En un an seulement, les supercalculateurs les plus avancées ont doublé leur performance énergétique. C’est que révèle le TOP500 qui recense les 500 supercalculateurs les plus puissants de la planète.

La puissance des 500 supercalculateurs de la planète augmente, bon an mal an, de 40 à 50 % par an. C’est ce qu’indique deux fois par an, les trois universités[1] qui réalisent le Top500 depuis 1993. Une sorte de super loi de Moore appliquée aux supercalculateurs (Top500 des supercalculateurs Domination égale des Etats-Unis et de la Chine). Mais l’augmentation de puissance entraînait une augmentation de la puissance électrique consommée comparable ? Le TOP500 vient de publier le résultat d’une étude montrant que les supercalculateurs font des progrès encore plus spectaculaires en matière de consommation électrique. Top500.org réalise également le classement Green500 qui ordonne les 500 supercalculateurs les plus puissants du TOP500 en fonction de leur performance énergétique.

De juin 2016 à juin 2017, la performance énergétique moyenne des 10 supercalculateurs les mieux positionnés ce critère sont passés de 4,8 GFlops par watt 11,1 GFlops par watt, soit une augmentation d’un facteur 2,3 en 12 mois seulement. Ce saut a été possible grâce à l’utilisation du processeur GPU (Graphics Processing Unit) de Tesla P100 de NVIDIA dans les supercalculateurs, il est présent dans 9 du TOP10, fait remarquer Michael Feldman, éditeur du TOP500. Ces GPU de nouvelle génération offre une performance énergétique doublée par rapport aux processeurs graphiques précédents Kepler.

Il est également à noter que ces systèmes ne sont pas des machines prototypes conçus aux seules fins de performance énergétique, ils sont présents dans des laboratoires et sont utilisés pour des applications scientifiques traditionnelles telles que la simulation, la modélisation et le deep learning. Ils utilisent des composants standards démontrant que des performances exceptionnelles peuvent être répliquées pour des supercalculateurs lambda voire des serveurs traditionnels de data centers.

Six machines du TOP10 sont des machines pétaflopiques. Le champion de ce classement du Green500 est le système Tsubame utilisé au Tokyo Institute of Technology qui atteint le ratio de 14,1 GFlops/watt. C’est quasiment le tiers du chemin pour atteindre les 50 GFlops/watt et être capable de construire un supercalculateur Exascale de 20 MW.

Sur une période un peu plus longue, la progression de la performance énergétique est encore plus remarquable. De 2008 à 2017, la performance énergétique a été multipliée par 28. Les progrès réalisés dans les années 2010-2012 ont été réalisés grâce à l’utilisation des architectures en cluster basés sur les PowerXCell 8i et les systèmes Blue Gene/Q d’IBM. Pendant cette période, l’efficacité énergétique a été doublée avec ces processeurs hautement personnalisées par rapport à leurs concurrents x86.

Ces progrès vont-ils continuer dans les années à venir. Michael Feldman indique que les processeurs multicoeurs Xeon Phi conçus spécifiquement pour le marché du HPC. Parmi les autres processeurs qui pourraient jouer un rôle dans ce domaine, les composants d’ARM pourraient aussi être utilisés, notamment l’architecture standard ARMv8-A et son extension vectorielle (SCE ou Scalable Vector Extension). Rappelons qu’ARM Holdings a été racheté par le japonais Softbank en juillet 2016 pour 29 milliards d’euros. Mais une chose semble sûre, la loi de Moore ne sera plus la principale voix pour construire des supercalculateurs de plus en plus performant sur le plan énergétique, il faudra désormais appel à des conceptions de processeurs et d’architectures de systèmes plus sophistiqués.

Le TOP10 des supercalculateurs les plus performants énergétiquement de la planète

# TOP500 Rank System Entreprise/Japon Cores Rmax (TFlop/s) Power (kW) Power Efficiency (GFlops/watts)
1 61 TSUBAME3.0 – SGI ICE XA, IP139-SXM2, Xeon E5-2680v4 14C 2.4GHz, Intel Omni-Path, NVIDIA Tesla P100 SXM2 , HPE GSIC Center, Tokyo Institute of Technology GSIC Center, Tokyo Institute of Technology, Japon 36 288 1 998 142 14,11
2 465 kukai – ZettaScaler-1.6 GPGPU system, Xeon E5-2650Lv4 14C 1.7GHz, Infiniband FDR, NVIDIA Tesla P100 , ExaScalar Yahoo Japan Corporation 10 080 460 33 14
3 148 AIST AI Cloud – NEC 4U-8GPU Server, Xeon E5-2630Lv4 10C 1.8GHz, Infiniband EDR, NVIDIA Tesla P100 SXM2 , NEC National Institute of Advanced Industrial Science and Technology, Japon 23 400 961 76 12, 7
4 305 RAIDEN GPU subsystem – NVIDIA DGX-1, Xeon E5-2698v4 20C 2.2GHz, Infiniband EDR, NVIDIA Tesla P100 , Fujitsu Center for Advanced Intelligence Project, RIKEN, Japon 11 712 635 60 10,6
5 100 Wilkes-2 – Dell C4130, Xeon E5-2650v4 12C 2.2GHz, Infiniband EDR, NVIDIA Tesla P100 , Dell University of Cambridge, Royaume-Uni 21 240 1 193 114 10,4
6 3 Piz Daint – Cray XC50, Xeon E5-2690v3 12C 2.6GHz, Aries interconnect , NVIDIA Tesla P100 , Cray Inc. Swiss National Supercomputing Centre (CSCS), Suisse 361 760 19 590 2,272 10,4
7 69 Gyoukou – ZettaScaler-2.0 HPC system, Xeon D-1571 16C 1.3GHz, Infiniband EDR, PEZY-SC2 , ExaScalar Japan Agency for Marine -Earth Science and Technology, Japon 3 176 000 1 677 164 10,2
8 220 Research Computation Facility for GOSAT-2 (RCF2) – SGI Rackable C1104-GP1, Xeon E5-2650v4 12C 2.2GHz, Infiniband EDR, NVIDIA Tesla P100 , NSSOL/HPE National Institute for Environmental Studies, Japon 16 320 770 79 9,8
9 31 NVIDIA DGX-1/Penguin Relion 2904GT, Xeon E5-2698v4 20C 2.2GHz/ E5-2650v4, Mellanox Infiniband EDR, NVIDIA Tesla P100 , Facebook Facebook, Etats-Unis 60 512 3 307 350 9,5
10 32 DGX Saturn V – NVIDIA DGX-1, Xeon E5-2698v4 20C 2.2GHz, Infiniband EDR, NVIDIA Tesla P100 , Nvidia NVIDIA Corporation, Etats-Unis 60 512 3 307 350 9,5

 

 

__________
[1]
Le TOP500 est réalisé par Hans Meuer de l’université de Mannheim en Allemagne, Jack Dongarra de l’université du Tennessee à Knoxville, Erich Strohmaier et Horst Simon du National Energy Research Scientific Computing Center (NERSC) du Lawrence Berkeley National Laboratory (LBL)