Персональный суперкомпьютер (Hyjvkugl,udw vrhyjtkbh,Zmyj)

Персональный суперкомпьютер — условная характеристика высокопроизводительной электронно-вычислительной машины, ориентированной на решение задач интенсивной числовой обработки, выполненной в компактном корпусе, обычно в форм-факторе настольного компьютера, которая может быть установлена непосредственно на рабочем месте, а не в специально отведенных помещениях, как это необходимо для кластерных суперкомпьютеров. Такие машины используются для работы с приложениями, требующими наиболее интенсивных вычислений (например, в молекулярной динамике, генетике), что в том числе это отличает их от серверов и мэйнфреймов — компьютеров с высокой общей производительностью, призванных решать типовые задачи (например, обслуживание больших баз данных или одновременная работа с множеством пользователей).

На основе GPU и родственных чипах[править | править код]

Наиболее широкое распространение на сегодняшний день получили персональные суперкомпьютеры, построенные на принципе использования вычислительных мощностей графических процессоров (GPU, GPGPU), параллелизма (многопоточность). Подобные суперкомпьютеры строятся на основе специальных адаптеров, используемых как вычислители. Возможна установка в один персональный суперкомпьютер сразу нескольких вычислителей, что обеспечит общую производительность порядка единиц-десятков терафлопс (в зависимости от точности). Вычислители подобного рода выпускаются в основном двумя производителями: NVIDIA — NVIDIA Tesla и AMD — AMD FireStream. В начале 2010-х специализированный высокопроизводительный ускоритель предложила компания Intel под названием Xeon Phi.

Для программирования вычислений на GPU NVIDIA существует особая среда разработки — CUDA, позволяющая программистам и разработчикам писать программное обеспечение для решения большинства вычислительных задач благодаря многоядерной вычислительной мощности графических процессоров на диалекте языка Си. CUDA даёт разработчику возможность по своему усмотрению организовывать доступ к набору инструкций графического ускорителя и управлять его памятью, организовывать на нём сложные параллельные вычисления. Графический ускоритель с поддержкой CUDA становится мощной программируемой открытой архитектурой подобно сегодняшним центральным процессорам.

На основе FPGA[править | править код]

Copacobana — проект специализированного суперкомпьютера для криптоанализа. Использует множество FPGA-микросхем.

Примеры устройств на основе микропроцессоров[править | править код]

Intel iPSC.
SGI Octane.
SGI Octane III — персональный суперкомпьютер на основе процессоров Atom.
T-Mini — персональный суперкомпьютер на основе процессоров Intel Xeon разработки компании Т-Платформы.^[1].
Cray CX1 (англ.) (рус..
TyanPSC^[2]
Nvidia Nvidia DGX^[3] Station A100^[4].
Cerebras CS-2^[5].

См. также[править | править код]

Гибридная вычислительная система

Примечания[править | править код]

↑ T-Mini family Архивировано 20 октября 2011 года.
↑ Tyan, «TYAN ANNOUNCES AVAILABILITY OF QUAD-CORE TYANPSC T-600 SERIES PERSONAL SUPERCOMPUTER», Fremont, CA, March 19th, 2007. Date of archive March 28th, 2007. Retrieved on March 2nd 2022.
↑ Системы NVIDIA DGX (рус.). NVidia.com. Дата обращения: 17 ноября 2022. Архивировано 19 ноября 2022 года.
↑ NVIDIA DGX Station A100 (рус.). NVidia.com. Дата обращения: 17 ноября 2022. Архивировано 18 ноября 2022 года.
↑ Cerebras Systems поставила рекорд в области машинного обучения для одиночных систем (рус.). Servernews.ru (24 июня 2022). Дата обращения: 17 ноября 2022. Архивировано 19 ноября 2022 года.

Ссылки[править | править код]

Официальные ресурсы NVIDIA

Персональные Суперкомпьютеры Архивная копия от 21 июля 2009 на Wayback Machine (рус.)
Среда программирования CUDA Архивная копия от 13 августа 2009 на Wayback Machine (рус.)
Рассылка по теме: персональные суперкомпьютеры Архивная копия от 27 августа 2009 на Wayback Machine (рус.)

[1] T-Mini family Архивировано 20 октября 2011 года.

[2] Tyan, «TYAN ANNOUNCES AVAILABILITY OF QUAD-CORE TYANPSC T-600 SERIES PERSONAL SUPERCOMPUTER», Fremont, CA, March 19th, 2007. Date of archive March 28th, 2007. Retrieved on March 2nd 2022.

[3] Системы NVIDIA DGX (рус.). NVidia.com. Дата обращения: 17 ноября 2022. Архивировано 19 ноября 2022 года.

[4] NVIDIA DGX Station A100 (рус.). NVidia.com. Дата обращения: 17 ноября 2022. Архивировано 18 ноября 2022 года.

[5] Cerebras Systems поставила рекорд в области машинного обучения для одиночных систем (рус.). Servernews.ru (24 июня 2022). Дата обращения: 17 ноября 2022. Архивировано 19 ноября 2022 года.

[1]

[2]

[3]

[4]

[5]