Ответ в теме: Конец Света -2017(октябрь)

Главная Форумы Общие темы Конец Света -2017(октябрь) Ответ в теме: Конец Света -2017(октябрь)

#4059

Termizloy
Участник

Суперкомпьютеры для прогнозирования погоды проделали длинный путь
Майкл Фельдман | 1 марта 2017 10:09 CET

Эл. почтачирикатьподобно+1Поделиться
За кулисами практически каждого прогноза погоды мы сталкиваемся сегодня являются одними из самых мощных суперкомпьютеров на планете. Анализ кресло лучших в мире систем показывает некоторые интересные аспекты о технологиях и оборудования для высокопроизводительных вычислений используются для создания этих прогнозов.

Прогноз погоды является одним из наиболее критических высокопроизводительных вычислений приложений , которые мы имеем. Это влияет как на торговлю и жизнь людей, и делает это на ежедневной основе. По данным Национального управления океанических и атмосферных исследований (NOAA), в 2016 году, погодные явления вызвали более миллиарда долларов финансовых потерь и гибели 138 человек в одних только Соединенных Штатах. И это представляет собой относительно небогатую погоды год для страны. В Китае, историческое наводнение в 2016 году погибли 237 человек, было уничтожено около 150 000 домов, и в результате чего по меньшей мере $ 22 млрд убытков. В 2015 году тепловая волна в Индии и Пакистане унесла около 3650 смертей, в то время как европейская волна тепла позже в этом году привело к 1.250 со смертельным исходом. Возможно , самая дорогостоящая погода была катастрофа ураган Катрина в 2005 году, в результате которого погибли более 1800 человек в южных страховых расходов США и компаний более $ 40 млрд. Очевидно , что , будучи в состоянии лучше предсказать , когда и где такие события будут происходить может многое сделать , чтобы смягчить ущерб, экономя деньги, и что еще более важно, человеческие жизни.

По состоянию на ноябрь 2016 года, было 23 суперкомпьютеров в списке TOP500, посвященные либо метеорологических прогнозов. Это не включает в себя довольно большое количество систем, хранящаяся в национальных лабораториях, которые выделяют часть своих ресурсов для поддержки климата и метеорологических исследований. На самом деле, некоторые страны, не имеющие установленной метеорологической инфраструктуры, полагаться на эти исследовательские общего назначения машины для выполнения этой работы. Но специализированные суперкомпьютеры для запуска численных моделей погоды в США, Азии и Европы составляют основу большинства прогнозирования для ведущих мировых экономик.

И даже если эти 23 системы составляют менее пяти процентов суперкомпьютеров в списке TOP500, они составляют более семи процентов от общей производительности в списке — это более чем 47 Linpack петафлопс. В настоящее время самым мощным прогнозирования погоды компьютер машина Великобритании Метеорологическое бюро, машина Cray XC40 , который обеспечивает 6,8 петафлопс и сидит под номером 11 на TOP500. Вторым самым мощным является Шайенн, недавно установлена система SGI ICE XA в Национальном центре атмосферных исследований (NCAR) . Он занял 20 на последнем списке, поставляя 4,8 петафлопс.

Cray XC40 в настоящее время является самым популярным суперкомпьютер для метеорологических агентств по всему миру, утверждая, что восемь из 23 систем в этой категории приложений. Установки существуют в США (NOAA), Великобритании (Метеорологическое бюро, ЕЦСПП), Германия (Deutscher еттердинст) и Кореи (метеорологическая администрация). Другой большой XC40 машина для прогнозирования погоды, но еще не попал в TOP500, был развернут в Бюро метеорологии в Австралии.

Остальные системы состоят в основном из нескольких кластеров IBM (ныне Lenovo) iDataPlex и систем DLC лезвий Atos быка. Был также единая система Fujitsu PRIMEHPC FX100 в метеорологическом институте в Японии и более старый P460 IBM Flex System в Китайской метеорологической администрации. Последние два были единственными погодные машины не-x86 на базе в эксплуатацию, применяя SPARC64 XIfx процессора и процессора POWER7, соответственно.

Аппаратные средства в сторону, модель прогноза часто может сделать разницу между успехом и провалом. Ныне знаменитому предсказанию Европейским центром среднесрочных прогнозирования погоды (ЕЦСПП), который точно предсказал примыкания урагана Сэнди в 2012 году, в то время как Глобальная система прогнозирования (GFS), используемый в США был свой путь, направляясь к морю, служит в качестве напоминание о том, что программные модели имеют решающее значение для успеха. В любом случае, имея достаточное количество триггеров для запуска больше моделирования (и хруст больше данных), чтобы уменьшить неопределенность прогнозирования, дала ECMWF дополнительное преимущество в 2012 году.

Можно было бы естественно предположить , эти суперкомпьютеры будут все навороченного с последними ускорителей. Но за исключением суперкомпьютера Discover в Центре НАСА для климатического моделирования, ни один из TOP500 машин не используют ускорителей или других процессоров многоядерных (Discover, модельное климата платформы , а не погода системы прогнозирования само по себе, использует некоторые из старых Xeon Phi 5110P сопроцессоры.) Швейцарский Федеральное ведомство по метеорологии и климатологии, MeteoSwiss, имеет не Top500 Cray CS-Бури кластер , который использует графические процессоры NVIDIA для ускорения его ежедневного прогнозирования с использованием модели COSMO . КОСМО также используется на небольших кластеров для прогнозирования погоды в Германии, Италии, Греции, Польши, Румынии и России.

По большому счету, хотя, главные производственные системы развернуты для ускорителей отсутствие прогнозирования погоды. Некоторые компоненты популярной метеорологических исследований и прогнозирования кода модели (WRF) были перенесены на графических процессорах NVIDIA и процессоры Intel Xeon Phi. Аналогично, негидростатическая модели икосаэдрического NIM), которая используется НОАА, в настоящее время пользуется поддержкой GPU. В настоящее время, похоже, эти ускоренные коды не сделал скачок от исследований в крупносерийном производстве.

Идея получения более высокой производительности в этих суперкомпьютеров, чтобы быть в состоянии обеспечить более быстрый оборот вокруг времени для атмосферы и океана моделирования так, что суровые погодные явления могут быть предсказаны заблаговременно. Больше производительности также приравнивает к лучшей точности, с размерами сетки сократилась до 1 до 2 км на более детализированных моделей. Это приводит к более точные прогнозы, так локализованы такие явления торнадо, града, и интенсивные ливни можно предсказать на более полезных масштабах.

Даже без ускорения производительности, в 2016 году эры машины световых лет впереди, что было доступно десять лет назад. В 2006 году было такое же количество TOP500 систем прогнозирования погоды (26), но самый мощный в день был 16-терафлоп Cray X1E суперкомпьютер. Совокупная производительность для всех погодных машин в 2006 году было всего 200 терафлопс. Для того, чтобы положить, что в перспективе, на сегодняшний день, каждый суперкомпьютер, посвященный погоде моделирования обеспечивает более высокую производительность, чем этой суммы. На самом деле, нынешние первые три погодные системы обеспечивают более высокую производительность, чем весь список TOP500 в 2006 году.

Механизм прогнозирования погоды изменилась также. В 2006 году самыми популярными прогнозирования суперкомпьютеры были ESERVER pSeries кластеры компании IBM, с россыпью других машин из SGI, Cray и Hitachi. Переход от IBM Power на базе суперкомпьютеров для современных систем Cray на базе процессоров Intel Xeon, параллельно общеотраслевой переход от RISC-процессоров, таких как Сила для процессоров x86 за этот период времени.

В будущем, мы, вероятно, увидеть многие из этих систем, использующих процессоры многоядерных: Графические процессоры, процессоры Xeon Phi, и, возможно, некоторые из высокого ядро-количества чипов, разрабатываемых в Китае. Экономические и социальные мотивации, чтобы получить все более точные прогнозы неизбежно будут гнать архитектуры по этому пути. Другой вероятное развитие является интеграция машинного обучения на основе прогнозирования с более традиционными численного моделирования. Это повлияет не только оборудование, но и способы, которыми органы собираются и распределяют данные. Но это история для другого дня.

Подробнее