美国国家实验室曾经为了最快的超级计算机而相互展开军备竞赛，如今正联合起来购买他们的下一代机器。
11月14日，位于田纳西州的橡树岭国家实验室（ORNL）和位于加利福尼亚州的劳伦斯·利弗莫尔国家实验室宣布，它们将各自购置一台下一代IBM超级计算机，其运行速度将高达150千万亿次浮点运算/秒（petaflops）。这意味着这些机器每秒可以执行150 x 1015次浮点运算，至少是目前美国领先的超级计算机——ORNL的泰坦（Titan）系统的五倍。
这些新的超级计算机总共耗资3.25亿美元，将为成千上万的研究人员带来新型科学研究，他们模拟从气候变化到材料科学再到核武器性能的一切。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。 通过购买订阅，您将有助于确保有关塑造我们当今世界的发现和思想的具有影响力的故事的未来。
“拥有更大的系统非常重要，而不仅仅是为了更详细地一遍又一遍地做同样的问题，”在ORNL和伊利诺伊州阿贡国家实验室负责超级计算时间拨款项目的经理朱莉娅·怀特（Julia White）说。“实际上，你可以将科学提升到一个新的水平。” 例如，气候建模者可以使用更快的机器将海洋和大气环流模式连接在一个区域模拟中，从而更准确地了解飓风是如何形成的。
学习经验
构建最强大的超级计算机是一场永无止境的竞赛。几乎一台机器刚被购买和安装，实验室管理人员就开始为下一台机器征集投标。IBM和Cray等供应商利用这些竞争来开发下一代处理器芯片和架构，这在更广泛的范围内塑造了计算领域。
过去，美国国家实验室各自独立地进行这些采购。为了简化流程并节省资金，实验室集群现在联合起来发布共享招标——甚至包括那些进行机密研究的实验室，如利弗莫尔实验室。“我们的任务不同，但我们有很多共同点，”ORNL计算设施负责人亚瑟·布兰德（Arthur Bland）说。
今年6月，在首次此类协调投标之后，Cray同意向新墨西哥州洛斯阿拉莫斯和桑迪亚国家实验室的联合体提供一台机器，并向加利福尼亚州伯克利市劳伦斯·伯克利国家实验室的国家能源研究科学计算中心（NERSC）提供另一台机器。同样，ORNL和利弗莫尔实验室也与阿贡国家实验室联合起来。
国家核安全管理局（NNSA）高性能超级计算研究和运行项目经理图克·黄（Thuc Hoang）说，联合投标是一次学习经验。NNSA位于华盛顿特区，负责管理洛斯阿拉莫斯、桑迪亚和利弗莫尔实验室。“我们认为值得一试，”她说。“这需要就哪些要求来自哪些实验室以及我们在哪里可以做出妥协进行大量会议。”
目前，世界上最强大的超级计算机是位于中国广州国家超级计算中心的55千万亿次浮点运算/秒的天河二号机器。泰坦排名第二，为27千万亿次浮点运算/秒。 世界500强 超级计算机的最新排名将于11月18日在路易斯安那州新奥尔良举行的2014年超级计算大会上公布。
能源部（DOE）科学办公室先进科学计算研究计划设施部门主任芭芭拉·海兰（Barbara Helland）说，当新的ORNL和利弗莫尔超级计算机在2018年上线时，它们几乎肯定会跃升至榜单的顶部附近。
NERSC主任苏迪普·多桑杰（Sudip Dosanjh）说，比排名更重要的是科学家是否能从新机器中获得更高的性能。“他们都被数据淹没了，”他说。“人们迫切需要分析这些数据。”
多桑杰说，比纯粹的计算速度更好的指标是计算代码在新机器上的性能提升程度。这就是为什么最新机器的选择不是基于总速度，而是基于它们在多大程度上满足特定的计算基准。
双重路径
新的超级计算机将被命名为Summit和Sierra，其结构将与现有的泰坦超级计算机相似。它们将结合两种类型的处理器芯片：中央处理器（CPU），用于处理日常计算的大部分工作，以及图形处理器（GPU），通常用于处理三维计算。将两者结合意味着超级计算机可以将繁重的工作交给GPU，从而更有效地整体运行。海兰说，由于ORNL和利弗莫尔实验室将拥有类似的机器，计算机管理人员应该能够分享经验教训和提高性能的方法。
尽管如此，能源部还是希望保留一点多样性。海兰说，三家实验室中的第三家阿贡国家实验室将在未来几个月内宣布其计划，但它将使用与CPU-GPU组合方法不同的架构。它几乎肯定会像阿贡国家实验室目前的IBM机器一样，后者使用许多小型但相同的处理器联网在一起。海兰说，后一种方法在生物模拟中很受欢迎，因此“我们希望保持两条不同的路径畅通”。
最终，能源部正在推动实现百亿亿次（exascale）超级计算机，其性能将比目前的千万亿次（petascale）强大1000倍。预计这些机器将在2023年左右出现。但NERSC服务部门负责人凯蒂·安提帕斯（Katie Antypas）说，能源部实验室获得的功率越大，科学家们似乎就越想要。
“以前没有计算成分的整个领域，”例如基因组学和生物成像，她说。“现在他们来找我们寻求帮助。”
本文经许可转载，并于2014年11月14日首次发表。