高性能計(jì)算（HPC）已成為科學(xué)發(fā)現(xiàn)的基本工具。

無論是發(fā)現(xiàn)新的拯救生命的藥物，對(duì)抗氣候變化，還是創(chuàng)建精確的世界模擬，這些解決方案都需要巨大且快速增長的處理能力。它們?cè)絹碓匠鰝鹘y(tǒng)計(jì)算方法的范圍。

這就是為什么業(yè)界接受 NVIDIA GPU加速計(jì)算的原因。與人工智能相結(jié)合，它為科學(xué)進(jìn)步帶來了性能上百萬倍的飛躍。如今，2700個(gè)應(yīng)用程序可以從 NVIDIA GPU 的加速中受益，而且這個(gè)數(shù)字在不斷增長的300萬開發(fā)者社區(qū)的支持下繼續(xù)上升。

HPC 應(yīng)用程序性能改進(jìn)

要在整個(gè) HPC 應(yīng)用程序范圍內(nèi)實(shí)現(xiàn)數(shù)倍的加速，需要在堆棧的各個(gè)級(jí)別進(jìn)行不懈的創(chuàng)新。這從芯片和系統(tǒng)開始，一直到應(yīng)用程序框架本身。

NVIDIA 平臺(tái)每年都在繼續(xù)提供顯著的性能改進(jìn)，在體系結(jié)構(gòu)和整個(gè) NVIDIA 軟件堆棧方面都取得了不懈的進(jìn)步。與六年前發(fā)布的 P100 相比， H100 Tensor Core GPU 預(yù)計(jì)性能將提高 26 倍，比摩爾定律快 3 倍多。

圖 1 NVIDIA HPC + AI 平臺(tái)性能從 P100 到 H100

圖 2 NVIDIA HPC SDK 為每個(gè)功能提供了開發(fā)人員資產(chǎn)。

NVIDIA 平臺(tái)的核心是功能豐富且高性能的軟件堆棧。為了促進(jìn) GPU 在最廣泛的 HPC 應(yīng)用中的加速，該平臺(tái)包括 NVIDIA HPC SDK 。 SDK 提供了無與倫比的開發(fā)人員靈活性，支持使用標(biāo)準(zhǔn)語言、指令和 CUDA 創(chuàng)建和移植 GPU 加速的應(yīng)用程序。

NVIDIA HPC SDK 的強(qiáng)大功能在于一整套高度優(yōu)化的 GPU 加速數(shù)學(xué)庫 ，使您能夠充分發(fā)揮 NVIDIA GPU 的性能潛力。為了獲得最佳的多 GPU 和多節(jié)點(diǎn)性能， NVIDIA HPC SDK 還提供了功能強(qiáng)大的通信庫：

NVSHMEM 為跨越多個(gè) GPU 內(nèi)存的數(shù)據(jù)創(chuàng)建全局地址空間。

NVIDIA 集體通信庫（ NCCL ） 優(yōu)化了 GPU 之間的通信。

總之，該平臺(tái)提供了最高的性能和靈活性，以支持不斷增長的 GPU 加速 HPC 應(yīng)用程序。

HPC 性能和能效

為了展示 NVIDIA 全棧創(chuàng)新如何轉(zhuǎn)化為 accelerated HPC 的最高性能，我們比較了 HPE 服務(wù)器與四個(gè) NVIDIA GPU 服務(wù)器的性能，以及基于其他供應(yīng)商同等數(shù)量加速器模塊的類似配置服務(wù)器的性能。

我們使用各種數(shù)據(jù)集測(cè)試了一組五個(gè)廣泛使用的 HPC 應(yīng)用程序。雖然 NVIDIA 平臺(tái)可以加速 2700 個(gè)跨行業(yè)的應(yīng)用程序，但我們?cè)诒容^中可以使用的應(yīng)用程序受到其他供應(yīng)商加速器可用軟件和應(yīng)用程序版本選擇的限制。

對(duì)于除分子動(dòng)力學(xué)模擬軟件 NAMD 以外的所有工作負(fù)載，我們的結(jié)果是使用多個(gè)數(shù)據(jù)集的結(jié)果幾何平均值計(jì)算的，以最小化異常值的影響，并代表客戶體驗(yàn)。

我們還在多 GPU 和單 GPU 場景中測(cè)試了這些應(yīng)用程序。

在多 GPU 場景中，測(cè)試系統(tǒng)中的所有加速器都用于運(yùn)行單個(gè)模擬，基于 A100 Tensor Core GPU 的服務(wù)器提供的性能比備選方案高出 2.1 倍。

圖 3 NVIDIA A100 four- GPU 性能比較

在計(jì)算性能不斷進(jìn)步的推動(dòng)下，分子動(dòng)力學(xué)領(lǐng)域正朝著在更長的模擬時(shí)間內(nèi)模擬更大的原子系統(tǒng)的方向發(fā)展。這些進(jìn)展使研究人員能夠模擬越來越多的生化機(jī)制，如光合電子傳遞和視覺信號(hào)轉(zhuǎn)導(dǎo)。這些和其他過程長期以來一直是科學(xué)辯論的主題，因?yàn)樗鼈円呀?jīng)超出了模擬的范圍，模擬是驗(yàn)證的主要工具。這是由于完成模擬所需的時(shí)間過長。

然而，我們認(rèn)識(shí)到，并非所有這些應(yīng)用程序的用戶在每次模擬時(shí)都使用多個(gè) GPU 來運(yùn)行它們。為了獲得最佳吞吐量，最佳執(zhí)行方法通常是為每個(gè)模擬分配一個(gè) GPU 。

當(dāng)在 NVIDIA A100上的單個(gè)加速器模塊上運(yùn)行這些相同的應(yīng)用程序時(shí)，基于 NVIDIA A100的系統(tǒng)的性能提高了1.9倍。

圖 4 NVIDIA A100 單 – GPU 性能比較

能源成本占數(shù)據(jù)中心和超級(jí)計(jì)算中心總體擁有成本（ TCO ）的很大一部分，這突出了節(jié)能計(jì)算平臺(tái)的重要性。我們的測(cè)試表明， NVIDIA 平臺(tái)提供的每瓦吞吐量比其他產(chǎn)品高出 2.8 倍。

圖 5 NVIDIA A100 能效比較

顯示 A100 與 MI250 的效率比– NVIDIA 的效率越高越好。對(duì)每個(gè)應(yīng)用程序的多個(gè)數(shù)據(jù)集（不同）進(jìn)行 Geomean 。效率是指 GPU 使用 NVIDIA SMI 和 ROCm 中的等效功能測(cè)量的性能/功耗（瓦特）|

AMD MI250 在千兆字節(jié) M262-HD5-00 上測(cè)量，具有（ 2 ）個(gè) AMD EPYC 7763 和 4 個(gè) AMD Instinct ? MI250 OAM （ 128 GB HBM2e ） 500W GPU 帶 AMD Infinity 結(jié)構(gòu)? 技術(shù) NVIDIA 在 ProLiant XL645d Gen10 Plus 上運(yùn)行，使用雙 EPYC 7713 CPU 和 4x A100 （ 80 GB ） SXM4

LAMMPS develop \ u db00b49 （ AMD ） develop \ u 2a35ec2 （ NVIDIA ）數(shù)據(jù)集 ReaxFF / c 、 Tersoff 、 Leonard Jones 、 SNAP | NAMD 3.0alpha9 數(shù)據(jù)集 STMV \ u NVE | OpenMM 7.7.0 數(shù)據(jù)集的集成運(yùn)行： amber20 STMV 、 amber20 Cellular 、 apoa1pme 、 pme |

GROMACS 2021.1 （ AMD ） 2022 （ NVIDIA ）數(shù)據(jù)集 ADH-Dodec （氫鍵）， STMV （氫鍵）|琥珀色 20 。 xx \ U rocm \ U mr \ U 202108 （ AMD ）和 20.12-AT \ U 21.12 （ NVIDIA ）數(shù)據(jù)集 Cellular \ u NVE 、 STMV \ u NVE | 1x MI250 有 2x GCD

NVIDIA A100 GPU 卓越的性能和電源效率是多年不懈的軟硬件協(xié)同優(yōu)化的結(jié)果，以最大限度地提高應(yīng)用程序性能和效率。

A100 還以單處理器的形式出現(xiàn)在操作系統(tǒng)中，只需要啟動(dòng)一個(gè) MPI 列即可充分利用其性能。而且，由于節(jié)點(diǎn)中所有 GPU 之間的 600 GB / s NVLink 連接 ， A100 在規(guī)模上提供了優(yōu)異的性能。

AI 和 HPC 融合

正如加速計(jì)算為建模和仿真應(yīng)用帶來了數(shù)倍的加速一樣， AI 和 HPC 的結(jié)合將帶來性能的下一步功能提升，開啟下一波科學(xué)發(fā)現(xiàn)。

關(guān)于作者

Ashraf Eassa 是NVIDIA 加速計(jì)算集團(tuán)內(nèi)部的高級(jí)產(chǎn)品營銷經(jīng)理。

Chris 是 NVIDIA HPC 和 AI 的高級(jí)技術(shù)營銷經(jīng)理。此前，他在 IBM 擔(dān)任聚合 HPC 和 AI 的產(chǎn)品經(jīng)理，將 HPC 、 AI 和優(yōu)化產(chǎn)品推向市場，專注于電子設(shè)計(jì)、航空航天和汽車行業(yè)。 Chris 擁有航空工程碩士學(xué)位，專注于設(shè)計(jì)優(yōu)化。

審核編輯：郭婷