Fujitsu presenta su prototipo del nodo del sistema de computación de alto rendimiento que alcanza la escala 'exaflop'

Logo de Fujitsu
FUJITSU - Archivo
Publicado: martes, 26 junio 2018 15:02

   MADRID, 26 Jun. (Portaltic/EP) -

   Fujitsu ha presentado en el evento de computación ISC High Performance de Frankfurt (Alemania) su nuevo prototipo del nodo del sistema de computación de alto rendimiento (HPC), ubicado dentro del proyecto NEXTGenIO, perteneciente al programa Horizonte 2020 de la Unión Europea, y que permite alcanzar computación en escala 'exaflop'.

El proyecto de Fujitsu busca resolver el cuello de botella existente entre la velocidad de cómputo de rápido avance y la capacidad de los sistemas de almacenamiento. La iniciativa de Fujitsu aprovecha la tecnología "non-volatile memory with persistence", combinando la memoria principal, con el almacenamiento convencional.

El proyecto está dirigido por el Centro de Supercomputación de la Universidad de Edimburgo junto con otros siete miembros entre los que destacan la propia Fujitsu, Intel o Arctur, como ha destacado la compañía japonesa a través de un comunicado.

   El objetivo de NEXTGenIO es solucionar el cuello de botella existente en la computación de alto rendimiento entre la velocidad de cómputo de rápido avance y la capacidad de almacenamiento. Los avances pretenden alcanzar la computación en escala de exaflops, aumentando su velocidad hasta en mil veces con respecto a la actual escala de petaflops.

   El prototipo presentado por Fujitsu utiliza la tecnología "non-volatile memory with persistence", que combina la velocidad de la memoria principal, con el almacenamiento convencional. La compañía busca superar las limitaciones actuales de entrada y salida (I/O) mediante el uso de Intel Optane DC Persistent Memory basado en la tecnología de memoria Intel 3D XPoint para ofrecer acceso para futuros procesadores Intel Xeon a velocidades más altas.

   El rendimiento de las cargas pesadas de I/O frena la investigación de computación en materias como simulación, inteligencia artificial o aprendizaje profundo. Los socios del proyecto apuntan la importancia de dar impulso a modelos científicos y de ingeniería cada vez más complejos que lideren la necesidad de una simulación aún más rápida de análisis de datos/rendimiento.