Аннотация:
В статье рассматриваются возможности повышения реальной производительности гибридных суперкомпьютерных платформ, состоящих из процессорных узлов различных типов (CPU, GPU, FPGA), работающих в режиме совместного использования вычислительных ресурсов. Концептуальное отличие предлагаемого подхода от широко распространенных суперкомпьютерных кластерных платформ можно метафорически выразить как “Меньше Мура, больше мозга”. Рассматриваемый подход смещает фокус развития технологий с классических методов повышения производительности HPC-платформ путем добавления новых аппаратных многоядерных вычислительных компонентов на более сложные экзо-интеллектуальные решения, использующие индуктивные (внутренние) и концептуальные (внешние) данные для реализации методов машинного обучения с целью оптимального распределения доступных аппаратных ресурсов между различными классами пользовательских приложений. Предложенная трехуровневая архитектура экзо-интеллектуальных вычислительных платформ обладает новыми широкими возможностями как для эффективного масштабирования процессов выполнения пользовательских программ, так и для овеществления описаний новых алгоритмов путем генерации соответствующих текстов компьютерных программ, а также интерпретации полученных результатов на основе использования апостериорной статистической информации, носителем которой являются цензурированные данные, характеризующие опыт выполнения пользовательских приложений в режиме совместного использования гибридных вычислительных ресурсов.
Ключевые слова:
высокопроизводительные гибридные вычислительные системы, машинное обучение, интеллектуальный диспетчер, функция выживаемости, объяснимый искусственный интеллект.
Полный текст:
PDF файл (3534 kB)