywność energetyczną.

Globalni giganci: 4 systemy eksaskalowe

Na szczycie rankingu bezdyskusyjnie prowadzi Ameryka. Globalny lider to superkomputer El Capitan, który po raz kolejny umocnił swoją pozycję z mocą 1,809 eksaflops/s. Jednak największym wydarzeniem jest historyczny awans Europy do eksaskali.

Pierwszym superkomputerem Starego Kontynentu o mocy eksaskalowej jest zainstalowane w Niemczech JUPITER Booster. Według najnowszych notowań Top500 sprzęt zainstalowany w Centrum EuroHPC w niemieckim Jülich, stał się czwartym i pierwszym poza USA superkomputerem eksaskalowym. Osiąga 1000 Eflops/s i bazuje na architekturze Eviden BullSequana XH3000 i superchipach NVIDIA Grace Hopper.

Podium cały czas okupują Stany Zjednoczone ze swoimi superkomputerami, kolejno: El Capitan, Frontier i Aurora.

Green500: zwycięstwo efektywności

Równolegle opublikowany, najnowszy ranking Green500 (najbardziej energooszczędnych systemów) pokazuje, że topowe miejsca zdominowały maszyny oparte na układach NVIDIA Grace Hopper. Najlepsze wyniki osiągnęły francuskie systemy KAIROS (73,28 GFlops/W) i ROMEO-2025.

Jest też polski akcent na liście Green500. Zainstalowany w Krakowie superkomputer Helios znalazł się wśród 20 najbardziej energooszczędnych systemów na świecie.

Podsumowując, najświeższe zestawienie TOP500 przedstawia cztery działające systemy eksaskalowe (trzy zlokalizowane w USA i jeden w Europie) oraz potwierdza, że wojna na rynku HPC toczy się między AMD (siła surowa) a Nvidią (efektywność i AI).

Ranking jest niestety niepełny

Choć ranking TOP500 jest najważniejszym miernikiem mocy obliczeniowej, jeżeli chodzi o superkomputery, to w najnowszej edycji nie jest on pełny. USA umacnia globalną dominację, posiadając trzy z czterech systemów eksaskalowych, a sam tylko superkomputer El Capitan jest warty więcej niż cała reszta maszyn z rankingu, które znajdują się poza pierwszą dwudziestką. Jednakże Chiny, które historycznie dominowały na liście pod względem ilości (liczby systemów), celowo nie zgłaszają swoich najpotężniejszych, nowych maszyn eksaskalowych, takich jak Tianhe-3. W efekcie na oficjalnej liście liderem Azji jest Japonia (system Fugaku), a Chińczycy, choć z pewnością dysponują dużo większą mocą, są na papierze strategicznie nieobecni w walce o czołówkę. Ale tylko na papierze, warto o tym pamiętać.

Niemcy uruchomiły Jupitera – najpotężniejszy superkomputer Europy. Kanclerz Merz: „Chcemy stać się krajem AI”

#eurohpc #exaflops #green500 #heliosKrakow #jupiterBooster #news #nvidiaGraceHopper #superkomputery #top500

AMD stawia na efektywność energetyczną i nowe partnerstwa w erze AI

Według Międzynarodowej Agencji Energii, zapotrzebowanie na elektryczność ze strony centrów danych wzrośnie ponad dwukrotnie do 2030 roku, osiągając poziom około 945 terawatogodzin.

Liczba może wydawać się abstrakcyjna, ale dla porównania roczne zużycie energii elektrycznej w naszym kraju w 2023 roku wyniosło około 170 TWh (terawatogodzin). Sami widzicie zatem, że ponad 900 TWh to… całkiem sporo.

W odpowiedzi na te wyzwania, firma AMD traktuje dążenie do tworzenia jak najbardziej efektywnych energetycznie rozwiązań jako priorytet, co stanowi rdzeń jej strategii rozwoju produktów. Firma AMD ogłosiła, że z nawiązką zrealizowała cel inicjatywy 30×25, której celem była 30-krotna poprawa efektywności energetycznej przy trenowaniu AI oraz w systemach superkomputerowych do 2025 roku, względem technologii wprowadzonej w 2020 roku. Udało się uzyskać aż 38-krotną poprawę efektywności energetycznej.

Teraz AMD podejmuje kolejne zobowiązanie, celujące w 20-krotną poprawę efektywności maszyn rackowych przy trenowaniu i wnioskowaniu AI do 2030 roku, względem poziomu z 2024 roku. Ma to pozwolić na uruchomienie typowego modelu AI, który obecnie wymaga 275 szaf, na zaledwie jednej, co przełoży się na oszczędność 95% zużycia energii elektrycznej.

Ponadto, AMD poinformowało o nawiązaniu strategicznego partnerstwa z HCLTech. W ramach tej współpracy powstaną wspólne laboratoria innowacji, programy treningowe oraz centra rozwojowe. Ich celem będzie otwieranie nowych możliwości i maksymalizacja efektywności operacyjnej w biznesie. Połączenie technologii AMD z doświadczeniem HCLTech ma na celu tworzenie wyspecjalizowanych rozwiązań wykorzystujących potencjał sztucznej inteligencji, chmury obliczeniowej i zaawansowanej analityki, co ma przyspieszyć cyfrową transformację przedsiębiorstw na całym świecie.

AMD rzuca wyzwanie w świecie AI. Nowe akceleratory, otwarta platforma i wsparcie gigantów branży

#AI #AMD #centraDanych #efektywnośćEnergetyczna #HCLTech #news #partnerstwo #superkomputery #sztucznaInteligencja #transformacjaCyfrowa

AMD stawia na efektywność energetyczną i nowe partnerstwa w erze AI

Według Międzynarodowej Agencji Energii, zapotrzebowanie na elektryczność ze strony centrów danych wzrośnie ponad dwukrotnie do 2030 roku, osiągając poziom około 945 terawatogodzin.

Liczba może wydawać się abstrakcyjna, ale dla porównania roczne zużycie energii elektrycznej w naszym kraju w 2023 roku wyniosło około 170 TWh (terawatogodzin). Sami widzicie zatem, że ponad 900 TWh to… całkiem sporo.

W odpowiedzi na te wyzwania, firma AMD traktuje dążenie do tworzenia jak najbardziej efektywnych energetycznie rozwiązań jako priorytet, co stanowi rdzeń jej strategii rozwoju produktów. Firma AMD ogłosiła, że z nawiązką zrealizowała cel inicjatywy 30×25, której celem była 30-krotna poprawa efektywności energetycznej przy trenowaniu AI oraz w systemach superkomputerowych do 2025 roku, względem technologii wprowadzonej w 2020 roku. Udało się uzyskać aż 38-krotną poprawę efektywności energetycznej.

Teraz AMD podejmuje kolejne zobowiązanie, celujące w 20-krotną poprawę efektywności maszyn rackowych przy trenowaniu i wnioskowaniu AI do 2030 roku, względem poziomu z 2024 roku. Ma to pozwolić na uruchomienie typowego modelu AI, który obecnie wymaga 275 szaf, na zaledwie jednej, co przełoży się na oszczędność 95% zużycia energii elektrycznej.

Ponadto, AMD poinformowało o nawiązaniu strategicznego partnerstwa z HCLTech. W ramach tej współpracy powstaną wspólne laboratoria innowacji, programy treningowe oraz centra rozwojowe. Ich celem będzie otwieranie nowych możliwości i maksymalizacja efektywności operacyjnej w biznesie. Połączenie technologii AMD z doświadczeniem HCLTech ma na celu tworzenie wyspecjalizowanych rozwiązań wykorzystujących potencjał sztucznej inteligencji, chmury obliczeniowej i zaawansowanej analityki, co ma przyspieszyć cyfrową transformację przedsiębiorstw na całym świecie.

AMD rzuca wyzwanie w świecie AI. Nowe akceleratory, otwarta platforma i wsparcie gigantów branży

#AI #AMD #centraDanych #efektywnośćEnergetyczna #HCLTech #news #partnerstwo #superkomputery #sztucznaInteligencja #transformacjaCyfrowa

AMD stawia na efektywność energetyczną i nowe partnerstwa w erze AI

Według Międzynarodowej Agencji Energii, zapotrzebowanie na elektryczność ze strony centrów danych wzrośnie ponad dwukrotnie do 2030 roku, osiągając poziom około 945 terawatogodzin.

Liczba może wydawać się abstrakcyjna, ale dla porównania roczne zużycie energii elektrycznej w naszym kraju w 2023 roku wyniosło około 170 TWh (terawatogodzin). Sami widzicie zatem, że ponad 900 TWh to… całkiem sporo.

W odpowiedzi na te wyzwania, firma AMD traktuje dążenie do tworzenia jak najbardziej efektywnych energetycznie rozwiązań jako priorytet, co stanowi rdzeń jej strategii rozwoju produktów. Firma AMD ogłosiła, że z nawiązką zrealizowała cel inicjatywy 30×25, której celem była 30-krotna poprawa efektywności energetycznej przy trenowaniu AI oraz w systemach superkomputerowych do 2025 roku, względem technologii wprowadzonej w 2020 roku. Udało się uzyskać aż 38-krotną poprawę efektywności energetycznej.

Teraz AMD podejmuje kolejne zobowiązanie, celujące w 20-krotną poprawę efektywności maszyn rackowych przy trenowaniu i wnioskowaniu AI do 2030 roku, względem poziomu z 2024 roku. Ma to pozwolić na uruchomienie typowego modelu AI, który obecnie wymaga 275 szaf, na zaledwie jednej, co przełoży się na oszczędność 95% zużycia energii elektrycznej.

Ponadto, AMD poinformowało o nawiązaniu strategicznego partnerstwa z HCLTech. W ramach tej współpracy powstaną wspólne laboratoria innowacji, programy treningowe oraz centra rozwojowe. Ich celem będzie otwieranie nowych możliwości i maksymalizacja efektywności operacyjnej w biznesie. Połączenie technologii AMD z doświadczeniem HCLTech ma na celu tworzenie wyspecjalizowanych rozwiązań wykorzystujących potencjał sztucznej inteligencji, chmury obliczeniowej i zaawansowanej analityki, co ma przyspieszyć cyfrową transformację przedsiębiorstw na całym świecie.

AMD rzuca wyzwanie w świecie AI. Nowe akceleratory, otwarta platforma i wsparcie gigantów branży

#AI #AMD #centraDanych #efektywnośćEnergetyczna #HCLTech #news #partnerstwo #superkomputery #sztucznaInteligencja #transformacjaCyfrowa

💻 SUPERKOMPUTERY: NIEKOŃCZĄCY SIĘ ROK LINUXA 💻

Dominika Wanat, HPC Infrastructure Engineer w Opera, opowie o świecie superkomputerów, które w 100% działają na Linuksie. 🌍 Dowiedz się, jak te giganty wspierają naukę, przemysł i AI, oraz poznaj polskie osiągnięcia! 🇵🇱🚀

Link do zapisów --> https://jesien.org/2024/zapisy/

#JesieńLinuksowa #Linux #Superkomputery #HPC #AI #OpenSource #IT #PLUG #LinuxCommunity

💻 SUPERKOMPUTERY: NIEKOŃCZĄCY SIĘ ROK LINUXA 💻

Dominika Wanat, HPC Infrastructure Engineer w Opera, opowie o świecie superkomputerów, które w 100% działają na Linuksie. 🌍 Dowiedz się, jak te giganty wspierają naukę, przemysł i AI, oraz poznaj polskie osiągnięcia! 🇵🇱🚀

Link do zapisów --> https://jesien.org/2024/zapisy/

#JesieńLinuksowa #Linux #Superkomputery #HPC #AI #OpenSource #IT #PLUG #LinuxCommunity

💻 SUPERKOMPUTERY: NIEKOŃCZĄCY SIĘ ROK LINUXA 💻

Dominika Wanat, HPC Infrastructure Engineer w Opera, opowie o świecie superkomputerów, które w 100% działają na Linuksie. 🌍 Dowiedz się, jak te giganty wspierają naukę, przemysł i AI, oraz poznaj polskie osiągnięcia! 🇵🇱🚀

Link do zapisów --> https://jesien.org/2024/zapisy/

#JesieńLinuksowa #Linux #Superkomputery #HPC #AI #OpenSource #IT #PLUG #LinuxCommunity

💻 SUPERKOMPUTERY: NIEKOŃCZĄCY SIĘ ROK LINUXA 💻

Dominika Wanat, HPC Infrastructure Engineer w Opera, opowie o świecie superkomputerów, które w 100% działają na Linuksie. 🌍 Dowiedz się, jak te giganty wspierają naukę, przemysł i AI, oraz poznaj polskie osiągnięcia! 🇵🇱🚀

Link do zapisów --> https://jesien.org/2024/zapisy/

#JesieńLinuksowa #Linux #Superkomputery #HPC #AI #OpenSource #IT #PLUG #LinuxCommunity