Supercomputing Resurrected

Selv på et felt, der er defineret af kontinuerlige gennembrud, var præstationen et chokerende: I marts sidste år satte den japanske regering en computer i gang, der snart viste sig at være den hurtigste i verden, og i nogle tilfælde overgik den næsthurtigste computer med en faktor på 10. Earth Simulator, bygget af NEC, tog fire år at samle og kostede mindst 350 millioner dollars. Det leverede hurtigt videnskabelige resultater i den virkelige verden inden for global klimamodellering, og gennemførte simuleringer, der fik andre computere til at se rå ud. Forskere verden over stod i kø for den begrænsede mængde computertid, der var til rådighed for forskere uden for Japan. I juni, blot få uger efter, at maskinen nynnede til live, havde tre af de seks finalister til de prestigefyldte Gordon Bell-priser inden for højtydende computere kørt deres projekter på Earth Simulator.

En stribe artikler sidste forår dækkede nyhederne og citerede eksperter, der sammenlignede Earth Simulator med Sputnik - endnu et eksempel på, at USA er blevet alvorligt udklasset i en kritisk teknologi. Men uden for de sjældne cirkler af high-end computing, døde historien hurtigt. Amerikanske computerleverandører har bagatelliseret præstationen, afvist Earth Simulator som gammel teknologi eller for specialiseret til at være til stor nytte, endda insisteret på, at det var et reklamestunt. Giv os 400 millioner dollars til at bruge på en enkelt computer, så kan vi bygge noget lige så hurtigt, siger Peter Ungaro, vicepræsident for højtydende computing hos IBM.

Denne historie var en del af vores februar 2003-udgave

• Se resten af ​​problemet
• Abonner

Det elsker jeg, håner Gordon Bell, designer af den første minicomputer til digitalt udstyr og en lyskilde inden for højtydende databehandling. Hvordan vil IBM gøre det? Hvor er teknologien? Jeg vil vædde $1.000 på, at IBM i det næste år ikke kan matche omkostningsydelsen for Earth Simulator på noget system, de har. Faktisk vandt IBM for nylig en Department of Energy-kontrakt om at bygge et par maskiner designet til at køre med to til ni gange hastigheden af ​​Earth Simulator, men projektet vil tage indtil 2005 at fuldføre. Som mange af dem, der er involveret i høj-powered videnskabelig computing, mener Bell, at Japans præstation har afsløret et gabende hul i udviklingen af ​​supercomputersystemer i USA - et hul, som penge alene ikke kan udfylde.

Hvad skete der, der gjorde det muligt for NEC at tage en så enorm ledelse inden for computerkraft? Kort sagt fandt den japanske regering det passende at støtte udviklingen af ​​verdens dyreste computer. Projektets mål var ikke at få pralerettigheder fra USA, men at fremme videnskabsmænds forståelse af det globale klima ved at skabe en maskine, der udfører bedre modellering og vejrsimuleringer end nogensinde før.

Samtidig var den amerikanske regerings finansiering til forskning i high-end computing aftagende som reaktion på den dybtfølte amerikanske forestilling om, at supercomputerudviklere som velfærdsmødre burde tage sig af sig selv i stedet for at overleve på offentlige uddelinger. Sammenlignet med enhver anden del af computermarkedet er markedet for supercomputere lille og langsomt voksende, så da den offentlige finansiering tørrede ud, tørrede private investeringer i højtydende arkitekturer også ud. I det sidste årti eller deromkring har den amerikanske vægt i supercomputing derfor været på at forbinde klynger af råvareprocessorer - dem, der er designet til daglige forretningsapplikationer - i det, der er kendt som massivt parallelle konfigurationer. Den tilgang er en skarp kontrast til den japanske vision om specialiserede arkitekturer, der udelukkende er udviklet til højtydende marked.

Indrømmet, råvaretilgangen er gået langt: Når dette skrives, rangerer to råvaremaskiner, de to Hewlett-Packard-byggede ASCI Q-supercomputere ved Los Alamos National Laboratory i New Mexico, som næsthurtigste i verden (målt af Top500.org , en nonprofit analysegruppe). Ideen om at udnytte mange low-end processorer til at udføre komplicerede opgaver har også fanget offentlighedens fantasi med projekter som f.eks.SETI @ home, som får mere end fire millioner frivilliges stationære computere til at scanne radioteleskopdata for mønstre, der indikerer rumvæsenens intelligens. Beowulf-klynger, som bruger en metode udviklet i 1994 til at forbinde pc'er sammen for at maksimere deres processorkraft, har gjort det endnu nemmere at nå højtydende niveauer med relativt lav kapitalinvestering. Uden tvivl har råvaretilgangen vist sig for mange applikationer, der på et tidspunkt kørte på specialiseret stort jern.

Men på trods af disse gevinster er USA kommet smerteligt til kort på netop det område, hvor computermuskler betyder mest, og hvor nationen har mest at vinde: ved at simulere så komplekse systemer som vejret i den makroskopiske ende og proteinfoldning i den mikroskopiske ende. . Denne simuleringsevne er i stigende grad afgørende for fremme af grundlæggende videnskab, såvel som for national sikkerhed.

At få den private sektor til at betale for denne kapacitet er ligesom forsvarsindustriens ordsprog, at atomubåde skal have en form for kommerciel spinoff, siger Horst Simon, direktør for National Energy Research Scientific Computing Center i Oakland, Californien, hjemsted for den 12. hurtigste computer . Vi er gået i gang med en retning i USA, der ikke kommer til at fungere.

Behovet for hastighed

Hvad er de reelle fordele ved at gøre computere stadig hurtigere? Hvorfor kan vi trods alt ikke bruge en maskine, der tager en måned eller en uge at udføre en opgave i stedet for en dag eller en time? For mange problemer kan vi. Men sandheden er, at vi lige er begyndt at få computerkraft til at forstå, hvad der foregår i systemer med tusinder eller millioner af variabler; selv de hurtigste maskiner afslører netop nu løftet om, hvad der kommer.

Tag for eksempel drivhusgasser og den måde, de påvirker det globale klima på, et af de problemer, som Earth Simulator blev bygget til at studere. Med computere, der er hurtige nok til at forudsige klimaændringer præcist, kan vi vide med langt større sikkerhed, hvilket niveau af atmosfærisk kuldioxid, der vil smelte polariskapperne. På samme måde, fordi Earth Simulator modellerer planetens klima med en utrolig grad af granularitet, kan den udføre simuleringer, der redegør for virkningerne af sådanne lokale fænomener som tordenvejr. Disse fænomener kan påvirke områder kun 10 kilometer brede i modsætning til de 30 til 50 kilometer de fleste vejrmodeller bruger som standard gitterstørrelse.

Eller tag de vanskeligheder, vi har stødt på i forsøget på at forstå og udnytte nuklear fusion - det evige universalmiddel for vores energiproblemer. Det kan tage et årti at udføre et enkelt [fusion]-eksperiment, siger Thomas Sterling, fakultetsassistent ved Center for Advanced Computing Research ved Caltech. Hurtigere computere ville fremskynde disse projekter med årtier, hvilket giver os mulighed for ikke kun at designe sikre reaktorer, der giver os kraften til at drive planeten, men også at vide, hvordan vi kan slippe af med affaldet.

Et nyligt eksempel på både løftet og begrænsningerne for nutidens mest kraftfulde computere kom fra IBMs ASCI White-maskine, verdens fjerdehurtigste supercomputer, som IBM-forskere brugte til at undersøge, hvordan materialer revner og deformeres under stress. Undersøgelsen, der blev annonceret sidste forår, simulerede adfærden af ​​en milliard kobberatomer. En milliard lyder bestemt som en masse variabler - indtil du indser, at det ville tage mere end hundrede billioner gange så mange atomer at udgøre selv en kubikcentimeter kobber.

Der er en forestilling om, at high-performance computing er en moden industri, hvor alle problemerne er løst, og vi er kommet videre, siger Burton Smith, chefforsker hos Cray, en banebrydende supercomputervirksomhed i Seattle. Det er falsk. Jordsimulatorens forlegenhed afslører det faktum, at der stadig er meget mere forståelse at hente.

Custom versus Commodity

I løbet af det sidste årti har alt, hvad vi har hørt om computere, handlet om at gøre dem mindre, hurtigere, billigere, mere som varer. Vores bærbare computere har for eksempel de samme muligheder som en Cray-computer fra midten af ​​1970'erne. Så kommer den monstrøse Earth Simulator: den er på størrelse med fire tennisbaner, og den koster næsten dobbelt så meget som dens nærmeste konkurrenter, ASCI Q-maskinerne. Hvis dette er fremtiden for supercomputing, hvad skal vi så gøre ud af det? Maskinen kan ikke engang prale af en særlig ny arkitektur: NEC brugte en teknik kaldet vektorberegning, som stammer fra Crays tidligste dage.

Men ud over dets klodsede og arkitektoniske mærkeligheder, eksemplificerer Earth Simulator en tilgang til højtydende databehandling, der er fundamentalt anderledes end den, der følges af de fleste amerikanske computerproducenter i dag. Earth Simulator blev designet fra bunden og op - fra dens processorer til kommunikationsbusserne, der forbinder processorer og hukommelse - for at være verdens hurtigste computer. Hvornår vil den amerikanske tilgang med at linke processorer til generelle formål som dem, der serverer websider producere et resultat, der kan matche ydeevnen af ​​en maskine, der er eksplicit designet til ydeevne? Min opfattelse er, at man ikke kan gøre det, siger Bell. Jeg kan simpelthen ikke se en måde, med en almindelig computer, at komme derfra til her.

Ydeevneudfordringen begynder med processoren. De data, der knuses i videnskabelige beregninger, tager ofte form af lister over tal, de værdier, der er forbundet med observationer fra den virkelige verden. Traditionelt handlede computere på disse værdier sekventielt og hentede dem fra hukommelsen én efter én. Så i begyndelsen af ​​1970'erne tog Seymour Cray et intuitivt spring: hvorfor ikke designe en computer, så dens processorer kan anmode om en hel liste eller vektor på én gang, i stedet for at vente på, at hukommelsen reagerer på hver anmodning efter tur? En sådan processor ville bruge mere tid på at computere og mindre tid på at vente på data fra hukommelsen. Fra midten af ​​1970'erne gennem 1980'erne satte Crays vektorsupercomputere rekord efter rekord. Men de krævede dyre specialiserede chips, og vektorberegning blev derfor stort set opgivet i USA efter 1990, da forestillingen om massivt parallelle systemer lavet af hyldeprocessorer tog fat.

Vector computing forblev ikke desto mindre en af ​​de mest effektive måder at håndtere simuleringer i stor skala på, hvilket fik NEC til at vedtage Crays tilgang, da det bød på regeringskontrakten om at bygge Earth Simulator. Da NECs arkitekter besluttede at bygge til hastighed frem for standardisering, var de frie til at udvikle ikke kun specialiserede processorer, men også bredere kommunikationsveje mellem processorerne, hvilket forstærkede hardwarens hastighedsfordel. Mange sådanne forbedringer er indbygget i NEC SX6, den grundlæggende byggesten i Earth Simulator. Vektorarkitektur passer bedst til computersimuleringer af store udfordringers videnskabelige og tekniske problemer såsom global opvarmning, supersonisk flydesign og nanoskalafysik, siger Makoto Tsukakoshi, en general manager for Earth Simulator-projektet hos NEC.

Sammenkobling af råvaremaskiner med standard kommercielle netværk flytter på den anden side hastighedsbyrden fra hardware til software. Dataloger skal skrive parallelle programmer, der analyserer problemer i bidder, og derefter eksplicit kontrollere, hvilke processorer der skal håndtere hver chunk - alt i et forsøg på at minimere den tid, der bruges på at sende bits gennem kommunikationsflaskehalse mellem processorer.

Sådan programmering har vist sig ekstremt vanskelig: et ligetil FORTRAN-program bliver til et rod af kode, der kræver omskrivning og fejlretning af parallelprogrammeringsspecialister. Jeg håber at koncentrere min opmærksomhed om min forskning snarere end på, hvordan man programmerer, siger Hitoshi Sakagami, en forsker ved Japans Himeji Institute of Technology og finalist i Gordon Bell Prize for arbejde med Earth Simulator. Jeg anser ikke parallelle computere for acceptable værktøjer til min forskning, hvis jeg konstant er tvunget til at kode parallelle programmer.

Det er ikke dovenskab, der har afholdt programmører fra at finde bedre måder at skrive parallel kode på. Folk har arbejdet ekstremt hårdt for at udvikle ny applikationssoftware baseret på forskellige algoritmer til at bruge parallelle maskiner, med ringe succes, siger Jim Decker, principal vicedirektør for Office of Science i Department of Energy. (Deckers agentur er ansvarlig for grundforskning inden for områder som energi og miljø.) Vektormaskiner anvender ofte deres egen form for parallel bearbejdning, men matematikken for at gøre det er langt mindre kompliceret; Earth Simulator-forskere er for eksempel i stand til at programmere ved at bruge en variant af det klassiske FORTRAN-computersprog, der tager en meget mere direkte tilgang.

En supercomputer, der omfatter et stort antal kommercielle processorer, er ikke bare svær at programmere. Det er blevet klart, at gevinsterne ved at tilføje flere processorer til et råvaresystem til sidst bliver ubetydelige, efterhånden som det bliver vanskeligere at lokke dem til at arbejde sammen. Det, der virkelig fik beregningsforskernes hjerter til at løbe rundt om Earth Simulator, var ikke det højeste eller det maksimale antal af beregninger, der blev udført i sekundet - hvilket er cirka fire gange kapaciteten af ​​den næsthurtigste maskine og i sig selv er imponerende nok. I stedet var det computerens evne til reel problemløsning (hvilket trods alt er, hvad forskerne bekymrer sig om). Earth-simulatoren kan knuse beregninger med op til 67 procent af sin spidskapacitet over en længere periode. Til sammenligning, den massivt parallelle tilgang - ja, den kan ikke sammenlignes.

Hvis du smider nok af disse råvareprocessorer ind i et system, og du ikke bliver overvældet af omkostningerne ved kommunikationsnetværket til at forbinde dem sammen, så kan du i sidste ende nå topydelsen af ​​Earth Simulator, siger Sterling. Men det, der sjældent rapporteres offentligt om disse systemer, er, at deres vedvarende ydeevne ofte er under fem procent af peak, eller endda en procent af peak.

Selvom det bestemt er billigere at bygge supercomputere ud af råvaredele, formoder mange beregningsforskere, at omkostningerne ved at udvikle parallel software faktisk gør det dyrere at køre videnskabelige applikationer på sådan en maskine.

Folk er blevet vilde med de lave omkostninger for, hvad der lyder som et meget højt niveau af ydeevne på råvaremaskiner, siger Decker. Men de er ikke rigtig billigere at bygge. Vi er nødt til at se på vedvarende ydeevne, såvel som omkostningerne ved at udvikle software. Softwareomkostninger er generelt større end hardwareomkostninger, så hvis der er hardwaretilgange, der gør det nemt at løse problemet, er vi bedre stillet til at investere i hardware. Set i bakspejlet tror jeg, at vi ville have været bedre stillet til at gå en anden vej.

Spiller Catch-Up

Hvis Earth Simulator virkelig blev betragtet som en anden Sputnik, ville den amerikanske regering lige nu budgettere nogle seriøse penge til supercomputing forskning og udvikling. Når alt kommer til alt, brugte NASA mere end 19 milliarder dollars - omkring 80 milliarder dollars i dagens dollars på Apollo-missionerne for at sætte en mand på månen. Men George W. Bush er ingen John F. Kennedy, og kapløbet om at overhale Earth Simulator har hverken fanget offentlighedens fantasi eller et tilsvarende niveau af offentlig finansiering.

Der er dog en tilbagevendende drivkraft for USA's udgifter til supercomputing - behovet for mere beregningskraft til at simulere atomvåbens ydeevne i stedet for underjordiske test. I november tildelte Energy Departments National Nuclear Security Administration IBM en treårig kontrakt på 267 millioner dollars om at bygge to supercomputere - ASCI Purple og Blue Gene/L - som forventes at have mere kombineret processorkraft end nutidens 500 hurtigste supercomputere tilsammen. Og som svar på Earth Simulator har U.S. Defense Advanced Research Projects Agency startet sit eget, mere beskedne program til at finansiere supercomputerforskning. Agenturet starter med individuelle forskningsbevillinger på 3 millioner dollars til industriledere Cray, IBM, Hewlett-Packard, Silicon Graphics og Sun Microsystems, som skal følges af yderligere midler, hvis teknologiske milepæle nås. De nye forsvarsprojekter er begyndt at genoplive industrien. Crays Burton Smith siger: Dette markerer virkelig afslutningen på en temmelig lang periode, hvor regeringen

har ikke været involveret i computerforskning og -udvikling.

En anden måde at sætte gang i amerikansk supercomputing kan være gennem yderligere investering i vektorberegning, en tilgang, som Earth Simulator beviser, blev for tidligt opgivet af amerikanske udviklere. Den nuværende tilstand af højtydende arkitektur går tilbage til robustheden af ​​den 25 år gamle grundlæggende Cray-vektorarkitektur, som NEC overtog og fortsætter med at forbedre, siger Bell. Amerikanske arkitekter har afvist arkitekturen, mens de ikke har udviklet konkurrencedygtige alternativer.

Men hvor vil nye vektorcomputere blive udviklet? Ligesom USA engang faldt bagud inden for forbrugerelektronik, mistede det også hurtigt den nødvendige ekspertise til at bygge sådanne systemer. Ud af de 40 virksomheder, der specialiserede sig i højtydende databehandling i slutningen af ​​1980'erne, er det kun Cray, der er tilbage, efter at have overlevet opkøbet af Silicon Graphics i 1996 og Tera i 2000. (Tera ændrede prompte sit eget navn til Cray som en anerkendelse af virksomhedens enestående fremtrædende plads på området.) Cray er den eneste amerikanske supercomputerproducent, der understøtter vektorbehandling. Sidste efterår begyndte Cray at sende en ny vektorcomputer, X1; fuldt lastet, vil maskinen overgå Earth Simulator med næsten 50 procent, siger virksomheden. Men Cray har endnu ikke solgt et så kraftfuldt X1-system, og mens den amerikanske hær og energiministeriet vurderer dets potentiale, er andre kunder forståeligt nok forsigtige med at være afhængige af en arkitektur, der kun understøttes af én relativt lille virksomhed.

Alt dette efterlader amerikansk supercomputing-håb for det meste knyttet til helt nye arkitekturer - dem, der kan have potentialet til at udkonkurrere vektorcomputing. Selvom DARPAs bevillinger blev iværksat som svar på Earth Simulator, er de beregnet til at opnå et fundamentalt andet mål: at lave supercomputere, der ikke kun er hurtigere, men også billigere at bygge og bruge end noget tidligere udviklet. Er der en måde at gøre det hele på én gang? Det er logisk at tro, at der skulle være det, men svaret er ikke åbenlyst. Vi sulter i en tid med masser, siger Bill Dally, professor i elektroteknik og datalogi ved Stanford University. Alle ingredienserne til computing - aritmetik, kommunikation, hukommelse - bliver billigere, og for næsten alt udover [højtydende] computere bliver omkostningerne pr. enhed billigere, efterhånden som du skalerer.

Som med enhver ny arkitektur vil den største udfordring være hukommelsesflaskehalsen, hvor datas forholdsvis langsomme vandring til og fra hukommelsen hæmmer processoreffektiviteten. Selvom det fortsætter med at forfølge sine egne vektorcomputersystemer, angriber Cray dette problem ved at tilpasse interprocessorkommunikationsteknikkerne, der bruges i Earth Simulator, for at øge dataflowet i Red Storm, en massivt parallel computer, der skal bygges på Sandia National Laboratories i New York. Mexico.

Dally mener, at han har udviklet en anden løsning, som han kalder streaming. Mens traditionel computerarkitektur behandler alle aritmetiske operationer ens, bygger beregningerne i mange videnskabelige simuleringer på sig selv uden behov for at gemme mellemliggende værdier i langtidshukommelsen. Så i stedet for at overføre kontrol fra en instruktion til en anden og få adgang til hukommelsen sekventielt, bygger Dally et system, der streamer data til processorer, som derefter reagerer på problemet lokalt gennem mange mellemliggende beregninger og streamer de færdige værdier tilbage til hukommelsen. Proteinfoldning er et eksempel, hvor man for at forstå, hvordan to molekyler interagerer, skal udføre måske 500 mellemresultater, før man når frem til det, man ønsker, siger Dally. Med streaming kan du fange disse mellemliggende resultater i lokale registre, hvor kommunikationsbåndbredden er meget billig, og du aldrig rører ved hukommelsessystemet.

Fremskridt inden for mikroprocessorfremstillingsteknikker gør det også muligt at placere processorer og store mængder hukommelse på den samme chip, hvilket forkorter den afstand, som instruktioner og data skal tilbagelægge. IBM planlægger at prøve sådanne processor-in-memory-teknikker inden for supercomputing, og DARPA finansierer en indsats på University of Southern California for at undersøge præcis, hvordan processor-in-memory-teknologi kan forbedre højtydende systemer. Forskere ved University of Southern California arbejder sammen med Hewlett-Packard om at levere et eksperimentelt system til DARPA til evaluering. Og et projekt hos Caltech, kendt som Gilgamesh, undersøger den bedste måde at arrangere hukommelse og logik sammen på en chip: hvis små hukommelsesblokke og logik blev spredt rundt om en chip, for eksempel, ville rejsetiden fortsætte med at falde, hvilket forbedrede ydeevnen.

En anden mulighed er simpelthen at vende hele arkitekturen på hovedet. Crays Burton Smith og Caltechs Sterling samarbejder om et DARPA-finansieret projekt, de kalder Cascade. De to undersøger måder, hvorpå man kan udnytte det faktum, at i avanceret videnskabelig databehandling er tyngden af ​​data alene ofte langt større end applikationsprogrammets tyngde. Med andre ord, hvis de ting, der er gemt i hukommelsen, er så meget større end det program, der skal til for at køre det, hvorfor så overhovedet flytte det? Hvorfor ikke flytte programmet til hukommelsen i stedet for? De er villige til at dele deres optimisme, men Smith og Sterling siger lidt andet om deres begyndende arkitektur. Jeg er rent subjektiv, men jeg synes, det er det mest spændende inden for high-performance computing i de sidste 20 år, siger Sterling.

Det er de forslag, der vækker størst interesse hos de offentlige myndigheder, der sandsynligvis vil købe fremtidens højtydende systemer. Men for det meste er de prototyper, eller endnu mindre, og de vil først bevise sig selv, når der er foretaget radikale ændringer i alt fra processordesign til måden, software er konstrueret på. Så er udfordringen fortsat at finde en måde at fremstille de nye systemer effektivt og fejlfrit. Med andre ord tilbyder disse ideer ingen hurtig løsning.

HVEM LAGER DE MEST SUPERHURTIGE COMPUTERE?
		Specifikationer for hurtigste maskine
Selskab	Nummer i top 500 Navn Hastighed (Gigaflops) Beliggenhed
Hewlett Packard	137 ASCI Q 7.727	Los Alamos National Laboratorium, NM
IBM	129 ASCI Hvid 7.226	Lawrence Livermore National Laboratory, CA
Sun Microsystems	88 HPC 4500 420	svenske væbnede styrker, Stockholm, Sverige
Silicium grafik	45 ASCI Blue Mountain 1.608	Los Alamos National Mountain Laboratory, NM
Cray	22 T3E 1200 1.166	Ukendt (USAs regering)
NEC	15 Earth Simulator 35.860	Earth Simulator Center, Simulator Yokohama, Japan

Nuværende og foreslåede supercomputerarkitekturer
Arkitektonisk tilgang	Beskrivelse	Fordele	Hovedfortalere
Råvareklynger (operationelle)	Hundredvis eller tusindvis af hyldeservere med links med lav båndbredde	Lavpris konstruktion; effektiv med problemer, der kan opdeles i bidder	Hewlett-Packard, IBM, Silicon Graphics
Vektorberegning (operationel)	Hundredvis af specialbyggede orocessorer med højbåndbredde-stik	Mere tid brugt på computere, mindre tid på at kommunikere	Cray, NEC
Streaming (eksperimentel)	Mellemværdier af beregninger gemt i lokal hukommelse	Fart; on-chip dataoverførsel for at reducere flaskehalsen i hukommelsen	Stanford University
Processor-i-hukommelse (eksperimentel)	Behandlingskredsløb og korttidshukommelse spredt på den samme chip	Fart; kortere afstand mellem processorer og hukommelse	University of Southern California, Caltech, IBM
Cascade (eksperimentel)	Data, snarere end software, opbevares i processorens lokale hukommelse	Færre opkald til hukommelsen i tilfælde, hvor datasæt er større end programmer	Cray, Caltech

Computerens Apollo-projekt?

I det sidste årti har det amerikanske højtydende computermiljø stået på skuldrene af giganter. Mange direktører for centre for videnskabelig databehandling siger, at de mener, at USA er ved et kritisk beslutningspunkt, hvor valg af projekter og mængden af ​​midler investeret i nye højtydende computerarkitekturer kan påvirke fremtidig sikkerhed og velstand på håndgribelige måder.

Det vil virkelig kræve en kombination af gode ideer, der kommer ud af universiteter og offentlige midler og god industriteknik for at løse dette grimme problem, siger Bell. At bygge en ny chip er lige på den behårede kant af, hvad et universitet kan udrette; så har du brug for nogen med ressourcerne til at lave detaljerede tekniske ting som køling og forbindelser og så videre. Det kommer til at kræve mange kræfter.

Men hvis det gøres rigtigt, kan en helt ny guldalder for videnskab blomstre. Et af de mest slående aspekter af Earth Simulator-projektet er dets åbenhed. Forskere kommunikerer på trods af sproglige og geografiske barrierer. De tester teorier og udfører simuleringer, der har potentialet til at forbedre vores forståelse af verden og gavne os alle. For et par måneder siden mæglede Sterling et møde mellem Tetsuya Sato, direktør for Earth Simulator-faciliteten, og John Gyakum, en professor ved McGill University, som er en af ​​verdens førende eksperter i, hvordan små vejrsystemer som tordenvejr påvirker globale vejrmønstre. Før Earth Simulator havde der ikke været nogen computer, der nemt kunne indregne så små systemer i klimasimuleringer i stor skala. Nu kan der være. De har åbnet sig for samarbejde, fordi de først og fremmest bekymrer sig om videnskabelige resultater, siger Sterling. Og det, de laver, er vigtigt for alle på planeten.

Så det er ikke kun for at fremme datalogien, at der kræves mere og smartere databehandling. Det er for at fremme enhver videnskab. Videnskaben i det 21. århundrede hviler på tre søjler, siger energiministeriets Decker. Som altid er der teori og eksperimenter. Men simulering bliver den tredje søjle for videnskabelig opdagelse. I betragtning af de problemer, vi står over for, ønsker vi helt klart at være på forkant med vores videnskab. Hvis ydeevnen af ​​vores computere er en størrelsesorden mindre, end hvad vi ved, de kan være selv i dag, så bliver vi det ikke.

skjule