Neuer Supercomputer für Simulation und KI

Symbolbild
© colourbox.de

Das Zentrum für Nationales Hochleistungsrechnen mit Sitz an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) hat den Auftrag für die Installation von zwei neuen Supercomputern erteilt. An diesen Hochleistungsrechnern beteiligt sich die KU mit vier Knoten. Die Rechnerkapazitäten werden künftig vorrangig vom Mathematischen Institut für Maschinelles Lernen und Data Science (MIDS) genutzt – unter anderem für die Erforschung von Modellen im Bereich Wetter und Klima.

Ende Dezember wurde der Auftrag zur Installation eines Hochleistungsrechners erteilt, der über mehr als 300 Knoten mit je zwei AMD-Prozessoren des ganz neuen Typs „Turin“ mit bis zu 2,3 Terabyte Hauptspeicher verfügt. Die Rechenknoten sind über ein Hochgeschwindigkeitsnetzwerk gekoppelt, um angesichts der erheblichen Rechenleistung die Kommunikation bei komplexen Simulationsrechnungen nicht zum Flaschenhals werden zu lassen. Der Supercomputer ist so entwickelt, dass er für ein breites Spektrum an Anwendungen aus allen Wissenschaftsbereichen gute Leistung und Skalierbarkeit liefert. Er soll voraussichtlich in der ersten Jahreshälfte 2025 installiert sein. Ein weiterer Supercomputer wird mehr als 40 Knoten mit je vier Nvidia H100 Graphik/KI-Prozessoren enthalten. Dessen Architektur ist für Anwendungen rund um Maschinelles Lernen und Künstliche Intelligenz maßgeschneidert. Die Installation dieses „KI-Rechners“ ist für die zweite Jahreshälfte 2024 geplant. Ein mehr als 3000 Terabyte großes Dateisystem bietet ausreichende Kapazitäten für die Datenablage. Es ist an beide Cluster mit hoher Geschwindigkeit angebunden.

Beide Supercomputer werden Wissenschaftlerinnen und Wissenschaftlern aus ganz Deutschland zur Verfügung stehen. Die Finanzierung erfolgt aus Mitteln des Vereins für Nationalen Hochleistungsrechnen (NHR) sowie durch das Bayerische Wissenschaftsministerium, die FAU, die KU und die Hochschule Hof. Die KU beteiligt sich am Aufbau mit rund 150.000 Euro – diese Mittel stammen aus der High-Tech-Agenda und gehören zur Ausstattung des KU-Lehrstuhls für Reliable Machine Learning. Dank der Integration der KU-Knoten in die neuen NHR-Cluster sind ein professionelles Setup und Support sichergestellt, auch können Lastspitzen ausgeglichen werden. Zudem besteht die Möglichkeit, die Kontingente für große Forschungsvorhaben noch zu vergrößern.

Vertragsunterzeichnung
Dr. Nils Blümer (KU, v.l.), Prof. Dr. Michael Hartmann (FAU), Prof. Dr. René Peinl (HS Hof), André Singer (MEGWARE GmbH) und Prof. Dr. Gerhard Wellein (FAU) am Tag der Vertragsunterzeichnung. Ebenfalls zugegen war der Universitätsgründer der FAU, Markgraf Friedrich von Brandenburg-Bayreuth (vorne).

Das Mathematische Institut für Maschinelles Lernen und Data Science der KU wird die neuen Supercomputer für verschiedene Forschungsprojekte nutzen. So arbeitet das Team rund um Prof. Dr. Tijana Janjic, Professorin für Datenassimilation, etwa an der Frage, wie Wettervorhersagen verbessert werden können, indem Algorithmen entwickelt werden, die physikalisches Wissen und Daten kombinieren. Der Lehrstuhl für Mathematik und wissenschaftliches Rechnen von Prof. Dr. Götz Pfander wird die Hochleistungs- Rechenkapazität nutzen, um Hypothesen zu erstellen und zu verifizieren, bevor diese dann mathematisch bewiesen werden. So arbeitet der Lehrstuhl an der Erzeugung und mathematischen Analyse von komplexen Exponentialfunktionen. Anwendung in der Praxis finden die Erkenntnisse etwa im Bereich der Signalverarbeitung im Mobilfunk.

Der Lehrstuhl für Geomatik und Geomathematik von Prof. Dr. Nadja Ray wiederum simuliert über den Hochleistungsrechner unter anderem den Transport von Schadstoffen wie radioaktiven Substanzen, Schwermetallen oder Mikroplastik in Böden – auch dies ist sehr rechenaufwändig. Die Forschungsgruppen um Prof. Dr. Felix Voigtlaender, Lehrstuhl für Reliable Machine Learning, und Juniorprofessor Dr. Dominik Stöger (Data Science), werden auf dem Cluster mathematische Analysen von Algorithmen des maschinellen Lernens durchführen. Es geht den beiden Mathematikern darum, Hypothesen im Bereich des maschinellen Lernens zu entwickeln und zu testen. „Mit Stift und Papier“ sei es oft sehr aufwändig, Vermutungen aufzustellen und zu verifizieren, ob diese zutreffen. Der Cluster spare somit wertvolle Zeit, die in die Beweise der empirisch gefundenen Eigenschaften fließen kann.