.
A plataforma Cloud-sim Rescale acredita que seu próximo Compute Recommendation Engine pode reduzir o tempo necessário para otimizar as cargas de trabalho de IA/ML e computação de alto desempenho (HPC), dando às pessoas mais tempo para realmente executar o software.
Anunciado no evento Big Compute da empresa esta semana, a última edição da plataforma HPC-as-a-Service da Rescale foi projetada para analisar as cargas de trabalho dos clientes e sugerir onde e como implantá-las para obter o melhor desempenho ou o menor custo. A empresa afirma que isso pode reduzir drasticamente o tempo e o custo associados à implantação de cargas de trabalho de HPC em sua plataforma.
Fundada em 2011, a plataforma da Rescale é realmente mais uma camada de abstração que automatiza o processo complexo e demorado de implantação de cargas de trabalho de HPC. Apesar de se faturar como uma nuvem HPC, a Rescale não possui ou opera seu próprio equipamento. Em vez disso, ele é executado em outras plataformas de nuvem, incluindo Amazon Web Services, Microsoft Azure, Google Cloud e Oracle Cloud Infrastructure.
“As empresas, à medida que começam a usar abordagens mais intensivas em computação para descobertas científicas e de engenharia, estão vendo que precisam tomar muitas decisões diferentes”, disse Edward Hsu, diretor de produtos da Rescale, durante uma entrevista coletiva na semana passada.
As decisões podem ter a ver com qual arquitetura executar um modelo, ou quais geografias podem oferecer o menor custo ou maior capacidade, ou se pode haver requisitos de soberania de dados que limitem como e onde os dados podem ser tratados, explicou ele.
O Compute Engine da Rescale aplica aprendizado de máquina a metadados coletados de anos de trabalhos de computação para identificar quais interruptores ou botões devem ser girados para alcançar o resultado desejado.
Rescale cria Nvidia AI Enterprise na nuvem HPC
O serviço é lançado juntamente com integrações mais estreitas com o ecossistema de software da Nvidia. A Rescale planeja adicionar o pacote AI Enterprise da Nvidia – um mercado de modelos pré-treinados e estruturas de IA destinados a simplificar o processo de implantação de aplicativos no hardware do fabricante de chips – à sua nuvem HPC.
O pacote “inclui muitas de nossas soluções de ponta a ponta, como Nvidia Riva para fala, IA e vídeo Merlin para recomendações, bem como Nvidia Clara para imagens médicas”, Dion Harris, chefe de marketing de produtos de data center da Nvidia , disse durante a conferência de imprensa.
Dado que a grande maioria da computação acelerada por GPU disponível na nuvem pública hoje está sendo executada em hardware da Nvidia, a decisão da Rescale de se apoiar no ecossistema de software de IA e HPC da Nvidia não é surpreendente.
Um dos primeiros frameworks da Nvidia disponíveis na plataforma da Rescale será o Modulus — um framework para simulações quase em tempo real. A Siemens Energy, por exemplo, está usando o Modulus para “simular precisamente como o vapor e a água fluíram através de seus tubos, o que lhes permitiu entender e prever os efeitos agregados da corrosão em tempo real”, disse Harris.
Além disso, a Rescale adotará o Base Command da Nvidia para permitir que os clientes que já executam cargas de trabalho nos sistemas DGX da Nvidia os estendam para a nuvem usando sua plataforma.
Indo além da intuição
Hsu acredita que essas integrações abrirão as portas para um novo tipo de simulação de engenharia influenciada pela IA e aprendizado de máquina, em vez da intuição humana.
Cada vez mais, diz Hsu, os engenheiros estão aproveitando plataformas como o Rescale para executar grandes lotes de simulações em vários projetos – aerofólios, por exemplo – para restringir quais características oferecem o melhor desempenho.
“O que não aconteceu até recentemente, é pegar todas as saídas de todos esses projetos diferentes e todas essas simulações diferentes e aplicar ML a todo o conjunto de entradas e saídas”, disse ele.
Mas uma vez que você tenha feito isso, “você pode perguntar ao modelo de ML ‘ei, se eu quiser um aerofólio que tenha ondas de choque mínimas nesses pontos de transição, ou tenha sustentação máxima, como deve ser?’ E esse modelo de ML, uma vez treinado com todos esses elementos de design, pode realmente lhe dar essa resposta.” ®
.
