“DIY” och “superdator” är inte ord som vanligtvis används tillsammans.
Males en gör-det-själv superdator är summary vad studenter byggde vid Southern Methodist College, i Dallas, med 16 NVIDIA Jetson Nano-moduler, fyra nätaggregat, mer än 60 handgjorda kablar, en nätverksswitch och några kylfläktar.
Projektet, kallat SMU:s “child superdator”, syftar until att utbilda dem som kanske aldrig kommer igång med en normalstor superdator, som ibland kan fylla ett lager eller vara inlåst i ett datacenter eller i molnet.
Istället passar den här minisuperdatorn bekvämt på ett skrivbord, så att eleverna kan mixtra med den och lära sig om vad som utgör ett kluster. En pekskärm visar en instrumentpanel med standing för alla dess noder.
“Vi startade det här projektet för att visa muttrarna och bultarna för vad som ingår i ett datorkluster”, säger Eric Godat, teamledare för forskning och datavetenskap i den interna IT-organisationen på SMU.
Nästa vecka kommer babysuperdatorn att visas på SC22, en superdatorkonferens som äger rum i Dallas, summary på motorvägen från SMU.
SMU-teamet kommer att vara värd för en monter för att prata med forskare, leverantörer och studenter om universitetets högpresterande datorprogram och den senaste implementeringen av dess NVIDIA DGX SuperPOD för AI-accelererad forskning.
Dessutom, i samarbete med Mark III Techniques – en medlem av NVIDIA Companion Community – kommer SMU Workplace of Data Know-how att ge konferensdeltagare en rundtur i campus datacenter för att visa upp DGX SuperPOD i aktion. Lär dig detaljer i SMU:s monter #3834.
“Vi tar med babysuperdatorn until konferensen för att få people att titta förbi och fråga: ‘Åh, vad är det där?'”, sa Godat, som fungerade som mentor för Conner Ozenne, en senior datavetenskaplig huvudämne vid SMU och en av hjärnorna bakom klustret.
“Jag började studera datavetenskap på gymnasiet eftersom programmering uppfyllde kravet på främmande språk”, säger Ozenne, som nu siktar på att integrera AI och maskininlärning med webbdesign för sin karriär. “När jag gjorde de första projekten som nybörjare på gymnasiet visste jag direkt att det här var vad jag ville göra för resten av mitt liv.”
Ozenne är en STJÄRNAN på SMU — en Pupil Know-how Affiliate in Residence. Han presenterade designen och budgeten för babysuperdatorn för Godats group för två somrar sedan. Med ett anslag på ett par tusen greenback och en hel del entusiasm började han jobba.
Födelse av en child superdator
Ozenne byggde i samarbete med en annan elev babysuperdatorn från grunden.
“De var tvungna att lära sig att skala kablar och inte chocka sig själva – de satte ihop allt från strömförsörjningen until nätverket helt själva,” sa Godat. Med ett leende tillade han: “Vi startade bara en liten model.”
Den första upprepningen var en röra av kablar på ett bord som förbinder NVIDIA Jetson Nano-utvecklarsatserna, med kartonger som kylflänsar, sa Ozenne.
“Vi valde att använda NVIDIA Jetson-moduler eftersom inga andra små datorenheter har inbyggda GPU:er, vilket skulle låta oss ta itu med fler AI- och maskininlärningsproblem”, tillade han.
Snart gav Ozenne bebisen superdatorfodral uppgraderingar: från kartong until skum until akrylplattor, som han laserskurna från 3D-vektorfiler i SMU:s innovationsgym, ett makerspace för studenter.
“Det var första gången jag gjorde allt det här, och det var en fantastisk lärorik, med många roliga kvällar i labbet,” sa Ozenne.
Ett pågående arbete
På bara fyra månader gick projektet från ingenting until något som liknade en superdator, enligt Ozenne. Males projektet pågår.
Teamet utvecklar nu miniklustrets mjukvarustapel, med hjälp av NVIDIA JetPack mjukvaruutvecklingssats, och förbereder det för att utföra vissa småskaliga maskininlärningsuppgifter. Dessutom kan babysuperdatorn gå upp i nivå med de nyligen tillkännagivna NVIDIA Jetson Orin Nano-modulerna.
“Vår NVIDIA DGX SuperPOD har summary öppnat upp på campus, så vi behöver inte riktigt den här babysuperdatorn för att vara en verklig datormiljö,” sa Godat. “Males miniklustret är ett effektivt läromedel för hur allt det här verkligen fungerar – det låter eleverna experimentera med att ta bort kablarna, hantera ett parallellt filsystem, återbilda kort och distribuera klusterprogramvara.”
SMU:s NVIDIA DGX SuperPOD, som inkluderar 160 NVIDIA A100 Tensor Core GPU:er, är i en alfa-utrullningsfas för fakulteten, som använder den för att träna AI-modeller för molekylär dynamik, beräkningskemi, astrofysik, kvantmekanik och en mängd andra forskningsämnen .
Godat samarbetar med NVIDIA DGX-teamet för att flexibelt konfigurera DGX SuperPOD för att stödja tiotals olika AI-, maskininlärnings-, databearbetnings- och HPC-projekt.
“Jag älskar det, för varje dag är annorlunda – jag skulle kunna arbeta med ett AI-relaterat projekt på konsthögskolan, och nästa dag går jag på juristskolan och nästa dag är jag i partikelfysik institutionen”, sa Godat, som själv har en Ph.D. i teoretisk partikelfysik från SMU.
“Det finns applikationer för AI överallt,” instämde Ozenne.
Lär dig mer från Godat och andra experter om att designa ett AI Heart of Excellence i denna NVIDIA GTC-session tillgänglig på begäran.
Ansluta sig NVIDIA på SC22 att utforska partnerbås på utställningsgolvet och engagera sig med virtuellt innehåll hela veckan – inklusive en speciell adress, demos och andra sessioner.