도메인별 하드웨어를 활용한 과학적 워크플로 가속화: GPU, ARM 칩 등

Sam Zakrzewski – EMEA 수석 솔루션 설계자

과학 및 엔지니어링 문제가 더욱 복잡해짐에 따라, 복잡한 CAE 워크로드를 고정된 온프레미스 클러스터에서 클라우드 HPC로 이전하는 것이 필요합니다. CPU 전용 HPC 아키텍처 성능, 효율성 및 비용 측면에서 한계에 도달하고 있습니다. 다음과 같은 최신 워크로드는 기계 학습, CFD글렌데일 분자 역학 점점 더 많은 수요 도메인별 가속기 등 NVIDIA GPU   Arm 기반 프로세서 혁신에 발맞추기 위해.

이번 기술 세션에서는 설계 및 실행 방법에 대해 자세히 살펴보겠습니다. 이질적이고 가속기에 최적화된 워크플로우 on Rescale의 지능형 클라우드 HPC 플랫폼적절한 조합을 찾는 방법을 알게 될 것입니다. GPU, Arm 및 CPU 워크플로의 각 단계에 적용하여 처리량을 높이고, 문제 해결 시간을 단축하며, 지속 가능성 및 비용 목표를 지원합니다.

다음 방법을 배우게됩니다.

• 컴퓨팅 강도, 메모리 패턴 및 에너지 프로파일을 기반으로 다양한 과학 워크로드에 적합한 하드웨어(GPU, Arm 또는 CPU)를 매핑합니다.
•  Rescale의 하드웨어 카탈로그 및 지능형 스케줄링 비용을 예측 가능하게 유지하면서 작업별로 최적의 아키텍처를 동적으로 선택합니다.
• 오케스트레이션 하이브리드 및 이종 워크플로우 데이터 이동, 작업 스케줄링 및 리소스 선택을 포함한 엔드 투 엔드 방식으로 다양한 아키텍처를 지원합니다.
• 신청 워크로드 프로파일링 및 벤치마킹 구성을 조정하고, 인스턴스 유형을 비교하고, 과소 또는 과다 프로비저닝을 방지합니다.
• 이점 AI 기반 시뮬레이션 후처리 및 가속을 위한 GPU글렌데일 고처리량, 저전력 시나리오에 적합한 Arm 기반 칩
• 가속기 기반 환경에서 소프트웨어 호환성, 컨테이너화 및 라이선스와 같은 실질적인 고려 사항을 다룹니다.
• 클라우드 HPC에서 도메인별 하드웨어 도입을 위한 로드맵을 구축하고, 동시에 다음 사항들과 조화를 이루도록 합니다. 성능, 비용 및 지속 가능성 KPIs

이 세션을 시청하여 Rescale에서 GPU 및 Arm 기반 워크플로우의 실제 사례를 확인하고, 과학 컴퓨팅 전략을 현대화하고 가속화하는 데 적용할 수 있는 구체적인 패턴을 얻어가십시오.