Comment le nouveau supercalculateur d'Atos mise sur la flexibilité pour atteindre l’exaflops

« Flexibilité, densité et efficacité. » Eric Eppe, en charge des solutions HPC, IA et Quantique chez Atos, martèle les maîtres-mots qui ont guidés la conception du dernier supercalculateur de l’entreprise. Troisième modèle de la gamme BullSequana du groupe, XH3000 a été inauguré le 16 février 2022 et pourra concentrer jusqu’à six fois plus puissant au mètre carré par rapport à la génération actuelle. Pourtant, bien qu’Éric Eppe se réjouisse que ce soit « le supercalculateur qui va [leur] permettre d’atteindre l’exascale [soit la capacité à réaliser un milliard de milliards d'opérations en virgule flottante par seconde, ndlr]», ce n’est pas tant cette promesse de puissance de calcul qu’Atos veut mettre en avant, mais bien la flexibilité opérationnelle de cette nouvelle machine.

En effet, l’architecture du XH3000 non seulement combine de multiples CPU et GPU mais elle intègre également la capacité de supporter le matériel spécifique que désirerait un client… ou encore celui qui n’est pas encore sur le marché. « C’est cette possibilité de configurer à souhait chaque "blade", ou serveur lame, qui va nous permettre de profiter des améliorations des technologies au fur et à mesure. Par exemple, les GPU actuels sont aux alentours de 15 téraflops mais d’ici l’horizon 2023, ils atteindront 50 téraflops. Et c’est grâce à ces améliorations constantes de l’industrie – et de la densité sur un seul serveur – que nous pouvons avoir un facteur six en terme de puissance. » détaille Eric Eppe.

Face à Fugaku et Frontier

Atteindre une puissance de calcul d’un exaflops est un enjeu majeur du calcul haute performance actuel, notamment dans le cadre de son application à la simulation. Trois des superordinateurs américains sont en passent d’être exaflopiques, et le supercalculateur le plus puissant au monde, le nippon Fugaku, a d’ores-et-déjà franchit ce cap symbolique. « Ils ont dépassé l’exaflops pour une application à un problème spécifique, nuance Eric Eppe. Mais entre les USA et la Chine qui possède probablement des machines exaflopiques sur lesquelles nous n’avons pas de détail, l’Europe est en retard. »

Les exigences ne sont pas les mêmes : « L’Union Européenne a fixé comme limite à un site exaflopique une consommation énergétique maximum de 20 mégawatts, alors que si vous prenez Frontier, l’un des trois supercalculateurs américains proches de l’exaflop, il en est déjà à 29 mégawatts. » Soit approximativement la consommation en électricité d’une ville de 38 000 habitants. Pour agir sur l’aspect énergivore de la machine, pour Atos, seuls deux leviers peuvent être actionnés. Soit augmenter la puissance de calcul par watt consommé, soit agir sur l’efficacité globale de la machine.

Miser sur l’efficacité

Le postulat de ce deuxième levier est que l’utilisation par les clients d’Atos des précédentes générations de BullSequana est loin d’atteindre l’efficacité que propose les supercalculateurs. « L’efficacité globale est de l’ordre de 85 %, mais on se rend compte qu’en réalité nos utilisateurs dépassent rarement les 15 à 18 %. », estime Eric Eppe. Pour résoudre ce problème l’entreprise propose de tester le calcul hybride, c’est-à-dire qui intègre de l’IA dans son calcul pour limiter le nombre d’opérations que la machine doit faire – et donc accélérer le résultat.

« Si ce que vous calculez concerne la fiabilité d’une voiture autonome, vous avez besoin d’une certitude à 100 % et d’évaluer tous les paramètres. Mais si vous travaillez sur la météo, où chaque jour vous recevez entre 500 et 700 pétaoctets de données, vous pouvez entraîner une IA avec un type de modèle récurrent pour réduire le nombre de paramètres à tester. », commente-t-il. De fait, la flexibilité du BullSequana XH3000 devrait lui permettre d’intégrer des processeurs tels que les IPU, dédiés à l’IA.

Sélectionné pour vous

Les recettes du memristor : comment coder l'information dans la résistance

Software defined vehicle : comment Sonatus veut faciliter les mises à jour

« Nous voulons combiner les avantages des photons et des électrons pour une IA plus sobre », avance Damien Querlioz, du C2N