KTH bygger Sveriges snabbaste superdator

Över 65000 kärnor? Ska man gissa på typ 65536?

Jo men mjukvarustödet som cuda har är inte att leka med, mycket lättare att göra saker med det, inte bara hårdvarans kapacitet som spelar roll

Ja, undrar hur mycket megahasch den trycker ur sig?

CUDA är de facto standard inom forskningsvärlden för GPGPU-tillämpningar, så det är en ganska stor grej att inte ha det. AMD har verktyg för att översätta CUDA-kod så att den går att köra via deras HIP-ramverk, men det blir inte lika enkelt eller bra som att bara köra CUDA rakt av.

NVIDIA drog ju igång CUDA redan med 8000-serien för 15 år sedan och har lagt stora resurser på att utveckla det genom åren, medan AMD mer har jobbat lite halvhjärtat på olika lösningar genom åren. Det är synd att AMD inte kunnat utmana NVIDIA mer på det området, då hade vi kanske haft en öppen standard som varit dominerande istället.

Nu vet jag inte men jag skulle gissa att det är mindre relevant i fallet av en superdator, tvivlar på att det är en mainframe som servar windows 10 desktops liksom, isåfall är det svårt att se poängen.

Hela säljargumentet med CUDA har väl alltid varit i princip att ge konsumenter och professionella användare på en mindra skala tillgång till en enkel version av vad man gör med en superdator alltså generaliserad beräkningskraft.

Om en superdator nu begränsas av huruvida man har cuda eller inte så känns det ju inte som en "riktig" superdator. Vem som helst kan ju slänga ihop några rack av HPE och epyc men det blir inte en superdator för det. Lägger man pengar på en skräddarsydd lösning på den här skalan antar jag att man redan har kompetensen för att implementera och genomföra de uppgifter den ska användas till utan att binda sig till specifika mellanlager som CUDA. Antar och hoppas att KTH utbildar på en djupare nivå än att bara gå igenom hur man googlar fram något från github som kan köras med cuda/opencl

Jag vet inte som sagt definitivt hur det är men om någon vet får de gärna flika in- används superdatorer via CUDA osv?

Ja, absolut. Du får tänka på att det faktiskt ofta är "vanliga" användare som använder den här typen av datorer, ofta genom ett batch-system där man skickar in jobb man vill köra och sen får tillbaka resultatet när det är klart.

Att koda "direkt mot metallen" kanske fungerar om man bygger en dator för att lösa en specifik uppgift och har hårdvara speciellt designad för uppgiften, men när det gäller superdatorer för mer generella beräkningar så är det t.ex. CUDA eller ROCm som gäller.

Jo vet att det CUDA är de facto för GPGPU- detta är ju inte ett rent GPU kluster dock och OpenCL har väl gott om funktionalitet för både CPU och GPU.

Either way så köper man väl för vad man räknar sig behöva compute för- tvivlar på att de i rent oförstående råkade köpa Radeon Instinct iställer för CUDA på grund av någon entusiastisk fanboy-säljare som hoppade på dem vid HPE's butikshylla för superdatorer och sedan kommer sitta generade när de inser att det enda programmet de tänkte köra använder CUDA.

"Det är synd att AMD inte kunnat utmana NVIDIA mer på det området, då hade vi kanske haft en öppen standard som varit dominerande istället."

Well, låt oss hoppas att en del kunnande och ideer kommer ut ur KTH för att köras spevifikt med AMD då så kanske det rås bot på saken? Nu när AMD ändå kommer sitta i sveriges snabbaste superdator men på något sätt ändå är förevigt undermåligt trots det

EDIT:

Okej dum fråga kanske men vore det inte isåfall en fördel att köra något som är mer hårdvaruagnostiskt och låter en köra mot CPU och GPU i samma plattform?

I vilket fall har Nvidia ännu ingen GPU med samma energieffektivitet som AMD pga tillverkningsnod, kanske spelar energiförbrukning också en roll?
GA100 är visserligen på 7nm men den är inte gjord för superdator kluster, utan för standalone AI-noder.

Absolut, men det har inte funnits någon sån lösning som varit riktigt bra tidigare, t.ex. OpenCL är krångligt att använda och presterar ofta sämre än CUDA. Intels oneAPI kanske kommer bli det i framtiden men är fortfarande relativt nytt.

Defenitionen som står på Wikipedia...
"A supercomputer is a computer with a high level of performance as compared to a general-purpose computer."

En superdator kan egentligen byggas hur som helst och med vilka tekniker som helst. Vanliga processorer och gpuer eller specialanpassade saker. Servrar, datorer, mobiltelefoner. Ja, du kan egentligen använda vilka färdigbyggda enheter som helst. Dock kanske mobiltelefoner är lite väl obskyrt, men i teorin går det lika bra.

När man läser pressreleaserna så finns det ledtrådar om hårdvaran t.ex " exascale-class systems".
AMD har i sina slides (roadmap) visat att Exascale är CDNA2 (Aldebaran).

Det är kul att se att AMD lyckas så väl med superdatorer där det vinns kontrakt efter kontrakt samtidigt är det tråkigt då produktkapaciteten är begränsad och superdatorer betalar bättre så blir det färre kretsar till privatpersoner.

Visst blir Dardel snabb men jämfört med vårt grannland Finlands LUMI så faller den i skuggan fast den är vassare än Norges Betzy

Hade nog spelat cyberpunk på 1080p high settings.

Går det att översätta vilken prestanda de gamla superdatorerna hade med dagens desktops?

Jag har ett enträget kämpande 980ti, ska enligt NVIDIA:s hemsida göra

FP64 (double) performance 189.4 GFLOPS

Nog för att utvecklingen går framåt, men motsvarar det kortet verkligen 76 ggr en superdator från -94?

Egentligen inte. Tycker det är rätt så vanligt att AMD-fans gillar CPU-erna men håller sig till Nvidias GPU-er.

Jag har ju visserligen själv en Windows-logga som mest är på grund av nostalgiska skäl. Tillbringar mycket tid i Linux nu för tiden, så jag borde nog inte dra för många slutsatser av folks avatarer

Jag vet inte hur det är med just denna, men andra liknande system i Sverige delas ju av forskare från hela landet. Så även en Chalmers-forskare kanske kan få köra ett jobb på Dardel om han ber snällt?

Om man skulle mina Ethereum på denna dator (och om den skulle bestå av seriekopplade GPU:er) så skulle man kunna få ca 5300usd per dag efter El.

10 petaflop = 10'000 teraflops, 10'000/ 12 (12tflop för en high end GPU som klarar 90hashrate) = 833st gpu's med 12tflop vardera.

90 * 833 = 74970 MH/s

(alla siffrorna är på ett ungefär, bara ett räkneexempel).