Ինչ հզորություն ունի ՀՀ կառավարության ձեռք բերած գերհամակարգիչը և ինչի համար է օգտագործվելու

2024 թվականի տարեվերջին կառավարության ձեռք բերած SuperMicro գերհամակարգչի լիարժեք գործարկումն ու բնականոն աշխատանքն ապահովելու, ինչպես նաև արհեստական բանականության ոլորտում գիտահետազոտական աշխատանքների մրցունակությունը բարձրացնելու նպատակով՝ ներկայումս ընթանում է գերհամակարգչի տվյալների մշակման կենտրոնի ձևավորման համար անհրաժեշտ սարքավորումների ձեռքբերման և տեղադրման գործընթացը: Այս մասին Factor.am-ի հարցմանն ի պատասխան տեղեկացնում են Կրթության, գիտության, մշակույթի և սպորտի նախարարությունից։ Ապրիլի 10-ին Կառավարության նիստի ժամանակ Նիկոլ Փաշինյանը հիշեցրել էր, որ նախորդ տարվա բյուջեով ֆինանսավորել են և ձեռք են բերել նոր գերհամակարգիչ։

Կենտրոնը նախատեսվում է գործարկել տվյալ գործընթացի ավարտին՝ նախնական գնահատմամբ՝ 2025 թվականի տարեվերջին։ Այն կտեղակայվի Երևանի պետական համալսարանում։ Նոր սարքավորումը տարբերվում է նախկինում Ինժեներական քաղաքում տեղադրված գերհամակարգչից․ այն նախատեսված է մեծ ծավալով տվյալների մշակման և բարդ հաշվարկների իրականացման համար։

Նախարարությունից հայտնում են՝ գերհամակարգչի կենտրոնի լիարժեք գործարկումը առանցքային նշանակություն ունի ՀՀ-ում արհեստական բանականության ոլորտի զարգացման և արհեստական բանականության խնդիրներով զբաղվող գիտահետազոտական աշխատանքների համար։

SuperMicro գերհամակարգչի օգնությամբ իրականացվելու է․

1) Արհեստական բանականություն և մեքենայական ուսուցում․ ձեռք բերված NVIDIA H100 GPU գերհամակարգիչը կոչված է մեծածավալ AI մոդելների (օրինակ՝ լեզվային մոդելներ, գեներատիվ AI) վարժեցման համար։ Օրինակ՝ Փրինսթոնի համալսարանը ներդրել է H100 GPU-ների վրա հիմնված կլաստեր՝ գեներատիվ AI-ի հետազոտությունները խթանելու համար։

2) Բարձր արտադրողականությամբ հաշվողական համակարգեր (HPC)․ GPU-ները կարող են օգտագործվել ֆիզիկայի, քիմիայի, կլիմայի մոդելավորման և այլ բնագավառներում կատարվող բարդ մաթեմատիկական մոդելավորումների և սիմուլյացիաների համար։

3) Տվյալների վերլուծություն և վիզուալիզացիա․ H100-ները մեծ ծավալի տվյալների արագ մշակման և իրական ժամանակում վերլուծությունների համար անգերազանցելի գործիքներ են։ Դրանք օգտակար են նույնիսկ հասարակագիտական կամ մարդաբանական հետազոտություններում։

4) Առողջապահություն և կենսաբժշկական հետազոտություններ․ GPU-ները կարող են արագացնել դեղորայքի հայտնաբերման, գենոմիկայի և բժշկական պատկերների վերլուծության գործընթացները։

5) Ռոբոտատեխնիկա և ինքնավար համակարգեր․ GPU-ները կարող են օգտագործվել ռոբոտների շարժման մոդելավորման, միջավայրի վերլուծության և որոշումների ընդունման ալգորիթմների մշակման համար։

6) Կրթական նպատակներ․ ուսանողներին նման տեխնոլոգիաների հասանելիություն տրամադրել հնարավորություն է տալիս ձեռք բերել հմտություններ, որոնք պահանջված են ժամանակակից արդյունաբերության մեջ։

Նախարարությունից նշում են, որ 64 H100 GPU-ներից կազմված կլաստերի տեղակայումը կարող է նպաստել Երևանի պետական համալսարանը գիտահետազոտական առաջատար կենտրոն դարձնելուն, խթանել միջազգային համագործակցությունը և ներգրավել հավելյալ ֆինանսական միջոցներ ՀՀ-ում գիտության և ժամանակակից տեխնոլոգիաների և ԵՊՀ կարողությունների զարգացման համար, ինչը կնպաստի համալսարանի վարկանիշի զգալի աճին համաշխարհային ինդեքսներում։

Հանգույցի ընդհանուր հաշվողական հզորությունը 535 FP32 TFLOPs և 31664 FP8 TFLOPs է: Սա ենթադրում է, որ հանգույցը կարող է կատարել 535 տրիլիոն 32-բիթանոց և  31,664 տրիլիոն 8-բիթանոց թվերով գործողություններ մեկ վայրկյանում։

Ըստ  առաջարկվող ապրանքի ամբողջական նկարագրի՝ համալիրը կիրառվելու է 7 մլրդ պարամետրեր պարունակող նեյրոնային ցանցերի ուսուցման համար: Ուսուցումը իրականացվելու է համակարգի բոլոր հանգույցների վրա միաժամանակ, ինչը պահանջում է հանգույցների միջև արագ կապի ապահովում։

Տեխնիկական նվազագույն պահանջները

Համակարգը պետք է պարունակի 8 հաշվողական հանգույց։ Յուրաքանչյուր հանգույց պետք է բավարարի հետևյալ տեխնիկական պահանջներին․ 

– 8 GPU, յուրաքանչյուրը 80GB HBM3 կամ HBM3e հիշողությամբ և SXM ինտերֆեյսով, 

-2TB ECC DDR5 RAM,  

-2 64-bit կենտրոնական պրոցեսոր, յուրաքանչյուրը 56 միջուկներով, 2.0GHz արագությամբ,

-2 NVMe M.2 SSD սկավառակներ, յուրաքանչյուրը 1920GB ծավալով,  

-8 NVMe U.2 կամ U.3 SSD սկավառակներ, յուրաքանչյուրը 3840GB ծավալով,  

-Հոսանքի սնուցումը 6 հատ 3000W, 4+2 սխեմայով, 

-OSFP պորտեր 400 Gb/s թողունակությամբ,  

-Հանգույցի ընդհանուր հաշվողական հզորությունը 535 FP32 TFLOPs և 31664 FP8 TFLOPs։

Տվյալների պահպանման համակարգ

-266TB ընդհանուր տարողությամբ NVMe U.2 կամ U.2 SSD սկավառակներ, 

-Ընդհանուր տարողությունը 622TB, 

-Համապատասխան պորտեր infiniband NDR ցանցին միանալու համար։

Կառավարման հանգույցներ

Գերհամակարգիչը պարունակում է 4 կառավարման հանգույցներ։ Յուրաքանչյուր կառավարման հանգույց պետք է բավարարի հետևյալ տեխնիկական պահանջներին․ 

-2 կենտրոնական պրոցեսորներ, 

-384GB RAM 2.4.2.3 OSFP պորտ(եր) 400 GB/s թողունակությամբ։

Ցանց

Համակարգի բոլոր հաշվողական հանգույցները, տվյալների պահպանման համակարգը և կառավարման հանգույցները պետք է միացված լինեն infiniband NDR ցանցին։ Infiniband NDR ցանցը պետք է կառուցվի 5 կառավարվող ցանցային սարքերով, հետևյալ պահանջներով․

-64 պորտեր, 

-400GB/s թողունակությամբ ամեն պորտի համար, 

-51.2TB/s ընդհանուր թողունակությամբ, 

-Ցանցի տոպոլոգիան պետք է լինի չբլոկավորող (non-blocking) fat-tree, 

-Ցանցի մշտադիտարկման համար UFM համակարգ, համապատասխան սարքերով, մալուխներով և ծրագրային ապահովմամբ, 

-Համակարգի բոլոր հաշվողական հանգույցները, տվյալների պահպանման համակարգը և կառավարման հանգույցները պետք է միացված լինեն 100GbE թողունակությամբ կառավարման ցանցին, 

-Այլ ցանցային սարքավորումներ, մալուխներ, տրանսիվերներ ըստ անհրաժեշտության։

Ծրագրային ապահովում

-Բաց կոդով օպերացիոն համակարգ, 

-Դրայվերներ GPU-ների համար,

-Համակարգի կառավարման ծրագրային ապահովում, 

-NVIDIA Base Command Manager Essentials, 

-NVIDIA AI Enterprise license 3 տարով։

Տեղադրում և սպասարկում

Մատակարարը պետք է զբաղվի անհրաժեշտ արտահանման լիցենզիաներ ստանալու ողջ փաստաթղթային գործընթացով։ Եթե Երևանի պետական համալսարանից պահանջվում են որևէ փաստաթղթեր, ԵՊՀ-ն դրանք կտրամադրի հարցումից հետո 14 օրվա ընթացքում։ Մատակարարը պետք է մատակարարի/առաքի բոլոր սարքավորումները Երևանի պետական համալսարան։ ԵՊՀ տվյալների մշակման կենտրոնի պատրաստ լինելուց հետո, բայց ոչ ավել, քան մատակարարումից ութ ամիս հետո, մատակարարը պետք է սարքավորումները տեղադրի նախատեսված վայրում, միացնի Երևանի պետական համալսարանի առկա ցանցին, գործարկի համալիրը, ստուգի հանգույցների և այլ սարքավորումների առողջությունը, տեղադրի և կարգավորի մոնիտորինգի ծրագրակազմը: Տեղադրելուց հետո մատակարարը պետք է սկսի 70B պարամետրերով Llama 2 նեյրոնային ցանցի (կամ համարժեք) զուգահեռ ուսուցում համալիրի բոլոր GPU-ների վրա և ցուցադրի 1380 թոքեն / վայրկյան / GPU FP8 արագագործություն: Բոլոր բաղադրիչների համար կա 3 տարվա երաշխիք։  Մատակարարը 3 տարի պետք է կատարի ՕՀ-ի, դրայվերների և ներկառուցված ծրագրային ապահովման կանոնավոր թարմացումներ:

Անի Թամրազյան