德州大学奥斯汀分校的德州先进计算中心(TACC)即将推出Horizon AI和仿真超级计算机,它将成为世界上最大的专门用于开放科学研究的学术超级计算机。该系统将成为美国国家科学基金会(NSF)即将推出的领导级计算设施(LCCF)的旗舰产品。
Horizon是一台400 petaFLOP/s的超级计算机,与TACC现有的Frontera系统相比,将提供10倍的仿真性能提升和100倍的AI能力增长。曾经排名TOP500全球最快计算机第5位的Frontera系统使用56 PB的DDN EXAScaler Lustre存储。
VAST Data正在为Horizon提供其AI OS作为数据层。TACC表示,Horizon将拥有400PB的本地全闪存存储,"提供超过10TB/s的读写带宽以及多租户和服务质量功能"。
TACC执行董事Dan Stanzione表示:"VAST在两年多的时间里帮助我们简化了在Stampede3和Vista上管理和访问数据的方式,我们很兴奋能将这种方法扩展到Horizon,为研究人员创造更快的成果产出时间——减少数据移动时间,增加运行模型、训练AI和发布发现的时间。"
VAST Data此前在2023年7月赢得了为TACC的Stampede3超级计算机提供13 PB存储的合同,同时也为TACC的Vista系统提供存储。该公司表示,其AI OS"在Stampede3、Vista和Horizon之间提供一致的数据体验,使用户和管理员能够在容量和性能提升时延续熟悉的工作流程——帮助新社区快速上手"。
Horizon将由Ranch支持,这是一个使用Spectra Logic TFinity Plus磁带库的EB级归档系统。Spectra正在与Dell和Versity合作交付Ranch归档系统,这是Dell交付过的容量最高的归档系统之一。该系统将包含两个15框架的磁带库,配备20个LTO-9驱动器,可支持1 EB的存储容量。系统将升级以增加16个LTO-10驱动器。
Versity的ScoutAM软件归档管理系统将在13台Dell PowerEdge R760服务器上运行,自动化数据在5个Dell ME5存储阵列(构成4PB闪存层)、16 PB扩展缓存Dell ECS对象存储以及Spectra TFinity库之间的移动。
Spectra首席执行官Nathan Thompson表示:"随着Horizon设定提供10倍仿真性能改进和100倍AI能力飞跃的目标,TACC需要一个经过验证的归档解决方案来匹配其愿景和学术需求。"他说TFinity Plus系统具有"在关键任务环境中无与伦比的密度、弹性和成功记录"。
Q&A
Q1:Horizon超级计算机的性能比现有系统提升了多少?
A:Horizon是一台400 petaFLOP/s的超级计算机,与TACC现有的Frontera系统相比,将提供10倍的仿真性能提升和100倍的AI能力增长。它将成为世界上最大的专门用于开放科学研究的学术超级计算机。
Q2:Horizon的存储系统由哪些公司提供?
A:Horizon的存储系统由四家公司共同提供:VAST Data提供400PB的本地全闪存存储作为AI OS数据层;Dell提供缓存归档前端和服务器;Versity提供ScoutAM归档管理软件;Spectra Logic提供TFinity Plus磁带库作为离线存储。
Q3:Ranch归档系统的存储容量有多大?
A:Ranch是一个EB级归档系统,使用Spectra Logic TFinity Plus磁带库。系统包含两个15框架的磁带库,配备20个LTO-9驱动器,可支持1 EB的存储容量,并将升级增加16个LTO-10驱动器以进一步扩展容量。
好文章,需要你的鼓励
迪士尼研究院开发了一种让双足机器人学会优雅跌倒的新技术。通过强化学习,机器人能够在跌倒时既减少冲击力保护关键部件,又达到用户指定的艺术化姿势。
这项香港科技大学等机构的联合研究提出了SQ-format数据格式,通过混合精度处理实现了大语言模型性能的显著提升。该技术能智能识别模型中的关键信息并分配相应的处理精度,在几乎不损失准确性的前提下将运行速度提升近一倍。研究包含完整的算法设计、硬件实现方案和大量实验验证,为未来AI加速器的软硬件协同设计提供了重要参考。
微软开始在最新Windows 11预览版中推出模型上下文协议(MCP)原生支持的公开预览,这使其备受瞩目的"智能代理操作系统"愿景更接近现实。该更新包含文件资源管理器和Windows设置两个连接器,允许AI代理在用户同意下访问本地文件和修改设备设置。尽管功能强大,微软仍需应对用户对其AI野心的不安和不信任情绪。
华为团队推出EMMA统一多模态架构,仅用4B参数就实现了图像理解、生成和编辑的全面突破。该系统采用32倍压缩比的高效编码器和创新的通道级连接技术,显著减少了计算量。更令人印象深刻的是,EMMA在多项基准测试中超越了参数更大的模型,在GenEval上首次达到0.91高分,展现出统一架构在多模态AI领域的巨大潜力和实用价值。