Mi inspirálta a „Nagy teljesítményű számítások a tudomány szolgálatában” című előadás témáját?
Ez a cím érdeklődési területem és kutatásom lényegének tömör összefoglalása: hogyan lehet a modern informatika eszközeit mérnöki és tudományos problémák megoldására használni. A téma önálló kutatási területté nőtte ki magát a hardverek és szoftverek elképesztő ütemű fejlődése miatt: manapság már specialistákra van szükség, mert a mérnököktől, fizikusoktól, kémikusoktól nem elvárható, hogy olyan mélységben megértsék és kövessék a modern számítógépek fejlődését, ami számukra lehetővé tenné ezek hatékony közvetlen használatát a mérnöki, fizikai, kémiai problémák megoldására. Kutatási területem egyik fő feladata, hogy “megértsük egymást”: az informatikus és a szakterületi specialista közt egy olyan eszközkészlet, “nyelv” létrehozása, mely lehetővé teszi a tudósoknak a saját problémáik magas szintű leírását, az informatikusoknak pedig, hogy a mögöttes fizika, kémia mély megértése nélkül azt hatékonyan meg tudjuk oldani modern számítógépek segítségével. Így elérhető a kompetenciák szétválasztása, és mindkét fél hatékonyan végezheti munkáját, kutatását. A nagy kihívás persze az, hogy ez a bizonyos közös nyelv kellően általános legyen, hogy sok féle mérnöki, fizikai problémát modellezhessünk vele, ugyanakkor kellően szűk ahhoz, hogy a számítógépes leképzés és végrehajtás hatékony legyen.
Mit értünk pontosan nagy teljesítményű számítások alatt, és miben különböznek ezek a mindennapokban használt számítástechnikai megoldásoktól?
Tulajdonképpen bármi olyan probléma megoldásának folyamatát, amihez sokat kell számolni. Hogy mennyi az a sok, az persze nagyon változik. 1969-ben az Apollo 11 fedélzetén lévő, leszállást segítő számítógéphez képest egy modern okostelefon 100 milliószor több számítást képes elvégezni ugyanannyi idő alatt. Míg egy weblap megtekintése nem igényel sok számítást, egy videó megnézése már egy nagyságrenddel összetettebb - számításigényesebb – feladat (gondoljunk csak arra, mennyire melegszik ilyenkor a kezünkben a telefon). Végül egy fehérje térszerkezetének kiszámítása még egy pár nagyságrenddel nehezebb. A feladat tulajdonképpen az, hogy ezeket minél rövidebb idő alatt, vagy minél alacsonyabb energiafogyasztás mellett tudjuk kiszámolni. A telefonoktól kezdve, a személyi számítógépeken át, a világ legnagyobb szuperszámítógépeiig kihívás ezért a nagyteljesítményű számítások kutatása, ami ráadásul mindenütt más-más problémákat vet fel.
Mely tudományterületek profitálnak ma leginkább a nagyteljesítményű számítási kapacitásokból?
Manapság tulajdonképpen bármilyen sorozatgyártott tárgyra igaz, hogy először egy számítógépen tervezték meg - és ez sok esetben nem csak a kinézetét jelenti (ami egyébként szintén komoly számítási kapacitást igényel), hanem olyan fizikai tulajdonságait is, mint például a hajlékonyság, hőállóság, stb. Ezen tulajdonságok tervezése komoly fizikai modellezést igényel, ami pedig nagy számításigénnyel rendelkezik. Ez például épületek statikai modellezésénél különösen jól megérhető - inkább egy számítógépen próbáljuk ki, hogyan viselkedik egy épület egy földrengés vagy hurrikán közepette, mintsem, hogy enélkül próbálnánk megépíteni.
Tudna említeni olyan kutatási eredményt vagy problémát, amely nagy teljesítményű számítások nélkül nem vagy csak sokkal nehezebben lett volna megoldható?
Az előző tervezési példák mellett tulajdonképpen még nagyobb kihívás bonyolult rendszerek megértése. Különösen olyan helyzetekben, ahol nem áll módunkban méréseket végezni - legyen az például a napban lefolyó fúziós folyamatok feltárása, galaxisok kifejlődésének megértése, vagy akár olyan mikroszkopikus folyamatok feltérképezése, melyek közvetlen megfigyelése megzavarná azokat.
Mégis talán manapság a leginkább közismert probléma a mesterséges intelligencia - ezen modellek tanítása és folyamatos használata elképesztő számítási kapacitásokat igényel. Gondoljunk csak bele, hogy az emberi tudás teljes tárházát kell számtalanszor “megmutatni” ezeknek a modelleknek, és lenyűgöző mennyiségű feladatot kell velük megoldatni, hogy tanuljanak. Aztán persze utána felhasználók milliónyinak kell a legkülönbözőbb kérdéseire válaszolni. Az AI ilyen ütemű fejlődése a nagyteljesítményű számítástechnika világát is rendkívül felpörgette, legyen szó új adatközpontok építéséről, új chipek tervezéséről, vagy új szoftverek írásáról.
Hogyan járulnak hozzá a párhuzamos számítógép-architektúrák a tudományos számítások fejlődéséhez?
Azáltal, hogy egy mérnöki, fizikai problémát valaki képes párhuzamos számítógép architektúrák segítségével gyorsabban megoldani, minőségi és mennyiségi ugrást lehet elérni - több, nagyobb, összetettebb problémát lehet megoldani. Például egy szökőár terjedésének és partra való felfutásának kiszámítása önmagában is nagy feladat, de egy párhuzamos architektúrákat ki nem használó modell egy-egy ilyen szimulációt tud csak elvégezni, és az is órákig tart. Ha azonban egy hatékony nagyteljesítményű implementáció áll rendelkezésre, annak segítségével lehetőségek tárháza nyílik meg: kiszámítható hova fut be a szökőár még mielőtt odaérne, modellezhető egy egész óceán, sőt, számos lehetséges terjedési, lefutási lehetőség vizsgálható egyszerre, és így meg lehet állapítani mely partmenti települések vannak jobban vagy kevésbé veszélyeztetve.
A mesterséges intelligencia térnyerése milyen hatással van a nagyteljesítményű számítások világára?
A mesterséges intelligencia felfutása egy eddiginél sokkal nagyobb piacot hozott létre, ami bár a nagyteljesítményű számításokra épül, mégis számtalan specializált igényt támaszt a modern párhuzamos architektúrákkal szemben - ami nem feltétlenül mozog együtt a tudományos számítások által támasztott igényekkel. Természetesen alkalmazkodunk, és megpróbáljuk kiaknázni a modern grafikuskártyák adta hatalmas számítási kapacitást tudományos problémák megoldására is. Emellett a gépi tanulási modellek tanítása és alkalmazása is egyre közkedveltebb: létrehozunk olyan valós fizikai folyamatokat kellő pontossággal modellező rendszereket, melyek jóval gyorsabbak, mint a hagyományos közvetlen fizikai modellezés. Ha működik, ez cserébe lehetővé teszi a gyorsabb, nagyobb, összetettebb modellezést.
Milyen kihívásokkal kell ma szembenézniük azoknak a kutatóknak és mérnököknek, akik ilyen rendszereket fejlesztenek vagy használnak?
A legnagyobb kihívás a technológia észvesztő ütemű fejlődése. Manapság 1-2 évente dobnak piacra újabb és újabb hardvereket, amik nagyobbak, gyorsabbak elődeiknél - és kicsit máshogy kell őket használni. Ezzel szemben egy tudományos szimulációs rendszer életciklusa évtizedekben mérhető. Ezért kulcsfontosságú, hogy a tudományos problémák megfogalmazása maradjon magas szinten, elválasztva azt attól a nagyteljesítményű implementációtól, ami viszont kénytelen lépést tartani a modern hardverek gyors változásával.
Mit szeretett volna, hogy a hallgatóság leginkább magával vigyen ebből az előadásból?
Az informatika csodákra képes - de ahogy ma már nincsenek igazi polihisztorok, hasonlóan nem reális, hogy egy fizikus a fizika mellett a párhuzamos architektúrákhoz is értsen. A tudományos számítások világa egyre jobban átalakul, és “csapatsporttá” válik. Mindkét oldalon számos izgalmas kihívás van - értsünk szót egymással, és mindannyian sokkal messzebbre jutunk!
Dr. Reguly István előadása a Dies Academicus ünnepi napokon:
