扩展当前计算设计的能力已达到临界点，英特尔、高通和 AMD 等芯片制造商正在将他们的大脑集中在替代架构上，以推动计算向前发展。
    芯片制造商正在围绕一种稀疏计算方法进行联合，该方法涉及将计算引入数据，而不是将计算引入数据，而这正是当前计算的基础。
    情报研究项目活动 (IARPA) 的项目经理 William Harrod 说，这个概念还很遥远，但需要一种新的设计，因为从长远来看，用于扩展世界上快的超级计算机的当前计算模型是不可持续的，在上周 SC22 会议的主题演讲中。
    当前的模型效率低下，因为它跟不上数据的激增。用户需要等待数小时才能收到发送到具有加速器和其他资源的计算中心的数据结果。哈罗德在主题演讲中表示，新方法将缩短数据传输的距离，更高效、更智能地处理信息，并更快地产生结果。
    “需要进行公开讨论，因为我们正在从密集计算的世界……过渡到稀疏计算的世界。这是一个巨大的转变，在我们能够验证和验证这些想法之前，公司不会继续改变设计，”Harrod 说。
    稀疏计算 方法背后的目标之一是接近实时或在短时间内生成结果，并在数据变化时查看结果，Harrod 说，他之前在能源部负责研究项目，终导致了百亿亿次级系统的发展。
    当前的计算架构将所有数据和计算问题（无论大小）通过网络推送到处理器、加速器和内存子结构的网络中。哈罗德说，有更有效的方法来解决问题。
    稀疏计算系统的目的是解决数据移动问题。当前的网络设计和接口可能会使数据长距离移动，从而使计算陷入困境。稀疏计算缩短了数据传输的距离，在近的芯片上进行智能处理，软硬件并重。
    “我不认为未来仅仅依靠获得更好的加速器，因为获得更好的加速器并不能解决数据移动问题。事实上，加速器很可能会成为系统其余部分的某种标准接口，而根本不是为这个问题而设计的，”Harrod 说。
    Harrod 从设计百亿亿级系统中学到了很多东西。一个要点是，在当前计算架构（以冯诺依曼架构为模型）下提高计算速度从长远来看是不可行的。
    另一个结论是，长距离移动数据的能源成本相当于浪费。能源部初的目标是在 2015-2016 年的时间框架内创建一个以 20 兆瓦运行的百亿亿级系统，但它花费了更长的时间。世界上第一个百亿亿级系统 Frontier在今年早些时候跻身 Top500 榜单，耗电量为 21 兆瓦。
    “我们的数据集非常稀疏，对数据集执行的操作也很少。所以你做了很多数据移动，但你没有从中得到很多操作。你真正想做的是有效地移动数据，”Harrod 说。
    并非每个计算问题都是平等的，在 GPU 上解决大小问题并不总是答案，Harrod 说。在密集计算模型中，将较小的问题转移到高性能加速器中是低效的。
    IARPA 的计算计划称为 AGILE（图形智能逻辑计算环境的缩写），旨在“根据数据移动问题定义计算的未来，而不是 ALU 的浮点单元，”Harrod 说。
    计算通常依赖于从分布在广泛来源网络上的非结构化数据生成结果。稀疏计算模型涉及将密集模型分解为更加分布式和异步的计算系统，在该系统中，计算会在需要数据的地方进行。假设是本地化计算做得更好并减少了数据传输时间。
    该软件同样重要，侧重于图形分析等应用程序，在这些应用程序中，数据连接之间的强度会得到持续分析。稀疏计算模型也适用于机器学习、统计方法、线性代数和数据过滤。
    IARPA 与 AMD、佐治亚理工学院、印第安纳大学、英特尔联邦有限责任公司、高通、芝加哥大学等组织就开发非冯诺依曼计算模型的方法签署了六份合同。
    “将对正在资助的想法进行公开讨论，”哈罗德说。
    这些提案提出了技术方法，例如开发数据驱动的计算元素，其中一些技术已经存在，例如带有 HBM 内存和内存模块的 CPU，Harrod 说，并补充说“它并没有解决我们所有的问题在这里，但这是朝那个方向迈出的一步。”
    第二种技术方法涉及移动数据的智能机制。“这不仅仅是坐在那里进行负载存储的浮点数问题——这不是移动数据的智能机制，”Harrod 说。
    重要的是，需要关注作为稀疏计算系统协调器的运行时系统。
    “这里的假设是这些系统一直在做某事。你真的需要一些东西来查看正在发生的事情。你不想成为一个完全控制所有这一切的程序员——那么我们都会遇到严重的麻烦，”Harrod 说。
    运行时对于创建计算环境的实时性非常重要。
    “我们希望处于预测环境而不是取证环境中，”Harrod 说。

    Harrod 说，这些提案将需要通过 FireSim 等工具进行验证和确认，FireSim 可以衡量新型架构的性能。

维库电子市场网翻译自hpcwire