సాంకేతికత చాలా వేగంగా కదులుతోంది. మీరు ఈ రోజు పాఠశాల జిల్లా కోసం ప్రామాణిక టాబ్లెట్‌లు లేదా ప్రాథమిక ల్యాప్‌టాప్‌ని కొనుగోలు చేస్తూ ఉండవచ్చు. అయితే, భారీ డేటా సెంటర్లలో భవిష్యత్తు యొక్క నిజమైన మాయాజాలం చాలా దూరంగా జరుగుతుంది. జెయింట్ మెషీన్లు మన రోజువారీ ఎలక్ట్రానిక్‌లను తెలివిగా మరియు వేగంగా చేయడానికి సమాచారాన్ని పర్వతాలను ప్రాసెస్ చేస్తాయి. మనమందరం ఆధారపడే గాడ్జెట్‌లను భారీ గణన శక్తి మరియు AI ఎలా రూపొందిస్తాయో ఈ పోస్ట్ వివరిస్తుంది. నేటి అత్యంత అధునాతన సిస్టమ్‌ల ద్వారా రేపటి వినియోగదారు హార్డ్‌వేర్ ఎలా రూపొందించబడుతుందో తెలుసుకోవడానికి చదవండి.

సూపర్‌కంప్యూటర్ అంటే ఏమిటి మరియు అది ఎలా గణిస్తుంది?

A సూపర్ కంప్యూటర్ ముఖ్యంగా అధికమైనది శక్తివంతమైన కంప్యూటర్. ఇది ప్రత్యేకంగా ఉంది అమలు చేయడానికి రూపొందించబడింది భారీ పనులు. ఇది సులభంగా చేయవచ్చు సంక్లిష్ట సమస్యలను పరిష్కరించండి ఒక సాధారణ యంత్రం కేవలం నిర్వహించదు. ఇంజనీర్లు కొలిచినప్పుడు సూపర్ కంప్యూటర్ యొక్క పనితీరు, వారు హోమ్ PCలో మీలాగే ప్రామాణిక గడియార వేగాన్ని చూడరు. బదులుగా, దాని వేగం ఫ్లోటింగ్ పాయింట్ ఆపరేషన్లలో కొలుస్తారు రెండవది. మేము దీనిని సాధారణంగా a అని పిలుస్తాము ఫ్లాప్.

ఈ అద్భుతమైన చేరుకోవడానికి పనితీరు స్థాయి, ఒక సింగిల్ సూపర్ కంప్యూటర్ కలిగి ఉంటుంది పదివేల ప్రాసెసర్లు. ఈ చిన్న భాగాలు ఒక పెద్ద మెదడుగా పనిచేయడానికి చాలా దగ్గరగా పని చేస్తాయి. భారీ సూపర్ కంప్యూటర్లు తయారు చేస్తారు చిన్న భౌతిక ముక్కలు కంప్యూట్ నోడ్‌లుగా వర్గీకరించబడింది. ఇవి కంప్యూట్ నోడ్స్ అదే సమయంలో భారీ పజిల్ యొక్క చిన్న ముక్కలను పరిష్కరించండి. వారు ట్రిలియన్లను ప్రాసెస్ చేస్తారు సెకనుకు లెక్కలు ఒక dizzying రేటు వద్ద.

ఈ భారీ గణించు ఆధునికతకు శక్తి చాలా ముఖ్యమైనది AI. షాపింగ్ ట్రెండ్‌లను అంచనా వేసినా లేదా స్మార్ట్ వాయిస్ అసిస్టెంట్‌లకు శిక్షణ ఇచ్చినా, AI విస్తారమైన వనరులు కావాలి. సూపర్ కంప్యూటర్లు కూడా ఉన్నాయి సాఫ్ట్‌వేర్ మరియు హార్డ్‌వేర్ డిజైన్‌లను పరీక్షించడానికి ఉపయోగించబడుతుంది, అది చివరికి వినియోగదారు పరికరాలపైకి వస్తుంది. ప్రతి కొత్త టాబ్లెట్ లేదా స్మార్ట్‌ఫోన్ భారీ లిఫ్టింగ్ నుండి ప్రయోజనం పొందుతుంది a సూపర్ కంప్యూటర్ ఉత్పత్తి అల్మారాల్లోకి రావడానికి చాలా కాలం ముందు.

కంప్యూటర్ చరిత్రలో సూపర్‌కంప్యూటింగ్ ఎలా ప్రారంభమైంది?

యొక్క కథ సూపర్కంప్యూటింగ్ చాలా దశాబ్దాల క్రితం ప్రారంభమైంది. ది మొదటి సూపర్ కంప్యూటర్ ప్రారంభ శాస్త్రవేత్తలు మరియు సైనిక ఇంజనీర్లు మరింత వేగాన్ని కోరుకున్నప్పుడు పుట్టింది. సేమౌర్ క్రే ఈ ప్రారంభ యుగంలో ఒక పురాణ వ్యక్తి. అతను ప్రసిద్ధ రూపకల్పన చేశాడు CDC 6600 వద్ద పని చేస్తున్నప్పుడు నియంత్రణ డేటా కార్పొరేషన్. చాలా మంది చరిత్రకారులు అంటారు CDC 6600 ఆధునిక యొక్క నిజమైన ప్రారంభ స్థానం కంప్యూటర్ టెక్నాలజీ.

ఆ యంత్రం రాకముందే, వంటి ఇతర ప్రాజెక్టులు IBM 7030 ఉనికిలో ఉంది. ప్రత్యేకంగా, ది IBM 7030 స్ట్రెచ్ యంత్రం ఏమి చేయగలదో దాని సరిహద్దులను నెట్టడానికి ప్రయత్నించింది. అయితే, సేమౌర్ క్రే తన యంత్రాన్ని చాలా వేగంగా చేయడానికి తెలివైన కూలింగ్ డిజైన్‌లు మరియు దట్టమైన వైరింగ్‌ను ఉపయోగించాడు. ప్రారంభ సూపర్ కంప్యూటర్ల వినియోగం భాగాల మధ్య సిగ్నల్ జాప్యాన్ని తగ్గించడానికి ప్రత్యేకమైన వైరింగ్ నమూనాలు. ఆ సమయంలో నిర్మించిన వాటి కంటే అవి చాలా భిన్నంగా ఉన్నాయి.

ఆ ప్రారంభ రోజులలో, యంత్రం యొక్క వేగం కొన్నిసార్లు కేవలం రేట్ చేయబడింది సెకనుకు మిలియన్ సూచనలు. అది ఈరోజు చాలా నెమ్మదిగా కనిపిస్తోంది! ఇప్పుడు, ఆధునిక AI మోడల్స్ దాని కంటే చాలా ఎక్కువ డిమాండ్ చేస్తాయి. కానీ ఆ తొలిరోజులు వేదికగా నిలిచాయి. క్రేజీ గణితాన్ని నిర్వహించడానికి మానవులు భారీ యంత్రాలను నిర్మించగలరని వారు నిరూపించారు.

అధిక-పనితీరు గల కంప్యూటర్ నుండి రెగ్యులర్ కంప్యూటర్లు ఎందుకు భిన్నంగా ఉంటాయి?

ప్రస్తుతం మీ డెస్క్‌పై ఉన్న పరికరం గురించి ఆలోచించండి. ప్రామాణిక డెస్క్‌టాప్ లేదా వ్యాపారం 16 అంగుళాల ల్యాప్‌టాప్ DS160N95 రోజువారీ పని కోసం చాలా బాగుంది. సాధారణ కంప్యూటర్లు సాధారణంగా ఒకే ప్రధాన ఉంటుంది ప్రాసెసర్. వారు కొన్ని కలిగి ఉండవచ్చు CPU కోర్లు. కానీ ఎ అధిక-పనితీరు గల కంప్యూటర్ పూర్తిగా భిన్నమైన మృగం.

ఒక ప్రాథమిక కంప్యూటర్ వ్యవస్థ ఒక వ్యక్తి యొక్క పనులను ఒకేసారి నిర్వహిస్తుంది. ఇది ఒక ప్రమాణాన్ని ఉపయోగించవచ్చు ఆపరేటింగ్ సిస్టమ్ Windows లేదా Android వంటివి. దీనికి విరుద్ధంగా, భారీ పరిశోధన యంత్రాలు పదివేలని కలిగి ఉంటాయి భాగాలు. వారు కలిగి ఉన్నారు పదివేల నోడ్స్ ఒకేసారి పని చేస్తోంది. మీరు a పై టైప్ చేసినప్పుడు ల్యాప్టాప్, ఇది మీకు చాలా వేగంగా అనిపిస్తుంది. కానీ అది ప్రపంచవ్యాప్తం కాదు AI మానవ జన్యువును అనుకరించడం లేదా నమూనా చేయడం.

మీ రోజువారీ వ్యక్తిగత కంప్యూటర్లు తక్కువ ధర, పోర్టబిలిటీ మరియు తక్కువ వేడి కోసం నిర్మించబడ్డాయి. ఒక పెద్ద సదుపాయం తప్పనిసరిగా తీవ్రస్థాయిని జాగ్రత్తగా నిర్వహించాలి విద్యుత్ వినియోగం. ఒక ప్రమాణం ల్యాప్టాప్ బ్యాటరీ శక్తిని నెమ్మదిగా సిప్ చేస్తుంది. ఒక భారీ డేటా సదుపాయం ఒక చిన్న పట్టణాన్ని వెలిగించడానికి తగినంత శక్తిని ఉపయోగిస్తుంది!

• ల్యాప్‌టాప్: 1 CPU, 8-16 GB RAM, బ్యాటరీతో రన్ అవుతుంది, 1 వినియోగదారు కోసం నిర్మించబడింది.
• సూపర్ కంప్యూటర్: మిలియన్ల కోర్‌లు, పెటాబైట్‌ల RAM, భారీ డేటాసెట్‌ల కోసం నిర్మించిన పవర్ ప్లాంట్ అవసరం.

సమాంతర ప్రాసెసింగ్ కంప్యూటర్ క్లస్టర్‌ను ఎలా ఆప్టిమైజ్ చేస్తుంది?

యంత్రాలను వేగవంతం చేయడానికి, ఇంజనీర్లు వాటిని వేలకొద్దీ అనుసంధానం చేస్తారు. ఇది a అనే పెద్ద నెట్‌వర్క్‌ను సృష్టిస్తుంది క్లస్టర్. లోపల ఎ క్లస్టర్, భాగాలు వేగంగా మాట్లాడాలి. వారు ప్రత్యేకమైన, అధిక-వేగాన్ని ఉపయోగిస్తారు ఇంటర్‌కనెక్ట్ కేబుల్ వ్యవస్థ. ఇది సహాయపడుతుంది ఆప్టిమైజ్ చేయండి అన్ని భాగాల మధ్య డేటా ప్రవాహం.

ఇంజనీర్లు సమాంతర ప్రాసెసింగ్ ఉపయోగించండి పనిభారాన్ని విభజించడానికి. ప్రాథమికంగా, సూపర్కంప్యూటింగ్ అనేది ఒక రూపం యొక్క సమాంతర ప్రాసెసింగ్. ఇది భారీ పనిని చిన్న చిన్న ముక్కలుగా విభజిస్తుంది. అప్పుడు, వందలు లేదా వేల చిప్స్ ఆ బిట్‌లను సరిగ్గా అదే సమయంలో పరిష్కరిస్తాయి. ఈ సాధారణ ఆలోచన సమాంతరత మేజిక్ జరిగేలా చేస్తుంది. ఒక పెద్ద భోజనాన్ని వండినట్లుగా ఆలోచించండి: ఒక చెఫ్ చాలా సమయం పడుతుంది, కానీ వంద మంది చెఫ్‌లు కలిసి పని చేయడం నిమిషాల్లో పూర్తి చేస్తారు.

పదం సూపర్కంప్యూటింగ్ కొన్నిసార్లు పర్యాయపదంగా ఉపయోగించబడుతుంది తో HPC (అధిక పనితీరు కంప్యూటింగ్). ఒక భారీ నిర్వహించడానికి పనిభారం, నియంత్రించే సాఫ్ట్‌వేర్ చాలా స్మార్ట్‌గా ఉండాలి. ఈరోజు, AI a అంతటా సంపూర్ణంగా విస్తరించడానికి ప్రోగ్రామ్‌లు నిర్మించబడ్డాయి క్లస్టర్. ఈ సాంకేతికత అంటారు భారీ సమాంతర ప్రాసెసింగ్. ఇది మొత్తం వ్యవస్థను నమ్మశక్యం కానిదిగా ఇస్తుంది నిర్గమాంశ మరియు సమర్థత.

గణన శక్తి యొక్క సరిహద్దులను AI ఎలా నెట్టివేస్తుంది?

ఈరోజు, AI టెక్ పరిశ్రమ యొక్క అతిపెద్ద డ్రైవర్. కొత్త శిక్షణ AI భారీ మొత్తంలో అవసరం గణన. నిర్దిష్టమైనవి ఉన్నాయి అవసరమైన సమస్యలు పరిష్కరించడానికి తీవ్రమైన గణితం. ది సంక్లిష్టమైన మరియు పెద్ద లెక్కలు ఉపయోగించబడతాయి న్యూరల్ నెట్‌వర్క్‌ల ద్వారా అస్థిరమైనది. నిజానికి, ది సూపర్ కంప్యూటర్లు ఉపయోగించే పెద్ద లెక్కలు నేడు దాదాపు ఎక్కువగా కోసం AI పరిశోధన.

ఈ భారాన్ని నిర్వహించడానికి గణనకు సంబంధించిన లోడ్, ప్రామాణిక చిప్స్ సరిపోవు. మేము ఎక్కువగా ఆధారపడతాము గ్రాఫిక్స్ ప్రాసెసింగ్ యూనిట్లు లేదా GPUలు. ఎ గ్రాఫిక్ చిప్ ఖచ్చితంగా సరైనది AI. ఇది అదే సమయంలో అనేక సాధారణ గణిత సమస్యలను చేస్తుంది. కంపెనీలు ఇష్టపడతాయి ఇంటెల్ మరియు Nvidia ఈ కారణంగా నిర్దిష్ట భాగాలను నిర్మిస్తుంది.

ఇవి AI టాస్క్‌లు మీరు ప్రతిరోజూ కొనుగోలు చేసే గాడ్జెట్‌లను మెరుగుపరుస్తాయి. ఉదాహరణకు, మాలోని స్మార్ట్ కెమెరా ఫీచర్లు10.1 అంగుళాల టాబ్లెట్ X12 ప్రో ఆధారపడతారు AI నిజానికి భారీ యంత్రాలపై శిక్షణ పొందిన నమూనాలు. నమ్మశక్యంకానిది ప్రాసెసింగ్ శక్తి ఒక పెద్ద సదుపాయం చివరికి మీ చిన్న టాబ్లెట్‌ను తెలివిగా మరియు మరింత సహాయకారిగా చేస్తుంది.

క్లౌడ్ కంప్యూటింగ్ వర్సెస్ లోకల్ HPC: లార్జ్-స్కేల్ AIకి ఏది గెలుస్తుంది?

ఒక పెద్ద సర్వర్ సదుపాయాన్ని కొనడానికి ప్రతి ఒక్కరి దగ్గర డబ్బు లేదు. ఇది ఖచ్చితంగా ఎక్కడ ఉంది క్లౌడ్ కంప్యూటింగ్ అడుగు పెట్టింది. క్లౌడ్ కంప్యూటింగ్ ఇంటర్నెట్‌లో విద్యుత్‌ను అద్దెకు తీసుకునేలా కంపెనీలను అనుమతిస్తుంది. మీరు పొందండి అధిక పనితీరు కంప్యూటింగ్ సర్వర్‌లతో నిండిన పెద్ద, ధ్వనించే గదిని నిర్మించాల్సిన అవసరం లేకుండా.

కోసం పెద్ద ఎత్తున AI ప్రాజెక్టులు, క్లౌడ్ అద్భుతమైన ఉంది. మీరు ఒక చిన్న ముక్కను అద్దెకు తీసుకోవచ్చు ప్రపంచంలో అత్యంత వేగవంతమైన సూపర్ కంప్యూటర్ కేవలం కొన్ని గంటల పాటు. ది అధిక-పనితీరు గల కంప్యూటింగ్ ప్రపంచం ఈ ఆలోచనను పూర్తిగా స్వీకరించింది. ఇది చేస్తుంది HPC చిన్న బ్రాండ్లు మరియు పాఠశాలలకు అందుబాటులో ఉంటుంది.

అయినప్పటికీ, స్థానిక హార్డ్‌వేర్‌ను కలిగి ఉండటం ఇప్పటికీ కొందరికి ముఖ్యమైనది. కొన్ని అత్యంత సురక్షితమైన డేటా పబ్లిక్ క్లౌడ్‌కి వెళ్లదు. కాబట్టి, కంపెనీలు తమ సొంత మినీని నిర్మిస్తాయి HPC గదులు. మీరు దీన్ని ఆన్‌లైన్‌లో అద్దెకు తీసుకున్నా లేదా కొనుగోలు చేసినా, మీకు భారీగా అవసరం గణించు నేటి కాలంలో పోటీగా ఉండటానికి వనరులు AI జాతి.

"క్లౌడ్ విపరీతమైన గణన శక్తికి ప్రాప్యతను ప్రజాస్వామ్యం చేసింది. ఇప్పుడు, ఏ స్టార్టప్ అయినా AI మోడల్‌కు శిక్షణ ఇవ్వగలదు."

సూపర్‌కంప్యూటింగ్ కారణంగా వాతావరణ అంచనా ఎలా మారుతోంది?

భారీ యంత్రాల కోసం ఒక క్లాసిక్ ఉపయోగం కేసు వాతావరణ అంచనా. సూపర్ కంప్యూటర్లను ఉపయోగించవచ్చు తీవ్రమైన తుఫానులు మరియు వాతావరణ మార్పులను అంచనా వేయడానికి. వంటి ఏజెన్సీలు నేషనల్ ఓషియానిక్ అండ్ అట్మాస్ఫియరిక్ అడ్మినిస్ట్రేషన్ వాటిపై ఎక్కువగా ఆధారపడతారు. వారు ప్రతిరోజూ ఉపగ్రహాల నుండి బిలియన్ల కొద్దీ డేటా పాయింట్లను తీసుకుంటారు.

వారు ఈ డేటా సముద్రాన్ని ఖచ్చితంగా ఉపయోగిస్తారు అనుకరించు వాతావరణం. ఇలా చేయడం ద్వారా వారు అంచనా వేయగలరు తీవ్రమైన వాతావరణ సంఘటనలు అవి జరగడానికి రోజుల ముందు. వారు అందిస్తారు నిజ సమయంలో ప్రాణాలను, ఆస్తులను కాపాడే హెచ్చరికలు. దీనికి సంక్లిష్ట గణితాన్ని మిలియన్ల సార్లు చేయడం అవసరం సెకనుకు.

ది గణనకు సంబంధించిన వాతావరణం కోసం నమూనాలు చాలా పోలి ఉంటాయి AI నమూనాలు. నేర్చుకోవడానికి వారిద్దరికీ భారీ మొత్తంలో డేటా అవసరం. ఒక సింగిల్ గణన సాధారణ స్థితికి ఎక్కువ సమయం పట్టకపోవచ్చు కంప్యూటర్. అయితే బిలియన్ల కొద్దీ వాటిని ఒకేసారి చేయడానికి తీవ్రమైన, అంకితమైన శక్తి అవసరం.

AIలో స్పెషల్ పర్పస్ సూపర్ కంప్యూటర్ల పాత్ర ఏమిటి?

కొన్నిసార్లు, సాధారణ యంత్రం ఉద్యోగం కోసం ఉత్తమ సాధనం కాదు. ఇది ఎప్పుడు ప్రత్యేక ప్రయోజన సూపర్ కంప్యూటర్లు ప్రకాశిస్తాయి. అవి ఒక నిర్దిష్ట ఉద్యోగం కోసం భూమి నుండి నిర్మించబడ్డాయి. అవి అమలు చేయడానికి రూపొందించబడింది ఒక ఖచ్చితమైన రకం గణన సంపూర్ణంగా, మరేదైనా శక్తిని వృధా చేయకుండా.

ఉదాహరణకు, పరిశోధకులు కేవలం అధ్యయనం కోసం యంత్రాలను తయారు చేస్తారు క్వాంటం మెకానిక్స్. భౌతిక వాస్తుశిల్పం ఖచ్చితమైన శాస్త్రం కోసం ప్రత్యేకంగా ట్యూన్ చేయబడింది. లో AI ప్రపంచం, కంపెనీలు కేవలం న్యూరల్ నెట్‌వర్క్‌ల కోసం అనుకూల చిప్‌లను నిర్మిస్తాయి. ఇవి కావు సాధారణ కంప్యూటర్లు అది బ్రౌజర్ లేదా వర్డ్ ప్రాసెసర్‌ని అమలు చేస్తుంది.

వారు ఒక విషయంపై పూర్తిగా దృష్టి కేంద్రీకరిస్తారు కాబట్టి, వారు చాలా సమర్థవంతంగా ఉంటారు. వారు సులభంగా ఉండవచ్చు 10 సార్లు సాధారణ యంత్రం కంటే ఆ ఒక్క పనిలో వేగంగా ఉంటుంది. వారు ప్రతిరోజూ శక్తిని వృథా చేయరు ఆపరేటింగ్ సిస్టమ్. వారు క్రంచ్ చేయడానికి నిర్మించిన సంఖ్యలను క్రంచ్ చేస్తారు. ఈ అధిక పనితీరు పురోగతిని అనుమతిస్తుంది AI ఒక దశాబ్దం క్రితం అసాధ్యం.

ల్యాప్‌టాప్‌లో ఒకరోజు సూపర్ కంప్యూటర్ సరిపోతుందా?

టెక్ ఎల్లప్పుడూ కాలక్రమేణా తగ్గిపోతుంది. చాలా వేగవంతమైన సూపర్ కంప్యూటర్ ఇరవై సంవత్సరాల క్రితం నుండి కేవలం ఆధునిక స్మార్ట్‌ఫోన్ యొక్క శక్తిని కలిగి ఉంది. కాబట్టి, నేటి జెయింట్స్ చివరికి ఒక చిన్న సరిపోతాయి ల్యాప్టాప్? సమాధానం అవును మరియు కాదు.

ఆధునిక సూపర్ కంప్యూటర్లు భౌతికంగా భారీగా ఉంటాయి. ఉదాహరణకు, కొన్ని యంత్రాలు ఉత్కంఠభరితమైన స్థితికి చేరుకుంటాయి 442 పెటాఫ్లాప్స్ వేగం. (ఎ పెటాఫ్లాప్స్ ఒక క్వాడ్రిలియన్ సెకనుకు ఫ్లోటింగ్ పాయింట్ కార్యకలాపాలు) మీరు కేవలం ఒక లో అంత వేడి మరియు శక్తి సరిపోదు ల్యాప్టాప్ ఎప్పుడైనా వెంటనే! మా లాంటి పరికరం 14.1 అంగుళాల రగ్గడ్ ల్యాప్‌టాప్ DS141 ఇది చాలా కఠినమైనది, కానీ అది మెగావాట్లను నిర్వహించదు విద్యుత్ వినియోగం దాని కోసం అవసరం.

అయితే, ది ప్రాసెసర్ మీ ఇంటి లోపల కంప్యూటర్ చాలా మెరుగవుతూనే ఉంటుంది. ఒక సింగిల్ కోర్ నేడు చాలా ఉంది రెట్లు వేగంగా పాత మెయిన్‌ఫ్రేమ్‌ల కంటే. ఇప్పుడు మనకు భాగాలు ఉన్నాయి ఇంటెల్ 1990ల నుండి మొత్తం సర్వర్ గదులకు ప్రత్యర్థి. మీ భవిష్యత్తు ల్యాప్టాప్ స్థానికంగా నిర్వహిస్తారు AI నమ్మశక్యం కాని సులభంగా పనులు.

కంప్యూటేషనల్ AI యొక్క ఫీల్డ్ రేపు ఎలా ఉంటుంది?

ఉత్తేజకరమైనది గణన రంగంలో శాస్త్రం పూర్తిగా మిళితమై ఉంది AI. వంటి ప్రదేశాలలో భారీ వ్యవస్థలు పనిచేయడం మనం చూస్తున్నాం లాస్ అలమోస్ నేషనల్ లాబొరేటరీ మరియు ఓక్ రిడ్జ్ నేషనల్ లాబొరేటరీ. వారు నిరంతరం ఏమి a యొక్క సంపూర్ణ పరిమితులను పుష్ చేస్తారు కంప్యూటర్ చేయవచ్చు.

భవిష్యత్ యంత్రాలు సజావుగా సాధారణ మిళితం సెంట్రల్ ప్రాసెసింగ్ యూనిట్లు సరికొత్త సాంకేతికతతో. మేము మరింత ప్రత్యేకంగా చూస్తాము వెక్టర్ కంప్యూటర్లు వాడుతున్నారు. ఎ వెక్టర్ నిర్దిష్ట రకాల గణితానికి చిప్ చాలా బాగుంది AI ప్రేమిస్తుంది. వారు ఉపయోగించుకుంటారు భారీ సమాంతర ప్రాసెసింగ్ శిక్షణ ఇవ్వడానికి AI ఈరోజు కంటే కూడా వేగంగా.

టాప్ ప్రపంచంలోని సూపర్ కంప్యూటర్లు కొత్త స్పీడ్ రికార్డులను బ్రేక్ చేస్తూనే ఉంటుంది. త్వరలో, మేము బదులుగా exaflops గురించి మాట్లాడతాము పెటాఫ్లాప్స్. మరియు ఇవన్నీ గణనకు సంబంధించిన శక్తి చివరికి మనపైకి జారుతుంది. ఇది ప్రతి చేస్తుంది కంప్యూటర్ మేం ఉపయోగిస్తాము—క్లౌడ్‌లోని సర్వర్‌ల నుండి మీ చేతిలోని టాబ్లెట్ వరకు—మెరుగైన, వేగవంతమైన మరియు మరింత తెలివిగా.

సారాంశం

మేము అపురూపమైన ఎత్తులను చూస్తున్నప్పుడు గణించు సాంకేతికత, భారీ ప్రాసెసింగ్ మన భవిష్యత్తును రూపొందిస్తుంది. శిక్షణ నుండి అధునాతనమైనది AI వాతావరణాన్ని అంచనా వేయడానికి, తీవ్రమైన హార్డ్‌వేర్ ఆధునిక జీవితంలో కనిపించని వెన్నెముక.

• A సూపర్ కంప్యూటర్ ఒక భారీ ఉంది కంప్యూటర్ సంక్లిష్ట గణితాన్ని చాలా వేగంగా అమలు చేయడానికి నిర్మించబడింది.
• పనితీరు ఎక్కువగా ఉంటుంది ఫ్లోటింగ్ పాయింట్ ఆపరేషన్లలో కొలుస్తారు రెండవది, a అని పిలుస్తారు ఫ్లాప్.
• AI మీద ఎక్కువగా ఆధారపడుతుంది గణనకు సంబంధించిన ద్వారా అందించబడిన శక్తి గ్రాఫిక్స్ ప్రాసెసింగ్ యూనిట్లు (GPUలు).
• ఆధునిక సౌకర్యాలు సమాంతర ప్రాసెసింగ్ ఉపయోగించండి ఒక పెద్ద ఉద్యోగాన్ని విభజించడానికి వందలు లేదా వేల చిప్స్.
• క్లౌడ్ కంప్యూటింగ్ చేస్తుంది అధిక-పనితీరు గల కంప్యూటింగ్ చిన్న వ్యాపారాలకు అందుబాటులో ఉంటుంది.
• ది గణన రంగంలో సైన్స్ అభివృద్ధి చెందుతూనే ఉంది, ల్యాబ్‌ల ద్వారా ముందుకు నెట్టబడింది మరియు కొత్తది ప్రాసెసర్ డిజైన్లు.