дизайнов, тем, шаблонов и графических элементов Vk Monogram, загружаемых на Dribbble
Посмотреть логотип монограммы ВКонтакте
Логотип VK с монограммой
Посмотреть логотип vitkam (v+k)
логотип vitkam (v+k)
Посмотреть ВК СПОРТ
ВК СПОРТ
Посмотреть Напитки ВКонтакте
Напитки ВКонтакте
Посмотреть логотип ВК
Знак ВК
Посмотреть Вк Спорт
Вк Спорт
Посмотреть монограмму ВК
Монограмма ВК
Посмотреть Дизайн логотипа ВКонтакте | Логотип ВК Вензель
Дизайн логотипа ВКонтакте | Логотип VK Monogram
Посмотреть Анимированный логотип ВК
Анимированный логотип ВК
Посмотреть ВК Монограмма для одежды Бренд
Вензель ВК для одежды Марка
Посмотреть монограмму ВК
Монограмма ВК
Просмотр записи подкастов
Запись подкастов
Посмотреть дизайн логотипа письма ВК
Логотип буквы ВК
Посмотреть отметку ВК
Знак ВК
Посмотреть анимированный рисунок Vk doodle
Анимированный рисунок Vk doodle
Посмотреть обзор Монограммы ВКонтакте
VK Monogram Exploration
Просмотр ВКонтакте — Экран поста на стене
ВКонтакте — Экран поста на стене
Посмотреть логотип Vk doodles
Логотип Vk doodles
Посмотреть набор стикеров для ВКонтакте
Набор наклеек для ВКонтакте
Посмотреть цифровое сопротивление
Цифровое сопротивление
Посмотреть ВК
Посмотреть ВК
Посмотреть патч ВКонтакте
Нашивка ВКонтакте
Посмотреть ВК
Зарегистрируйтесь, чтобы продолжить или войдите в систему
Загружается еще…
Производители микросхем рассматривают новую архитектуру для развития вычислительной техники
Возможность масштабирования современных вычислительных систем достигает критической точки, и производители микросхем, такие как Intel, Qualcomm и AMD, объединяют свои усилия для альтернативная архитектура для продвижения вычислений вперед.
Производители чипов объединяются вокруг подхода к разреженным вычислениям, который предполагает преобразование вычислений в данные, а не наоборот, на чем строятся современные вычисления.
Концепция все еще далека от разработки, но необходим новый дизайн, поскольку текущая вычислительная модель, используемая для масштабирования самых быстрых суперкомпьютеров в мире, нежизнеспособна в долгосрочной перспективе, сказал Уильям Харрод, руководитель программы в деятельности по передовым исследовательским проектам разведки (IARPA). ), во время выступления на конференции SC22 на прошлой неделе.
Текущая модель неэффективна, так как не может справиться с растущим объемом данных. Пользователям нужно часами ждать, чтобы получить результаты данных, отправленных в вычислительные центры с ускорителями и другими ресурсами. Новый подход сократит расстояние, которое проходят данные, будет обрабатывать информацию более эффективно и разумно, а также быстрее генерировать результаты, сказал Харрод во время основного доклада.
«Необходимо открытое обсуждение, потому что мы переходим из мира плотных вычислений… в мир разреженных вычислений. Это большой переход, и компании не собираются двигаться вперед с изменением дизайна, пока мы не сможем проверить и подтвердить эти идеи», — сказал Харрод.
Одной из целей подхода разреженных вычислений* является получение результатов в режиме, близком к реальному, или в короткие сроки, и просмотр результатов по мере изменения данных, сказал Харрод, который ранее руководил исследовательскими программами в Министерстве энергетики. что в конечном итоге привело к развитию экзафлопсных систем.
Нынешняя вычислительная архитектура выталкивает все данные и вычислительные проблемы — большие и малые — по сетям в паутину процессоров, ускорителей и подструктур памяти. По словам Харрода, есть более эффективные способы решения проблем.
Разреженная вычислительная система предназначена для решения проблемы перемещения данных. Существующие сетевые конструкции и интерфейсы могут затормозить вычисления, заставив данные перемещаться на большие расстояния.
Разреженные вычисления сокращают расстояние, которое проходят данные, разумно обрабатывая их на ближайших чипах и уделяя одинаковое внимание программному и аппаратному обеспечению.
«Я не вижу будущего в том, чтобы полагаться только на лучший ускоритель, потому что лучший ускоритель не решит проблему перемещения данных. На самом деле, скорее всего, акселератор будет неким стандартным интерфейсом к остальной системе, совершенно не предназначенным для этой задачи», — сказал Харрод.
Harrod многому научился, разрабатывая эксафлопсные системы. Один из выводов заключался в том, что увеличение скорости вычислений при существующей вычислительной архитектуре, которая смоделирована на основе архитектуры фон Неймана, в долгосрочной перспективе будет невозможно.
Еще один вывод заключался в том, что затраты энергии на перемещение данных на большие расстояния равнозначны потерям. Первоначальная цель Министерства энергетики состояла в том, чтобы в 2015-2016 годах создать эксафлопсную систему мощностью 20 мегаватт, но это заняло намного больше времени.
Первая в мире эксафлопсная система Frontier, вошедшая в список Top500 ранее в этом году, потребляет 21 мегаватт.
«У нас невероятно разреженные наборы данных, и операций, которые выполняются с наборами данных, очень мало. Таким образом, вы много перемещаете данные, но не выполняете много операций. Чего вы действительно хотите, так это эффективно перемещать данные», — сказал Харрод.
Не все вычислительные задачи одинаковы, и решение мелких и крупных задач на GPU не всегда является решением, сказал Харрод. В модели плотных вычислений перенос небольших задач на высокопроизводительные ускорители неэффективен.
Вычислительная инициатива IARPA под названием AGILE (сокращение от Advanced Graphical Intelligence Logical Computing Environment) предназначена для «определения будущего вычислений на основе проблемы перемещения данных, а не единиц с плавающей запятой ALU», — сказал Харрод.
Вычисления обычно основаны на получении результатов из неструктурированных данных, распределенных по широкой сети источников.
Модель разреженных вычислений включает в себя разбиение плотной модели на более распределенную и асинхронную вычислительную систему, в которой вычисления обрабатываются данными там, где они необходимы. Предполагается, что локализованные вычисления работают лучше и сокращают время прохождения данных.
Программное обеспечение весит одинаково, с упором на такие приложения, как графическая аналитика, где непрерывно анализируется надежность соединений данных. Модель разреженных вычислений также применима к машинному обучению, статистическим методам, линейной алгебре и фильтрации данных.
IARPA подписало шесть контрактов с организациями, включая AMD, Технологический институт Джорджии, Университет Индианы, Intel Federal LLC, Qualcomm, Чикагский университет, на лучший подход к разработке вычислительной модели фон Неймана.
«Будет открытое обсуждение финансируемых идей, — сказал Харрод.
Предложения предлагают технологические подходы, такие как разработка управляемых данными вычислительных элементов, и некоторые из этих технологий уже существуют, например, процессоры с памятью HBM и модули памяти на подложках, сказал Харрод, добавив, что «это не решает все проблемы, которые у нас есть, но это шаг в этом направлении».
Второй технологический подход включает в себя интеллектуальные механизмы для перемещения данных. «Дело не только в хранении нагрузки с плавающей запятой — это не интеллектуальный механизм для перемещения данных», — сказал Харрод.
Самое главное, необходимо сосредоточиться на системе времени выполнения как на оркестраторе разреженной вычислительной системы.
«Здесь предполагается, что эти системы постоянно что-то делают. Вам действительно нужно иметь что-то, что смотрит, чтобы увидеть, что происходит. Вы не хотите быть программистом, который берет на себя полный контроль над всем этим — тогда у всех нас будут серьезные проблемы», — сказал Харрод.
Среда выполнения играет важную роль в создании вычислительной среды, работающей в режиме реального времени.
«Мы хотим работать в прогностической среде, а не в криминалистической среде, — сказал Харрод.
По словам Харрода, предложения необходимо будет проверить и утвердить с помощью таких инструментов, как FireSim, который измеряет производительность новых архитектур.
