رفتن به محتوای اصلی
x

سامانه پردازش سریع HPC

سامانه کلاستر محاسبات با کارایی بالا (High Performance Computing – HPC) با هدف پشتیبانی از فعالیت‌های پژوهشی، تحلیل داده‌های بزرگ و اجرای محاسبات علمی طراحی شده است. این زیرساخت امکان انجام پردازش‌های موازی و مقیاس‌پذیر را فراهم کرده و بستر مناسبی برای پروژه‌های تحقیقاتی در حوزه‌هایی نظیر علوم داده، زیست‌اطلاع‌رسانی، مدل‌سازی عددی، هوش مصنوعی و یادگیری ماشین فراهم می‌کند.

در این معماری، منابع پردازشی به صورت توزیع‌شده میان نودهای محاسباتی سازمان‌دهی شده‌اند و کاربران می‌توانند با بهره‌گیری از توان پردازشی مشترک، محاسبات سنگین را با کارایی بالاتر و زمان اجرای کمتر انجام دهند.

معماری سیستم

این سامانه از مجموعه‌ای از نودهای پردازشی CPU و یک نود تخصصی GPU تشکیل شده است که در کنار یک نود مدیریتی، زیرساختی پایدار و توسعه‌پذیر برای اجرای workload های علمی فراهم می‌کنند.

نود مدیریتی Master Node

نود مدیریتی وظیفه کنترل، پایش و مدیریت منابع کلاستر، زمان‌بندی پردازش‌ها و هماهنگی بین نودهای محاسباتی را بر عهده دارد.

مشخصات سخت‌افزاری
  • پردازنده: AMD Opteron 6174

  • تعداد پردازنده: 24  CPU

  • تعداد هسته: 24 (دو سوکت، هر کدام 12 هسته)

  • حافظه اصلی: 16 گیگابایت  RAM

  • فضای ذخیره‌سازی: 4 ترابایت

  • سازنده: TYAN Computer Corporation

  • مدل سیستم:  GT24-B8236-IL

نود پردازش گرافیکی  (GPU Compute Node)

این نود برای اجرای پردازش‌های مبتنی بر GPU طراحی شده و مناسب اجرای الگوریتم‌های یادگیری عمیق، تحلیل داده‌های حجیم و شبیه‌سازی‌های موازی است.

مشخصات سخت‌افزاری
  • پردازنده:  Intel Xeon E5-2650 v4 @ 2.20GHz

  • تعداد CPU: 24

  • تعداد Thread به ازای هر هسته: 2

  • تعداد هسته: 12

  • تعداد سوکت: 1

  • حافظه اصلی: 32 گیگابایت RAM

  • فضای ذخیره‌سازی: 4.5 ترابایت

  • سازنده:  Supermicro

  • مدل سیستم :  X10DAX

  • شتاب‌دهنده گرافیکی:  NVIDIA GeForce RTX 2080 Ti

قابلیت‌های سامانه
  • اجرای پردازش‌های موازی و توزیع‌شده

  • پشتیبانی از workload های CPU-intensive و  GPU-accelerated

  • مناسب برای تحلیل داده‌های حجیم و مدل‌های محاسباتی پیچیده

  • امکان توسعه ساختار کلاستر با افزودن نودهای جدید

  • استفاده بهینه از منابع پردازشی در پروژه‌های چندکاربره دانشگاهی

حوزه‌های کاربرد

این زیرساخت برای طیف گسترده‌ای از فعالیت‌های پژوهشی قابل استفاده است، از جمله:

  • تحلیل داده‌های زیستی و  omics 

  • یادگیری ماشین و یادگیری عمیق

  • مدل‌سازی و شبیه‌سازی عددی

  • تحلیل داده‌های بزرگ (Big Data Analytics)

  • محاسبات آماری و پردازش علمی

منظور دسترسی به سیستم از این لینک اقدام بفرمایید.