HPC I 2020
De fire store trendene det siste tiåret (utvidelsen av teknologi for kunstig intelligens, prosessordiversifisering, cloud, samt konsolidering av leverandører) fortsette fremover i stadig større hastighet.
Av alle de nevnte trender er fremveksten av AI (kunstig intelligens) trolig den mest betydningsfulle. Ikke bare fordi den driver de tre andre trendene fremover, men også fordi den har blitt en kilde til innovasjon for både HPC-leverandører og forbrukere. Den vil sannsynligvis ikke endre seg i løpet av dette året eller i overskuelig fremtid.
På tilbudssiden har AI påvirket utformingen av prosessorer beregnet på servere med høy ytelse, noe som gjenspeiles i utviklingen vi ser nå. I mindre grad har AI skapt varierte HPC-systemdesign med Deep Learning maskinvare som ABCI, som viser bruken av noder fullpakket med flere GPU-er og flash-lagring med høy kapasitet.
Innføringen av akselererte superdatamaskiner som Summit og Sierra har satt tonen for hvordan HPC og AI kommer til å samspille med hverandre i årene fremover.
Brukerne er i økende grad interessert i å bruke maskinlæring på tradisjonelt HPC-workflow. Dette gjøres på tvers av alle HPC-applikasjonsdomener, alt fra finansielle tjenester og kjemiteknikk til kosmologi og klimatologi. Dette betyr ikke at disse teknikkene vil erstatte konvensjonelle fysikksimuleringer, men vil bli brukt til å øke dem på en måte som reduserer belastningen for disse applikasjonene betydelig. Når vi begynner tiåret der Moores lov nærmest vil visne hen i glemmeboken, i hvert fall når det gjelder i forhold til CMOS-brikkeproduksjonsteknikker, vil utviklingen av mer effektive beregningsmetoder bli stadig viktigere. Dette vil bli enda viktigere enn å bryte exascale-barrieren, vedta den nyeste prosessoren, eller kjøpe en trinnvis større maskin.
I den forstand er AI-teknikker i HPC-arbeidsmengder sannsynligvis det mest bemerkelsesverdige paradigmeskiftet i feltet siden overgangen fra spesialbygde vektorsuperdatamaskiner for tre tiår siden. 2020 være året da AI og HPC virkelig blir uatskillelige.