Selene (superdator)
Selene är en superdator utvecklad av Nvidia , som kan uppnå 63.460 petaflops, rankad som den femte snabbaste superdatorn i världen när den kom in på listan. Selene är baserat på Nvidia DGX -systemet som består av AMD- processorer, Nvidia A100 GPU:er och Mellanox HDDR-nätverk. Selene är baserat på Nvidia DGX Superpod , som är en nyckelfärdig superdatorlösning med hög prestanda som tillhandahålls av Nvidia med hjälp av DGX-hårdvara. DGX Superpod är ett tätt integrerat system som kombinerar högpresterande DGX-beräkningsnoder med snabb lagring och nätverk med hög bandbredd . Det syftar till att tillhandahålla en nyckelfärdig lösning för högt efterfrågade maskininlärningsarbetsbelastningar. Selene byggdes på tre månader och är det snabbaste industriella systemet i USA samtidigt som det är det näst mest energieffektiva superdatorsystemet någonsin.
Selene som använder 1080 AMD Epyc-processorer och 4320 A100 GPU:er används för att träna BERT , den naturliga språkprocessorn , på mindre än 16 sekunder, vilket vanligtvis tar de flesta mindre system cirka 20 minuter att köra. IEEE Spectrum rapporterade att Selene i december 2021 bland alla kommersiellt tillgängliga superdatorsystem toppade alla resultat av MLPerf benchmark, vilket är riktmärket som utvecklats av konsortiet av artificiell intelligens-utvecklare från akademin, forskningslabb och industrin som syftar till att opartiskt utvärdera utbildningen och slutledningsprestanda för hårdvara, mjukvara och tjänster som används för AI.
Selene är utplacerad av Argonne National Laboratory för att undersöka olika sätt att få slut på coronaviruset. Det har använts för att ta itu med problem kring begreppen proteindockning och kvantkemi, som är avgörande för att utveckla en förståelse för coronaviruset och ett potentiellt botemedel mot det.
Nvidia använde Selene för att träna sin GauGAN2 AI-modell, som används i Nvidia Canvas programvara för att skapa konst med hjälp av artificiell intelligens , med hjälp av 10 miljoner landskapsbilder för träning. GauGAN2 AI-modellen använder segmenteringsmappning, inpainting och text-till-bild-generering i en enda modell för att skapa konst.
Se även
externa länkar