什么是超级计算机，如何帮助推动医学领域的发展

最近，NVIDIA宣布了其将计划建造英国最大的AI超级计算机，即Cambridge-1 AI超级计算机。什么是超级计算机？NVIDIA将使用什么硬件？它将如何帮助推动医学领域的发展？

什么是超级计算机？

超级计算机是计算系统，其处理能力比通用计算机的处理能力大得多。这个定义使得定义超级计算机有些棘手，因为它取决于当时的当前技术。例如，Cray 1是在1970年代推出的超级计算机，当时的功能比当时的任何其他计算机都要强大得多，但与当今的标准相比，它与64位ARM微控制器相当。

超级计算机是当时技术上最先进的计算系统，可以在涉及大量复杂数据处理的最苛刻的应用中找到自己的位置。例如，超级计算机通常用于物理、医学、地质、气象、分子建模和工程仿真应用中。但是，必须注意，这样的系统不一定比台式PC（例如文字处理器或电子表格）更快地执行一段通用代码。现代超级计算机不使用规格比标准CPU高的定制CPU，而大量使用相同的现成零件。这意味着现代超级计算机围绕大规模并行计算进行调整，从而可以将一个问题分解为许多可以同时执行的独立计算。

为什么AI系统需要大量的处理能力？

人工智能（AI）是计算系统将智能应用于问题的能力，它可以从过去的信息中学习以识别新的模式。为了更好地理解AI系统和硬编码模式识别系统之间的区别，AI可以确定照片中的猫，而以前从未见过该照片。相反，模式识别系统将只能找到它之前见过的特定猫。 AI知道自己检测到的是猫，便可以对其自身进行调整，以便在以后的照片中更好地识别其他猫。 AI的强大功能在于，它可以识别具有相似性的图案（例如眼睛的数量，鼻子的形状和牙齿），而忽略其他图案（例如毛皮的颜色）。

在创建有效的AI系统时，需要大量数据，以便AI具有最大的学习机会。这就是为什么AI脸部和语音识别只是最近才被整合到技术中的原因，因为高科技公司现在拥有大量的面部和语音数据可供学习。但是，对于单台计算机而言，这些数据实在太大了，无法馈入机器学习算法。

因此，使用数据中心是因为它们允许进行大规模并行处理，从而大大减少了数据处理时间。但是，即使大型数据中心也没有完全优化以执行AI学习任务，因为它们涉及具有复杂矩阵、向量和大型浮点运算的深度神经网络。尽管通用CPU不能高效地执行此类任务，但事实证明，GPU才是许多AI系统被设计为在图形处理单元（尤其是NVIDIA设计的图形处理单元）上运行的原因。因此，一台AI超级计算机会将其硬件重点转移到GPU而非CPU上。

什么是Cambridge-1 AI超级计算机？

了解GPU在AI应用中的重要性，NVIDIA宣布将建造英国最强大的AI超级计算机，并将成为全球排名第29的超级计算机。该系统将于年底（2020年）准备就绪，将提供超过400 petaflops的AI处理能力和8 petaflops的Linpack性能。该计算机系统有四个主要重点，包括联合行业研究、大学授予的计算时间、支持AI初创公司以及AI系统教育。

超级计算机使用80个NVIDIA DGX A100系统构建，这些系统使用NVIDIA Mellanox InfinBand网络系统连接。每个NVIDIA DGX A100系统都集成了8个NVIDIA A100 GPU和320GB总内存，6个NVIDIA NVSWITCHES，它们提供4.8TB / s的双向交换，450GB / s的峰值双向网络连接，双64核AMD CPU和15TB GEN4 NVME SSD的峰值数据传输速率为25GB / s。 NVIDIA A100 GPUS集成了双精度张量内核，旨在加速TensorFlow AI神经网络。

Cambridge-1 AI超级计算机将提供什么帮助？

超级计算机旨在用于包括研究、初创企业和合资企业在内的各种基于AI的应用，该系统的主要应用之一是帮助加速英国的医学发展。 NVIDIA Clara for Computational Drug Discovery是工具的一个示例，该系统将运行该工具，以利用来自放射学、基因组学和成像的数据来帮助查找有效的药物。这种工具有助于消除对新药进行实验室发现的需要，从而使研究人员在探索新化合物的作用时可以缩小搜索范围。

此外，该系统还集成了自然语言处理功能，使它可以浏览大量的研究论文、文献和数据库，以找到重要的信息。 Cambridge-1 AI超级计算机也将用于增压医疗保健研究，以帮助改善患者护理、诊断和医疗用品的交付。例如，这样的系统可以用于确定病毒如何更准确地传播，并提供针对性的疫苗或封锁来帮助遏制病原体。

责任编辑：gt