O que é supercomputação de próxima geração?

O foco da supercomputação está gradualmente mudando de simplesmente aumentar o poder computacional para a integração profunda de vários paradigmas de computação. Como uma força motriz fundamental no setor, a NVIDIA revelou sua plataforma de computação científica de próxima geração, construída em torno de Simulação, IA (Inteligência Artificial) e Computação Quântica. Por meio de soluções inovadoras, como a CPU Vera, tecnologia proprietária de interconexão óptica de alta velocidade e o modelo físico pré-treinado Apollo, a NVIDIA está se esforçando para criar uma estrutura de computação unificada que equilibre desempenho, eficiência energética e escalabilidade, fornecendo novo suporte de infraestrutura para futuras pesquisas científicas e aplicações de IA em larga escala.

Os três principais paradigmas de computação estão convergindo

Nas últimas décadas, o desenvolvimento da supercomputação tem se baseado principalmente na simulação numérica para impulsionar a pesquisa científica e a inovação em engenharia por meio da resolução de equações físicas complexas. No entanto, os rápidos avanços em inteligência artificial e computação quântica significam que as futuras plataformas de supercomputação estão se afastando de arquiteturas de computação únicas em direção a arquiteturas mais diversas e convergentes.

Uma das coisas mais importantes para a computação de alto desempenho é a simulação científica. A simulação numérica tradicional ainda é usada para cálculos importantes em áreas como previsão climática, pesquisa e desenvolvimento de materiais e análise de dinâmica de fluidos. Mas a IA pode tornar as coisas muito melhores. Ela pode fazer as coisas muito mais rápido do que antes. Ela pode fazer coisas que costumavam levar muito tempo.

Ao mesmo tempo, a inteligência artificial está se tornando uma ferramenta vital de produtividade na pesquisa científica. Da IA generativa à IA para Ciência, um número cada vez maior de instituições de pesquisa está aproveitando a IA para processar enormes volumes de dados experimentais, auxiliar no treinamento de modelos e acelerar a validação de descobertas de pesquisa. A IA não é mais apenas uma tecnologia em nível de aplicação, mas está sendo gradualmente integrada a todo o fluxo de trabalho de computação científica.

A computação quântica representa outro caminho de desenvolvimento digno de atenção. Embora ainda esteja nos estágios iniciais de comercialização, “arquiteturas híbridas quântico-clássicas”—nas quais a computação quântica trabalha em conjunto com a computação tradicional de alto desempenho—tornaram-se uma área-chave de exploração para o setor. No futuro, certos tipos de problemas complexos poderão ser acelerados pela computação quântica, enquanto as plataformas de computação tradicionais continuarão a lidar com tarefas de computação de uso geral em larga escala.

A julgar pelas tendências atuais, os futuros supercomputadores não irão mais simplesmente empilhar capacidade computacional; em vez disso, construirão uma nova geração de plataformas de computação mais eficientes e inteligentes por meio da integração sinérgica de simulação científica, inteligência artificial e computação quântica.

AI for Science está avançando rapidamente rumo a aplicações práticas

No passado, a pesquisa científica dependia principalmente de simulações numéricas para reconstruir e prever o mundo físico. No entanto, à medida que os volumes de dados continuam a crescer, os métodos computacionais tradicionais por si só estão cada vez menos capazes de atender às demandas da pesquisa científica. Hoje, a IA está evoluindo gradualmente de uma ferramenta de apoio para um método central de pesquisa, não apenas transformando a forma como os problemas científicos são resolvidos, mas também impulsionando muitas descobertas de pesquisa rumo a aplicações práticas.

Na pesquisa climática, a combinação de IA e computação de alto desempenho já demonstrou ganhos notáveis de eficiência. Por exemplo, a plataforma de simulação climática de próxima geração baseada no projeto Earth-2 pode modelar o clima global com resolução de 1 quilômetro e reduzir significativamente os ciclos de simulação. Tarefas computacionais que antes levavam um tempo considerável para serem concluídas agora geram previsões muito mais rápido, fornecendo suporte de dados mais oportuno para alertas de eventos climáticos extremos e pesquisas climáticas.

A dinâmica de fluidos também é uma das áreas em que a aceleração por IA é mais evidente. Simulações tradicionais de CFD frequentemente levam horas ou até mais. Ainda assim, com a ajuda de modelos substitutos de IA e do framework Physics-NeMo, alguns cálculos complexos de campo de escoamento foram comprimidos para apenas alguns segundos, mantendo alta precisão. Esse ganho de eficiência tem valor significativo para os setores aeroespacial, de design automotivo e de manufatura industrial.

Na pesquisa de fusão nuclear, a tecnologia de gêmeo digital é um novo desenvolvimento. Ao combinar o Omniverse com modelos de IA, os pesquisadores podem criar réplicas digitais de reatores de fusão em tempo real e prever mudanças no estado do plasma muito rapidamente. Isso ajuda a tornar os experimentos mais eficientes e cria uma nova maneira de explorar a futura comercialização da energia de fusão.

A tecnologia de IA também é amplamente utilizada para prever terremotos e tsunamis. Usando informações sobre atividades sísmicas passadas, grandes modelos de IA podem identificar rapidamente riscos potenciais e estimar a probabilidade de um tsunami no momento. Esse método fornece alertas antecipados, que dão às pessoas tempo para prevenir ou reduzir o impacto de um desastre.

Ao mesmo tempo, “IA para a Ciência” está impulsionando upgrades na infraestrutura global de pesquisa científica. Um número crescente de instituições nacionais de pesquisa está construindo novas plataformas de supercomputação projetadas para IA. Por exemplo, o RIKEN do Japão está implantando um sistema de próxima geração baseado na arquitetura NVIDIA Blackwell. Por meio da operação coordenada de clusters de GPU, redes InfiniBand de alta velocidade e frameworks de computação de IA, esse sistema fornece uma plataforma de computação unificada para computação científica, pesquisa quântica e treinamento de IA.

Da previsão do tempo à geração de energia por fusão, e de testar como as indústrias funcionam a alertar pessoas sobre desastres naturais, a IA é cada vez mais usada em todas as áreas da pesquisa científica. Em vez de apenas tornar os computadores mais rápidos, é mais importante mudar a forma como os cientistas fazem descobertas. Ela permite que pesquisadores abordem problemas complexos de forma mais barata e rápida, e levem novas ideias científicas para a indústria mais rapidamente.

A arquitetura de hardware está mudando

Para dar suporte à próxima geração da computação científica, a NVIDIA também fez vários ajustes em sua arquitetura de hardware subjacente. A julgar pelo protótipo de supercomputação de próxima geração apresentado na SC25, os sistemas futuros não serão mais simples combinações de CPUs e GPUs. Ainda assim, eles evoluirão gradualmente para plataformas complexas que integram interfaces quânticas, interconexões ópticas de alta velocidade e recursos de computação heterogênea.

CPU de desenvolvimento próprio: núcleos Vera e Olympus

A nova CPU Vera usa o design especial de núcleo Olympus da NVIDIA, o que a torna quase duas vezes mais rápida que a antiga plataforma Grace. Além disso, Vera introduz um sistema de memória LPDDR5X projetado para ambientes de data center. Esse sistema é otimizado para uso de largura de banda e eficiência energética, oferecendo recursos aprimorados de processamento de dados para treinamento de IA, simulações científicas e tarefas de computação híbrida.

CPO: Redefinindo a interconexão de data centers

À medida que os clusters de IA continuam a se expandir, os módulos ópticos conectáveis tradicionais enfrentam desafios crescentes em termos de consumo de energia, manutenção e taxas de falha. Em resposta, a NVIDIA escolheu um caminho de desenvolvimento diferente—integrando o mecanismo óptico diretamente no mesmo encapsulamento que o chip do switch.

CPO (Co-Packaged Optics) é mais do que apenas mudar o formato dos módulos ópticos. É uma nova forma de projetar o sistema como um todo. A CPO faz isso encurtando o caminho de transmissão do sinal elétrico. Isso reduz o consumo de energia e melhora a eficiência da interconexão. No geral, isso proporciona uma infraestrutura de rede que pode ser ampliada para futuros clusters de IA em hiperescala.

De acordo com os planos anunciados pela NVIDIA, TACC, Lambda e CoreWeave estarão entre os primeiros a implantar a plataforma Quantum-X Photonics e serão os primeiros a aplicar essa tecnologia à infraestrutura de IA e computação de alto desempenho.

NVLink: Permitindo que centenas de GPUs funcionem como uma única unidade

A melhoria significativa no desempenho de inferência alcançada pela arquitetura Blackwell não se deve apenas às otimizações de precisão FP4. Um fator ainda mais importante é a evolução contínua da tecnologia de interconexão NVLink.

Com a mais recente geração do NVLink, até 576 GPUs podem ser conectadas em um domínio de computação de memória compartilhada unificado, permitindo que trabalhem juntas mais como um único grande sistema de computação do que como uma simples coleção de centenas de nós independentes.

Para treinamento e inferência de modelos grandes, a eficiência da troca de dados entre GPUs muitas vezes determina o limite superior do desempenho geral. À medida que os tamanhos dos modelos continuam a crescer, a largura de banda da rede se torna tão importante quanto o próprio poder computacional. Por esse motivo, NVLink tornou-se uma das principais tecnologias que sustentam a infraestrutura de IA em larga escala.

Apollo: Modelos de Física de IA Entram na Era do Pré-treinamento

Além das atualizações de hardware, o ecossistema de software também está evoluindo em paralelo.

Na conferência SC25, a NVIDIA lançou oficialmente a série Apollo de modelos de física de IA, abrangendo diversos campos da computação científica, incluindo dinâmica de fluidos e mecânica estrutural. A introdução do Apollo significa que a simulação de engenharia está gradualmente migrando da abordagem tradicional de “modelagem do zero” para um modelo de “pré-treinamento + ajuste fino” semelhante ao dos grandes modelos de linguagem.

Apollo incorpora chave Física de IA avanços, incluindo operadores neurais, arquiteturas Transformer e modelos de difusão. Ele também utiliza amplo conhecimento prévio de física durante o treinamento.

Os desenvolvedores podem não apenas usar diretamente os modelos pré-treinados fornecidos oficialmente, mas também realizar treinamento secundário e desenvolvimento personalizado com base em seus próprios cenários, reduzindo significativamente a barreira para a criação de modelos de computação científica e acelerando a transição dos resultados de pesquisas científicas do laboratório para aplicações práticas.

De certa forma, Apollo está conduzindo a computação científica a uma fase de desenvolvimento semelhante à da IA generativa—os pesquisadores não precisam mais criar modelos do zero todas as vezes. Ainda assim, eles podem. Ainda assim, eles podem, em vez disso, iterar e inovar rapidamente com base em fundamentos existentes.

Computação Quântica: A integração heterogênea pode se tornar a próxima geração de paradigma computacional

Quando se trata de computação quântica, a abordagem da NVIDIA’s não é substituir as plataformas de computação tradicionais por sistemas quânticos, mas sim fazer com que os processadores quânticos trabalhem em conjunto com GPUs como um componente fundamental das futuras arquiteturas de supercomputação.

Computação colaborativa de GPU e QPU

De acordo com a NVIDIA, a QPU (unidade de processamento quântico) atua como um acelerador especializado que complementa a GPU. Por meio da plataforma de software unificada CUDA-Q, os desenvolvedores podem agendar tarefas de computação quântica e clássica no mesmo ambiente de desenvolvimento, permitindo que esses dois tipos de recursos de computação trabalhem juntos em tarefas complexas.

Isso significa que os pesquisadores não precisam manter dois sistemas de desenvolvimento separados: eles podem projetar algoritmos quânticos, realizar verificação por simulação e executar simulações dentro de uma estrutura unificada. Isso torna muito mais fácil para as pessoas se envolverem com a computação quântica.

NVQLink: Uma ponte que conecta a computação quântica e a clássica

Para facilitar o trabalho conjunto de processadores quânticos e GPUs, a NVIDIA criou o NVQLink, que conecta os dois. Essa tecnologia é essencial para conectar QPUs e GPUs e oferece suporte a fluxos de trabalho de computação quântica em grande escala orientados pelo CUDA-Q.

Em testes conjuntos com o processador quântico Helios de próxima geração da Quantinuum, o NVQLink alcançou interconexão de baixa latência entre a GPU e a QPU e validou com sucesso a primeira decodificação em tempo real do mundo de códigos quânticos de correção de erros qLDPC escaláveis.

Os resultados dos testes mostram que, com mecanismos de correção de erros em funcionamento, a fidelidade do sistema pode ser mantida em torno de 99%, o que é melhor do que 95% sem correção de erros. Isso mostra que a tecnologia de correção de erros quânticos é de fato útil na prática e que a computação quântica pode ser usada em conjunto com a computação tradicional de alto desempenho.

Dado o estágio atual de desenvolvimento, a computação quântica ainda tem um longo caminho a percorrer antes de poder ser aplicada de forma independente em larga escala; no entanto, ela já começou a demonstrar valor prático como coprocessador para GPUs em tarefas complexas de computação científica. Os futuros sistemas de supercomputação provavelmente não serão mais uma competição entre arquiteturas únicas, mas sim plataformas convergentes heterogêneas compostas por CPUs, GPUs e QPUs.

Conclusão

No futuro, os supercomputadores serão construídos usando uma combinação de designs baseados em CPU e GPU, bem como sistemas híbridos que combinam simulação científica, inteligência artificial e computação quântica. Tecnologias como a CPU Vera, interconexão óptica CPO, a arquitetura Blackwell e NVLink/NVQLink ajudam a aumentar a largura de banda, reduzir a latência e facilitar o trabalho conjunto dos recursos. Ao mesmo tempo, plataformas de IA voltadas para a ciência, como Apollo, estão mudando a maneira como fazemos as coisas. Elas usam modelos físicos que já foram treinados para ajudar com métodos tradicionais.