至顶网网络频道 06月21日 综合消息: 世界领先的高性能计算、数据中心端到端互连方案提供商Mellanox今日宣布,在最新发布的全球超级计算机Top500榜单中,InfiniBand解决方案为2017年大部分新部署的TOP500系统提供加速,数量较 Omni-Path高出2.5 倍,比其他专有互连产品多出近 3 倍。
InfiniBand加速了TOP500榜单中60%的HPC系统,并在全部千万亿次系统中占据了半壁江山(48%,较2016年11月榜单中的45%有所增长)。而且,InfiniBand 解决方案还连接了全球领先的人工智能和深度学习平台,其中包括新晋上榜的Facebook平台。这充分证明 InfiniBand现已被大规模应用,并且在高性能计算和人工智能领域占据领先的市场份额。
Mellanox持续为全球最快的超算系统提供互连,为其提供高性能、高可扩展的高效网络。此外,Mellanox 以太网解决方案还连接了榜单中所有的40 Gb以太网系统、多个10 Gb以太网系统以及首个100Gb以太网系统。
“InfiniBand的网络内计算卸载优势为用户提供了最高的应用性能、可扩展性和稳健性,帮助他们实现数据中心投资回报率的最大化。在短短六个月内,EDR InfiniBand 系统在TOP500榜单上所占的份额提升了一倍以上,而且选择 InfiniBand 的最终用户数量远远超过其他专有产品,市场份额稳中有升。另外,InfiniBand 在人工智能和深度学习平台中的部署量也在持续提高,现已成为此类解决方案的理想选择” ,Mellanox公司总裁兼CEO Eyal Waldman表示。 “我们也很高兴看到更多来自Mellanox的10、40和100G以太网解决方案出现在 500 强榜单中,总共有192个系统采用了Mellanox互连解决方案。我们计划在今年晚些时候发售新一代200Gb/s HDR InfiniBand解决方案,这将进一步提升 Mellanox 在高性能计算、云计算、Web2.0、数据库、深度学习领域以及计算与存储平台的技术优势。”
全球超级计算机TOP500排行榜以Linpack基准测试系统为评定标准,该榜单每年发布两次,公布于www.Top500.org 网站。
本次榜单亮点包括:
· 全球最快的超级计算机选用Mellanox进行互连
·在 2017 年上半年,InfiniBand 是TOP500中HPC系统采用最多的互连方案,新用户数量比 Omni-Path 高出 2.5 倍,比其他专有互连产品高出 3 倍
·Mellanox InfiniBand 和以太网解决方案加速了TOP500榜单中近 39%的系统(192个系统)
·InfiniBand 连接了全部 500 强系统中的 36%(179 个系统)
·InfiniBand 连接了TOP500中60%的HPC系统
·InfiniBand 是千万亿次级别系统的首选解决方案,连接了 TOP500 榜单中 48% 的千万亿次系统
·EDR InfiniBand的安装部署数量在六个月内增长了 2.5 倍
·InfiniBand 为千万亿次级系统提供的系统效率比 OmniPath 高出 1.7 倍
·所有的40G以太网系统均由Mellanox提供互连
·Mellanox为榜单中首个100G以太网系统提供互连
·在TOP100,TOP200及TOP300的榜单中,InfiniBand是应用最多的网络互连方案
·InfiniBand 是人工智能和深度学习系统的首选互连方案
·Mellanox 解决方案能够为机器学习、高性能计算、云、存储、大数据和更多应用提供最高的投资回报率
关于TOP500榜单的详细PPT请访问:链接
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
SEALQA是维吉尼亚理工大学研究团队开发的新型基准测试,旨在评估搜索增强型语言模型在面对矛盾、嘈杂或无用搜索结果时的推理能力。它包含三种测试:SEAL-0(极具挑战性的核心问题集)、SEAL-HARD(更广泛的困难问题集)和LONGSEAL(测试长上下文多文档推理)。研究发现,即使是前沿模型在这些测试中表现也很差,增加测试时计算资源往往不能带来可靠的性能提升,高级推理模型对嘈杂搜索结果特别敏感,模型在识别大量干扰文档中的相关信息时仍然困难重重。
这篇论文提出了"计划与预算"框架,解决大型语言模型在推理任务中的效率问题。研究者发现模型存在"推理失调"现象——简单问题上过度思考,复杂问题上思考不足。他们开发了贝叶斯预算分配模型(BBAM)作为理论基础,将推理分解为子问题并根据不确定性分配计算资源。实验表明,该方法在不同任务上显著提高推理效率,令牌使用减少39%,E?指标提升187.5%,且能使小型模型达到大型模型的效率水平。