Accélération des flux de travail scientifiques grâce à du matériel spécifique à un domaine : GPU, puces ARM et au-delà

Sam Zakrzewski – Architecte de solutions senior EMEA

Le transfert de charges de travail complexes de CAE des clusters fixes sur site vers le HPC dans le cloud est devenu une nécessité face à la complexification croissante des problèmes scientifiques et d'ingénierie. Architectures HPC à processeur uniquement Les performances, l'efficacité et les coûts atteignent leurs limites. Les charges de travail modernes comme machine learning, CFD et dynamique moléculaire demande croissante accélérateurs spécifiques à un domaine comme GPU NVIDIA et Processeurs basés sur l'architecture Arm pour suivre le rythme de l'innovation.

Dans cette session technique, nous détaillerons comment concevoir et exécuter flux de travail hétérogènes optimisés pour les accélérateurs on La plateforme HPC cloud intelligente de RescaleVous verrez comment trouver le bon mélange de GPU, Arm et CPU à chaque étape de votre flux de travail pour augmenter le débit, réduire le délai de résolution et soutenir les objectifs de durabilité et de coûts.

Vous allez apprendre à:

• Attribuer les différentes charges de travail scientifiques au matériel approprié (GPU, Arm ou CPU) en fonction de l'intensité de calcul, des modèles de mémoire et du profil énergétique.
• Utilisez le  Catalogue de matériel et planification intelligente de Rescale choisir dynamiquement les architectures optimales pour chaque tâche tout en maintenant des coûts prévisibles
• Orchestrer flux de travail hybrides et hétérogènes de bout en bout, y compris le déplacement des données, la planification des tâches et la sélection des ressources sur des architectures mixtes.
• Appliquer profilage et analyse comparative de la charge de travail pour optimiser les configurations, comparer les types d'instances et éviter le sous-dimensionnement ou le surdimensionnement
• effet de levier GPU pour le post-traitement et l'accélération des simulations pilotées par l'IA et Puces basées sur l'architecture Arm pour les scénarios à haut débit et faible consommation d'énergie
• Aborder les considérations pratiques telles que la compatibilité logicielle, la conteneurisation et les licences pour les environnements basés sur des accélérateurs
• Élaborer une feuille de route pour l'adoption de matériel dédié au domaine dans le calcul haute performance en nuage, tout en s'alignant sur les objectifs. performance, coût et durabilité KPI

Visionnez cette session pour découvrir des exemples concrets de flux de travail utilisant les GPU et les architectures Arm sur Rescale, et repartez avec des modèles concrets que vous pourrez appliquer pour moderniser et accélérer votre propre stratégie de calcul scientifique.