La informática de alto rendimiento (HPC) se ha convertido en una herramienta esencial para procesar grandes conjuntos de datos y simular los sistemas más complejos de la naturaleza. Sin embargo, los investigadores enfrentan dificultades para desarrollar modelos más intensivos porque la Ley de Moore, que establece que la potencia computacional se duplica cada dos años, se está ralentizando y el ancho de banda de la memoria aún no puede seguirle el ritmo. Pero los científicos pueden acelerar las simulaciones de sistemas complejos mediante el uso de algoritmos de compresión que se ejecutan en hardware de IA.
Un equipo dirigido por el científico informático Hatem Ltaief está abordando este problema de frente empleando hardware diseñado para inteligencia artificial (IA) para ayudar a los científicos a hacer que su código sea más eficiente. En un artículo publicado en la revista Computación de alto rendimientoahora informan que hacen simulaciones hasta 150 veces más rápido en los diversos campos de modelado climático, astronomía, imágenes sísmicas y comunicaciones inalámbricas.
Anteriormente, Ltaief y sus colaboradores demostraron que muchos científicos estaban aprovechando la ola del desarrollo de hardware y «resolviendo en exceso» sus modelos, llevando a cabo muchos cálculos innecesarios.
«Con el aumento del costo energético del movimiento de datos y las limitaciones de hardware en términos de eficiencia energética, necesitamos innovaciones algorítmicas para rescatar a la comunidad científica, que está en estado de pánico», explica Ltaief. «Reducir el movimiento de datos se convierte en una obligación para las aerolíneas como reducir el consumo de combustible. ¿Qué pasaría si pudiéramos resolver un enorme problema de huella de memoria operando solo con la información más importante y aún así lograr la precisión requerida?»
Ltaief y sus compañeros de trabajo comenzaron su búsqueda para reducir el movimiento de datos hace unos cinco años. Su enfoque consiste en reestructurar las cargas de trabajo de HPC para que puedan ejecutarse en Unidades de procesamiento de inteligencia (IPU) centradas en IA fabricadas por Graphcore, una empresa que brinda un soporte técnico invaluable. De manera crucial, el equipo organiza el código en matrices: objetos matemáticos únicos que funcionan de manera eficiente con bibliotecas numéricas que están optimizadas para las UIP.
«Podemos realizar la compresión en el operador de matriz que describe la física del problema, mientras mantenemos un nivel de precisión satisfactorio como si no se hubiera realizado la compresión», dice Ltaief. «Todavía podemos manipular las estructuras de datos comprimidos resultantes mediante la ejecución de operaciones de matriz de álgebra lineal y aprovechar el alto ancho de banda de las UIP».
Este enfoque ahorra espacio de memoria, transferencia de datos y complejidad algorítmica. Ya está aumentando la velocidad a la que los científicos pueden abordar problemas como la adaptación de telescopios astronómicos a cambios en la atmósfera en tiempo real o el posprocesamiento de datos de campo en imágenes sísmicas. «Tengo la suerte de trabajar con científicos que adoptan tecnologías de hardware y entienden cuán impactante puede ser el trabajo multidisciplinario», dice Ltaief.
«Las operaciones de álgebra lineal son el cuello de botella de muchas aplicaciones», dice el colega de Ltaief, David Keyes. «Puede esperar ver más titulares sobre la tecnología de compresión a medida que impregna nuevas aplicaciones y hardware».
Más información:
Hatem Ltaief et al, Dirección de arquitecturas de IA personalizadas para aplicaciones científicas de HPC, Computación de alto rendimiento (2023). DOI: 10.1007/978-3-031-32041-5_7
Citación: Los algoritmos de compresión se ejecutan en hardware de IA para simular los sistemas más complejos de la naturaleza (16 de mayo de 2023) consultado el 16 de mayo de 2023 en https://techxplore.com/news/2023-05-compression-algorithms-ai-hardware-simulate.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.