مطالعه LightSolver شتاب‌های بزرگ در محاسبات فوتونیکی را پیش‌بینی می‌کند
شرکت اسرائیلی محاسبات فوتونیکی LightSolver و مرکز محاسبات با کارایی بالای اشتوتگارت آلمان پژوهشی منتشر کردند که بررسی می‌کند آیا محاسبات نوری می‌تواند یک دسته مهم از محاسبات علمی را به شدت سرعت بخشد.
مطالعه چه چیزی را بررسی کرد
مطالعه بر دستگاه‌های تنک معادلات خطی تمرکز داشت، مسائل ریاضی که در مهندسی و شبیه‌سازی‌های علمی بارها تکرار می‌شوند.
پژوهشگران عملکرد پیش‌بینی‌شده از شبیه‌ساز Laser Processing Unit شرکت LightSolver، یا LPU، را با الگوریتم‌های تکراری شناخته‌شده روی GPU مقایسه کردند.
بسته به مسئله و الگوریتم، مطالعه بهبود زمان رسیدن به راه‌حل را از حدود 40 برابر تا بیش از 80,000 برابر پیش‌بینی کرد.
پیش‌بینی، نه اندازه‌گیری
این رقم به یک توضیح مهم نیاز دارد.
در این مقایسه از شبیه‌ساز معماری LPU استفاده شد. بنابراین ارقام، پیش‌بینی هستند و نه عملکرد اندازه‌گیری‌شده از یک پردازنده فوتونیکی تجاری در حال استفاده.
مقاله داوری‌شده با عنوان “Accelerating Sparse Linear Solvers with an Optical Laser Processing Unit” (شتاب‌دهی حل‌کننده‌های خطی تنک با یک واحد پردازش لیزری نوری) در مجموعه مقالات 23مین کنفرانس بین‌المللی ACM درباره Computing Frontiers منتشر شد.
درباره LightSolver
LightSolver در اسرائیل تأسیس شده و سامانه‌های محاسباتی توسعه می‌دهد که از نور برای انجام عملیات ریاضی منتخب استفاده می‌کنند.
به جای معرفی پردازنده‌های نوری به عنوان جایگزین محاسبات سنتی، مدل شرکت همکاری CPUs، GPUs و LPUs را در نظر می‌گیرد، به طوری که هر نوع پردازنده بارهای کاری مناسب معماری خود را انجام دهد.
چرا اهمیت دارد
دستگاه‌های خطی تنک مهم هستند زیرا در حوزه‌هایی از جمله دینامیک سیالات، مهندسی سازه، الکترومغناطیس، علم مواد و دیگر شبیه‌سازی‌های بزرگ به گلوگاه محاسباتی تبدیل می‌شوند.
اگر سخت‌افزار واقعی در نهایت بتواند نتایج پیش‌بینی‌شده را با دقت، قابلیت اطمینان و هزینه قابل قبول بازتولید کند، شتاب‌دهنده‌های تخصصی فوتونیکی می‌توانند زمان محاسبه برخی بارهای کاری محاسبات با کارایی بالا را به شکل قابل توجهی کاهش دهند.
این هنوز یک شرط تأییدنشده است.
تحول فعلی محدودتر اما همچنان مهم است: یک معماری اسرائیلی محاسبات فوتونیکی در پژوهش مشترک داوری‌شده با یک مؤسسه بزرگ ابررایانش آلمان ارزیابی شده و پیش‌بینی‌های عملکردی تولید کرده است که آزمایش‌های بیشتر سخت‌افزاری را توجیه می‌کند.
