美国能源部的阿贡国家实验室正在向全世界的科学研究人员免费提供最新一代Graphcore(拟未)Bow IPU。
阿贡实验室的22 PetaFLOPS Bow Pod系统通过一项经批准的建议提案[1]向全球研究界开放。在此之前,阿贡自己的团队在内部使用了一段时间,他们将IPU应用于一系列人工智能任务,包括分子行为建模和图神经网络加速。
除了作为阿贡领先计算设施(ALCF)的一部分的Mk1 IPU,Bow IPU是第二套安装在阿贡国家实验室的Graphcore系统。
另外,Graphcore系统也被应用于美国能源部的桑迪亚国家实验室、橡树岭国家实验室和太平洋西北国家实验室(PNNL)。
“通过提供对包括新型人工智能加速器在内的各种计算技术的访问,阿贡国家实验室正在帮助推进世界各地的开放科学人工智能研究,”ALCF数据科学团队负责人Venkat Vishwanath说,“Graphcore IPU已经展现出其作为多功能工具的实力,我们期待着看到全球研究界将在更强大的新一代Bow IPU助力下取得哪些成果。
图神经网络研究
阿贡的研究人员使用他们的Graphcore系统来探索图神经网络(GNN)的优化,据悉这种模型类型与IPU的匹配度很高。
ALCF计算机科学家Filippo Simini说:“以推理为重点,我的团队正在研究哪些GNN特定的算子或内核会随着参数数量或批尺寸的增加,产生计算瓶颈从而影响整体运行时间。”
桑迪亚国家实验室以前便使用过IPU来加速计算化学中的GNN训练。
加速分子科学
另一个由计算科学家Logan Ward领导的阿贡团队,使用IPU进行了两种在粒子物理学中很重要的计算。
在第一种计算中,该团队对氧化还原作用下的分子进行了模拟,计算分子带电时能储存多少能量。在第二种计算中,他们训练了一个机器学习模型来预测能量的量。
“我们的应用程序最终结合了这两种计算,”Ward说,“它使用经过训练的机器学习模型来预测氧化还原反应的计算结果,这样它就可以通过计算从而确定该反应中分子所需的储能容量。”
他解释道:“Graphcore在执行产生额外训练数据的新计算和该模型用于选择下一个计算之间循环时,能够缩短时延。”
  应用  
在Director’s Discretionary Allocation Program项目中,美国和国际研究界的科研人员受邀申请在ALCF中使用Graphcore IPU。
关于ALCF人工智能试验台的更多信息请见其网站[2]
[1]https://accounts.alcf.anl.gov/allocationRequests
[2]https://www.alcf.anl.gov/alcf-ai-testbed
获取更多Graphcore资讯,阅读深度技术文章,并与其他创新者们一起交流,请至中国官网graphcore.cn,以及关注Graphcore微信、微博和知乎创新社区。
Graphcore中国官网
Graphcore官方微信
Graphcore微博创新社区
Graphcore知乎创新社区
点击阅读原文,查看英文blog。
继续阅读
阅读原文