4 ژانویه 2022 - متا پلتفرم ها به NVIDIA کمک بزرگی کردند و فناوری هایی را برای آنچه که معتقد است قدرتمندترین سیستم تحقیقاتی آن تا به امروز خواهد بود انتخاب کردند.

ابررایانه تحقیقاتی هوش مصنوعی AI Research SuperCluster ( RSC ) که اعلام شد، در حال آموزش مدل های جدید برای پیشرفت هوش مصنوعی است. پس از استقرار کامل، انتظار می رود که Meta's RSC یکی از بزرگ ترین نصب کننده های مشتری سیستم های NVIDIA DGX A100 باشد.

این شرکت در یک وبلاگ می گوید: « امیدواریم RSC به ما کمک کند تا سیستم های هوش مصنوعی کاملاً جدیدی بسازیم که می تواند به عنوان مثال، ترجمه های صوتی به موقع را برای گروه های بزرگی از مردم، که هر کدام به زبان متفاوتی صحبت می کنند، تقویت کند تا بتوانند به طور یکپارچه در یک پروژه تحقیقاتی همکاری کنند یا یک بازی AR را با هم بازی کنند».

آموزش مدل های هوش مصنوعی

هنگامی که RSC به طور کامل ساخته شد، در اواخر امسال، متا قصد دارد از آن برای آموزش مدل های هوش مصنوعی با بیش از یک تریلیون پارامتر استفاده کند. این می تواند زمینه هایی مانند پردازش زبان طبیعی را برای مشاغلی مانند شناسایی محتوای مضر در زمان واقعی پیشرفت دهد. علاوه بر عملکرد در مقیاس، متا از قابلیت اطمینان شدید، امنیت، حریم خصوصی و انعطاف پذیری برای مدیریت طیف گسترده ای از مدل های هوش مصنوعی به عنوان معیارهای اصلی خود برای RSC نام برد.

SuperCluster AI Research متا دارای صدها سیستم NVIDIA DGX است که به شبکه NVIDIA Quantum InfiniBand متصل شده اند تا کار تیم های تحقیقاتی هوش مصنوعی خود را تسریع بخشند.

عملکرد داخلی ابرکامپیوتر

ابرکامپیوتر هوش مصنوعی جدید در حال حاضر از 760 سیستم NVIDIA DGX A100 به عنوان گره های محاسباتی خود استفاده می کند. آنها در مجموع 6080 پردازنده GPU NVIDIA A100 متصل به شبکه NVIDIA Quantum 200Gb/s InfiniBand برای ارائه 1895 پتافلاپ عملکرد TF32 دارند.

علیرغم چالش های ناشی از COVID-19 ، RSC فقط 18 ماه طول کشید تا از یک ایده روی کاغذ به یک ابررایانه هوش مصنوعی فعال ، تا حدی به لطف فناوری NVIDIA DGX A100 در پایه Meta RSC تبدیل شود.

Penguin Computing شریک تحویل شبکه Partner Network NVIDIA برای RSC است. علاوه بر سیستم های DGX A100 760 و شبکه InfiniBand ، Penguin خدمات مدیریت شده و زیرساخت بهینه سازی شده با هوش مصنوعی را برای Meta شامل 46 پتابایت حافظه کَش با سیستم های Altus خود ارائه کرد. Pure Storage FlashBlade و FlashArray//C قابلیت های ذخیره سازی تمام فلش بسیار کارآمد و مقیاس پذیر مورد نیاز برای تامین انرژی RSC را فراهم می کنند.

20 برابر افزایش عملکرد

این دومین باری است که متا فناوری های NVIDIA را به عنوان پایه زیرساخت های تحقیقاتی خود انتخاب می کند. در سال 2017 ، متا اولین نسل از این زیرساخت را برای تحقیقات هوش مصنوعی با 22000 پردازندهGPU NVIDIA V100 Tensor Core ساخت که روزانه 35000 کار آموزش هوش مصنوعی را انجام می دهد.

معیارهای اولیه متا نشان داد RSC می تواند مدل های بزرگ NLP را 3 برابر سریع تر آموزش دهد و کارهای دید کامپیوتر را 20 برابر سریع تر از سیستم قبلی اجرا کند.

در مرحله دوم در اواخر سال جاری، RSC به 16000 GPU گسترش خواهد یافت که متا معتقد است عملکرد هنگفتی 5 اگزافلاپس از هوش مصنوعی دقیق ترکیبی را ارائه خواهد کرد. و Meta قصد دارد سیستم ذخیره سازی RSC را گسترش دهد تا حداکثر یک اگزابایت داده را با سرعت 16 ترابایت در ثانیه ارائه دهد.

معماری مقیاس پذیر

فناوری های هوش مصنوعی NVIDIA برای شرکت ها با هر اندازه ای در دسترس هستند. NVIDIA DGX ، که شامل مجموعه کاملی از نرم افزار NVIDIA AI است، به راحتی از یک تک سیستم به یک DGX SuperPOD که در محل یا در یک ارائه دهنده هم مکانی اجرا می شود، تبدیل می شود. مشتریان همچنین می توانند سیستم های DGX را از طریق NVIDIA DGX Foundry اجاره کنند.