这一基础设施代表了该大学计算能力的质的飞跃,使麻省理工学院在人工智能发展的全球竞争中处于领先地位。对这项技术的大量投资反映了越来越需要足够的计算资源来应对我们这个时代最复杂的科学挑战。我们采访了技术和人工智能专家记者安东尼诺·卡福。TX-Gain的主要技术和架构特点是什么，包括GPU数量和总计算能力？
TX-Gain是一种尖端的混合架构，专门针对高性能人工智能(AI/HPC)工作负载进行了优化，其最令人印象深刻的特点是总计算能力达到了2 exaflops AI的峰值，相当于每秒两万分之一的AI浮点运算。 将其列为世界超级计算机精英之一，也是美国学术界最强大的超级计算机。这种力量的支柱是其加速器硬件。该系统集成了600多个英伟达GPU(假定为H100或A100等旗舰机型)。 针对张量计算进行了优化)，互联以确保低延迟通信和极高吞吐量，这对于大型模型的分布式训练至关重要。架构和功率的结合使TX-GAIN进入了享有盛誉的TOP500排名。
TX-GAIN目前用于哪些科学研究领域，与早期的超级计算机相比，它提供了哪些新的可能性？
TX-Gain的用途是横向的，远远超出了其最初对生成式AI的关注。相反，它是在需要复杂模拟和海量数据分析的领域发现的催化剂。目前， 它被用于生物技术和药物研究，例如在时间尺度上模拟分子动力学和蛋白质折叠，其复杂性是迄今为止无法实现的；也被用于地球科学，以填补气象数据中的空白。 和安全性，用于复杂的传感器数据分析，如评估雷达信号和检测计算机网络中的异常。与以前的超级计算机相比，TX-Gain不仅提供了速度的线性提升， 但预测可能发生的事情的能力有了质的飞跃，主动生成了以前无法在计算水平上合成的新模型、新结构、新文本和场景。
能耗是如何管理的，在TX-GAIN中实现了哪些节能技术？
可持续性和能源效率至关重要。麻省理工学院通过站点级和系统级双管齐下的方法应对了这一战略挑战。TX-Gain的数据中心位于马萨诸塞州的霍利约克，这是一个专门为获取可再生能源而选择的地点。 特别是该地区的水电。这确保了超级计算机的大部分电力供应来自低碳能源。在技术层面上， 已经实施了高效冷却解决方案(最有可能是直接芯片或浸入式液体冷却系统)，这些解决方案对于以最小的冷却功耗处理密集GPU阵列产生的热量至关重要。
TX-GAIN在高级生成模型的开发和应用中发挥了什么作用？
主要作用是提供必要的基础设施，在学术环境中训练和微调具有高级维度和复杂性的生成式AI模型。专用的计算能力使麻省理工学院的研究人员能够训练比标准模型大得多的大型语言模型(LLM)和大型多模态模型(LMM)，但也可以加速实际应用的大规模推理。 例如快速创建复杂的模拟或生成科学问题的实时解决方案。简而言之，TX-Gain将研究时间从几个月或几年转变为几周或几天，使以前局限于理论领域的科学假设变得可行。
C麻省理工学院的研究人员是否可以使用OME TX-GAIN，以及计划与其他学术或工业机构建立哪些合作伙伴关系？
TX-Gain由麻省理工学院林肯实验室超级计算中心(LLSC)运营和管理，是该研究所高性能研究的主要资源。它主要提供给数千名麻省理工学院的研究人员和学生，他们在广泛的项目中使用该系统。 如前所述，与国防、安全和生物技术有关。就伙伴关系而言，这种规模的基础设施自然注定要成为学院与外部世界之间的桥梁。TX-GAIN已经参与了与政府机构的合作项目， 推而广之，它预计将与其他知名学术机构和科技巨头(如英伟达、 鉴于GPU的供应)和工业，这些合作不仅确保了持续的资金和对专业数据集和知识的访问，还使超级计算机的科学影响超越了校园边界，巩固了其战略基础设施的作用。
这种规模的人工智能基础设施面临哪些维护、升级或安全挑战，这对全球大学超级计算竞争有何影响？
在全球范围内，TX-GAIN具有深远的战略意义。通过这种方式投资，麻省理工学院为美国学术研究创造了独特的竞争优势， 将自己定位为世界顶级人工智能人才的灯塔。这项投资加速了前沿研究，缩小了大学规划与计算能力之间的差距，而计算能力曾经是政府实验室或大型科技公司的专属领域。成功效仿这种水平的人工智能基础设施投资的大学将成为科学力量的中心。 而那些不这样做的人可能会看到他们在人工智能和计算方面的研究项目过时，或者在全球人工智能竞赛中无法生存。
来源：RAI News 24/RailNews等 编辑：崔佳音 魏姝妤
免责声明：部分内容来自网络，版权归原作者所有，如涉侵权请联系邮箱:15632306660@163.com删除。
热门推荐
阅读排行
