Gadgetshowto
Når vi bevæger os mod fremtiden, gør computerfirmaer deres chipsæt mere og mere magtfulde. For eksempel har Apples nyeste M1-chip 16 milliarder transistorer og er skør hurtig sammenlignet med andre SoC'er som Intels i9-chips. Uanset hvor hurtigt Apples nye computerchips er, er jeg dog sikker på, at disse ikke kan simulere fremtiden “hurtigere end fysikens love”. Nå viser det sig, at der faktisk er en supercomputerchip, der kan udføre den førnævnte opgave.
Døbt som Cerebras CS-1-chip, er dette 462 m² cm chipsæt i øjeblikket den største chip i verden, der indeholder omkring 1,2 billioner transistorer. Det er en stigning på 75000% i antallet af transistorer sammenlignet med Apples seneste SoC.
Det betegnes som “Verdens mest magtfulde AI-beregningssystem” og var udviklet til det amerikanske energiministerium af organisationens energiteknologilaboratorium. Så for nylig satte forskerne Cerebras CS-1 til test ved at simulere forbrænding i et kraftværk.
De leverede alle nødvendige data om de aktuelle driftsforhold for kraftværket til supercomputeren. Derefter ventede forskerne på sine 1.2 billioner transistorer til at analysere dataene og simulere den fremtidige tilstand af kraftværket.
Cerebras CS-1 overtog en million variabler, herunder 3D-luftbevægelse og svingende temperaturer, og analyserede dem for at vise den mulige fremtid for kraftværket hurtigere end i realtid.
”CS-1 er det første system nogensinde, der demonstrerer tilstrækkelig ydeevne til at simulere over en million væskeceller hurtigere end realtid. Dette betyder, at når CS-1 bruges til at simulere et kraftværk baseret på data om dets nuværende driftsforhold, kan det fortælle dig, hvad der vil ske i fremtiden hurtigere end fysikens love giver det samme resultat. ”, læse et blogindlæg af forskerne.
Når vi bevæger os ind i fremtiden, planlægger Cerebras-teamet at frigive en anden generation CS-chip, der indeholder 2,6 billioner transistorer. Indtil da vil de bruge den eksisterende CS-1-chip til at træne neurale netværk og simulere avancerede simuleringer af virkelige scenarier.
