對于傳統(tǒng)計算機架構(gòu)來說，想要每秒分析多達 10 億次質(zhì)子碰撞、或數(shù)萬次極其復(fù)雜的鉛碰撞，顯然并非易事。隨著大型強子對撞機（LHC）Run 3 數(shù)據(jù)處理需求的飆升， 歐洲核子研究中心（CERN）也正通過四個大型實驗項目，來探索通過 GPU 改善其計算基礎(chǔ)設(shè)施的方法。

（圖自：CERN）

據(jù)悉，LHC 實驗的最新升級，即將于 2023 年投入使用。

考慮到傳統(tǒng)中央處理器（CPU）難以應(yīng)付新的計算挑戰(zhàn)，目前正有四個大型項目在嘗試采用 GPU 并行計算方案。

圖上圖所示，某 Run 3 候選 HLT 節(jié)點裝配了雙路 AMD Milan 64 核 CPU + 兩張英偉達 Tesla T4 GPU 。

GPU 在圖像處理等應(yīng)用場景下具有極高的效率，最初只是為了加速計算機 3D 圖形渲染而打造。

但在過去的幾年里，LHC 實驗、全球 LHC 計算網(wǎng)格（WLCG）和 CERN openlab 就已展開過這方面的研究嘗試。

而在高能物理應(yīng)用中加大 GPU 的計算投入，不僅能夠提升 CERN 計算基礎(chǔ)設(shè)施的質(zhì)量和規(guī)模，還有助于提升系統(tǒng)的整體能效。

鉛-鉛碰撞的 2 ms 可視化呈現(xiàn)（圖自：ALICE TPC / CERN）

CERN IT 部門負責人 Enrica Porcari 表示：

LHC 雄心勃勃的升級計劃，帶來了一系列令人興奮的計算挑戰(zhàn)。好消息是，GPU 能夠在機器學習（DL）方面提供有力的支撐，幫助研究人員解決許多問題。

自 2020 年以來，CERN IT 部門提供了對數(shù)據(jù)中心 GPU 平臺的訪問權(quán)限，其已被證明在一系列應(yīng)用中很受歡迎。

更重要的是，CERN openlab 正通過與工業(yè)界的合作研發(fā)項目，對將 GPU 用于機器學習一事展開鄭重深入的調(diào)查。

與此同時，CERN 的科學計算協(xié)作小組，目前正努力幫助移植和優(yōu)化實驗中的關(guān)鍵代碼。

多年前，ALICE 項目就率先在其“高級觸發(fā)在線計算機農(nóng)場”（HLT）中使用了 GPU，但也是迄今唯一大規(guī)模運用 GPU 的實驗。

而新升級的 ALICE 探測器擁有超過 120 億個連續(xù)讀取的電子傳感器元件，每秒可生成超過 3.5 TB 的數(shù)據(jù)流。即使經(jīng)過一級數(shù)據(jù)處理，數(shù)據(jù)流量仍高達 600 GB/s 。

這些數(shù)據(jù)會被放到具有 250 個節(jié)點的 HPC 農(nóng)場展開在線分析，每個節(jié)點包含 8 路 GPU + 32 核 CPU 。

大多數(shù)情況下，可將單個粒子檢測器信號組裝成粒子軌跡的軟件（事件重建）工作，現(xiàn)均已適應(yīng)了在 GPU 上并行工作。

從 2022 年開始，LHCb 實驗將處理 4 TB/s 的數(shù)據(jù)流，并對每秒篩選出的最有趣的 10 GB/s LHC 碰撞數(shù)據(jù)展開物理分析。

其獨特方法是不卸載工作，而是分析 GPU 上每秒 3000 萬個粒子束交叉點。自 2018 年以來，隨著 CPU 處理的改進，LHCb 的探測器重建能效也提升了將近 20 倍。

目前研究人員正期待著使用 2022 年的首批新系統(tǒng)調(diào)試數(shù)據(jù)，并在此基礎(chǔ)上讓升級后的 LHCb 探測器得以發(fā)揮其完整的物理潛力。

【來源：cnBeta.COM】

關(guān)鍵詞： 助力 集群 可為