انویدیا با معرفی Rubin HPC نشان داده که برنامه توسعه پردازنده‌های گرافیکی این شرکت تنها به بازی‌های رایانه‌ای و اجرای مدل‌های هوش مصنوعی محدود نیست.

در مراکز تحقیقاتی، دانشگاه‌ها و صنایع پیشرفته، شبیه‌سازی پدیده‌های فیزیکی، طراحی مواد جدید و انجام محاسبات گسترده به توان پردازشی بالایی نیاز دارد.

پردازنده جدید برای چنین کاربردهایی معرفی شده است.

بیش از ۵۰ هزار هسته CUDA چه معنایی دارد؟

انویدیا اعلام کرده Rubin HPC در یک پردازنده گرافیکی بیش از ۵۰ هزار هسته CUDA دارد.

هسته‌های CUDA واحدهای پردازشی هستند که امکان اجرای تعداد زیادی عملیات محاسباتی موازی را فراهم می‌کنند.

این ویژگی برای مسائلی که می‌توان آن‌ها را به عملیات کوچک‌تر تقسیم کرد، اهمیت ویژه‌ای دارد.

بااین‌حال، تعداد هسته‌ها به‌تنهایی معیار کافی برای مقایسه قدرت پردازنده‌های مختلف نیست. معماری، نوع محاسبات، پهنای باند حافظه، فرکانس و محدودیت توان مصرفی نیز بر عملکرد واقعی اثر می‌گذارند.

سرعت انتقال داده؛ یکی از چالش‌های اصلی

یکی از مشکلات محاسبات سنگین، انتقال داده میان حافظه، پردازنده و سایر شتاب‌دهنده‌ها است.

اگر داده‌ها به‌اندازه کافی سریع منتقل نشوند، حتی پردازنده‌ای با تعداد زیادی هسته نیز نمی‌تواند از تمام ظرفیت خود استفاده کند.

داخل خبر (468x60)

انویدیا برای Rubin HPC از سازوکارهای شتاب‌دهی داده‌های پراکنده و نسل هفتم ارتباط NVLink استفاده کرده است.

NVLink برای انتقال سریع داده میان پردازنده‌های گرافیکی طراحی شده و در سامانه‌هایی با چند شتاب‌دهنده اهمیت زیادی دارد.

کاربرد در پزشکی و مهندسی

یکی از حوزه‌های استفاده از محاسبات علمی، شبیه‌سازی رفتار مولکول‌ها و مواد است.

پژوهشگران می‌توانند با کمک مدل‌های محاسباتی، تعداد زیادی ترکیب احتمالی را بررسی کنند و سپس گزینه‌های مناسب را برای آزمایش‌های واقعی انتخاب کنند.

در مهندسی نیز شبیه‌سازی جریان سیالات، رفتار مواد و طراحی قطعات پیچیده می‌تواند به کاهش زمان توسعه محصولات کمک کند.

آیا Rubin HPC برای کامپیوترهای خانگی عرضه می‌شود؟

این محصول برای بازار محاسبات علمی و زیرساخت‌های حرفه‌ای معرفی شده است و نباید آن را با کارت گرافیک گیمینگ RTX اشتباه گرفت.

انویدیا هنوز تمام جزئیات عملکرد مستقل، قیمت و زمان دسترسی عمومی این پردازنده را منتشر نکرده است.

جمع‌بندی: Rubin HPC نشان‌دهنده ادامه رقابت برای افزایش توان محاسبات علمی است. باید منتظر بنچمارک‌های مستقل و اطلاعات کامل توان مصرفی و عملکرد بود تا ارزش فنی و اقتصادی آن دقیق‌تر مشخص شود.