\

气候变化:利用Graphcore IPU预见意外状况

作者:

分享  

Share on weixin
Share on weibo
Share on linkedin

订阅

随着气候危机加剧,风暴潮、热浪、飓风和野火等极端天气事件越来越频繁。世界各国领导人在最近举行的第26届气候变化峰会上制定了到2030年减少排放的计划,为应对极端天气现象做好充分准备在全球变得越来越重要。

数值天气预报科学在这方面的准备工作中起着至关重要的作用。通过根据当前的气候数据预测未来的天气事件,欧洲中期天气预报中心(ECMWF)等组织正在努力更早、更准确地提醒主管部门即将发生的极端天气事件,以便采取干预措施保护财产和基础设施,并有可能挽救生命。

目前,ECMWF正在使用人工智能和传统的高性能计算算法运行其大规模模拟,速度比以往任何时候都更快。他们的团队开发并发布了一系列深度学习模型,研究人工智能在数值天气预报中的应用。ECMWF的兴趣点在于,通过提高模型的计算效率以提高模型的分辨率,从而提高其天气预报模型的准确性。

利用IPU进行天气预测,速度提升50倍

我们采用了ECMWF公开可用的预测模型之一,多层感知器 (MLP),并在Graphcore IPU-POD系统上对其进行了加速,并取得了显著的结果。IPU-POD系统显示,其训练ECMWF的预测MLP模型的速度比领先的GPU快5倍,比在CPU上运行的ECMWF现有模拟方法快50倍。

ECMWF在研究天气预报中的机器学习的论文里表明,其基于机器学习的模拟器在GPU硬件上的速度比在CPU上的现有方案快10倍,而IPU比ECMWF现有的在CPU上运行的模拟方法快50倍。

IPU系统的加速是在没有对MLP模型或其参数进行任何优化或更改的情况下实现的,并且只对代码进行了很少的修改。该模型训练良好,仅在几个训练时期之后就在训练和验证数据集上显示出很低的损失和均方根误差 (RMSE) 值,这表明该模型预测的准确性很高。要了解有关IPU如何加速ECMWF的MLP模型的更多信息,请观看我们的代码教程视频

在高性能计算和人工智能的融合中利用IPU硬件

除了天气预报,IPU 硬件还被证明可以加速许多其他同时使用高性能计算和人工智能的科学研究应用。从蛋白质折叠和计算流体力学到宇宙学和高能物理学,领先的研究机构发现他们可以通过IPU系统加快工作,寻求新的研究方向,并获得更高精度的结果。

Graphcore合作伙伴Atos公司的高性能人工智能业务负责人Cedric Bourrasset看到了IPU在该领域的巨大潜力:“在传统高性能计算应用程序中使用人工智能是当今计算领域最令人兴奋的发展之一,而Graphcore的IPU正在彰显新的方法如何带来变革。”

“Graphcore在Atos的Think AI解决方案中发挥着核心作用,帮助客户利用人工智能为高性能计算带来的诸多好处,无论是提供更快、更准确的模拟,提高成本效率,还是开辟新的研究和商业应用程序。可能性是巨大的,而且每天都在增长。这在很大程度上是由在IPU上正在实现的创新工作驱动的。”

有兴趣使用尖端计算加速您基于高性能计算和人工智能的工作负载吗?查看我们为科研人员提供的解决方案,或申请我们的学术计划,就有机会使用IPU应对您的研究挑战。

More Posts

卢涛:后登纳德时代,IPU架构引领Transformer向高阶版演进

GACS 2023 | IPU:赋能生成式AI,不止生成式AI

Graphcore携手Pienso荣获CogX最佳创新类别的自然语言处理奖

Graphcore加入PyTorch基金会

促进低精度数字格式使用,Graphcore发布全新Unit Scaling库

情人节之“AI”跨山海——拟未“AI”的故事绘画连载(三)

获取最新的GRAPHCORE资讯

在下方注册以获取最新的资讯和更新:




    获取最新的GRAPHCORE资讯

    在下方注册以获取最新的资讯和更新: