Il miglioramento delle previsioni delle scosse di assestamento dei terremoti attraverso il machine learning, la modellazione dei buchi neri attraverso i dati dei telescopi, la mappatura degli inquinanti invisibili dei mari, oppure lo sviluppo di una nuova analisi statistica per comprendere meglio i dettagli della formazione delle stelle. Sono solo alcune delle applicazioni del
nuovo supercomputer realizzato da Lenovo in collaborazione con Intel, e destinato alla
Facoltà di Arti e Scienze (FAS) Research Computing dell’Università di Harvard. Intitolato Cannon in omaggio all’astronoma americana Anne Jump Cannon, il cluster è un sistema di
High Performance Computing su larga scala che supporta attività di modellazione e simulazione per oltre 600 gruppi di laboratori e più di 4.500 ricercatori dei dipartimenti di scienze, ingegneria, scienze sociali, sanità pubblica e pedagogia di Harvard.
Composto da oltre
30.000 core di processori Intel Xeon scalabili di seconda generazione, Cannon include la tecnologia di raffreddamento a liquido
Lenovo Neptune, che utilizza la superiore conducibilità termica dell’acqua rispetto all’aria per assicurare un migliore raffreddamento dei componenti e di conseguenza maggiori prestazioni e minori consumi energetici. Il centro di calcolo primario è installato presso il Massachusetts Green High Performance Computing Center: il cluster di Cannon comprende
670 server Lenovo ThinkSystem SD650 con raffreddamento ad acqua Neptune direct-to-node e processori Intel Xeon Platinum 8268 composti da 24 core per socket e 48 core per nodo. Nelle prime quattro settimane di operatività, Cannon ha eseguito più di 4,2 milioni di lavori utilizzando oltre 21 milioni di ore-CPU.
“La scienza si basa sull’iterazione e la ripetibilità, ma l’iterazione è un lusso che non è sempre disponibile nel campo della ricerca universitaria, perché molto spesso si lavora contro il tempo”, ha commentato
Scott Yockel, director of research computing della facoltà di Arte e Scienze dell’Università di Harvard.
“Con la maggiore capacità di calcolo e l’elaborazione più veloce del cluster Cannon, i nostri ricercatori hanno l’opportunità di effettuare molteplici tentativi nella loro sperimentazione. La possibilità di commettere errori e di imparare da essi consente ai nostri ricercatori di essere più competitivi”.