Перспективы экзафлопсных вычислений в разработке новых технологий энергетики \ast ВСВечер НДКондратюк НДОрехов ГЭНорман ВВПисарев ГССмирнов ВВСтегайлов Перспективы экзафлопсных вычислений в разработке новых технологий энергетики \ast D866E97CF265FC3B46C6E2F90D1B8AE7 GROBID - A machine learning software for extracting information from scholarly documents

Развитие новых технологий в энергетике в значительной степени основано на многомасштабном моделировании, успех которого, в свою очередь, зависит от прогресса суперкомпьютерных технологий. В данной работе мы рассматриваем несколько ярких примеров задач, которые решаются нами с использованием атомистических и многомасштабных моделей на лучших суперкомпьютерах России: фазовые переходы в газовых гидратах и газоконденсатных смесях, расчет реологических свойств органических жидкостей и создание новых полимерных материалов. Данные исследования представлены в контексте примеров задач из американской программы INCITE. На основе рассмотренных примеров мы обсуждаем вопросы эффективности аппаратного обеспечения, масштабируемости алгоритмов, проблемы ввода-вывода и обработки данных.

Введение

Развитие суперкомпьютерных технологий в США и других передовых странах встало на путь радикального наращивания числа вычислительных элементов [1]. Серия систем IBM BlueGene/L [2] Обязательным условием получения расчетного времени по программе INCITE является использование массового параллелизма. При этом задачи, связанные с одновременным запуском большого числа однотипных задач (тривиальный параллелизм для набора статистики), рассматриваются, однако не являются приоритетными [3]. От алгоритма решения \ast Работа частично поддержана грантами программ фундаментальных исследований Президиума РАН № 43 (координатор ак. Бетелин В.Б.), РФФИ 13-01-12070-офи_м. Отдельные авторы частично поддержаны грантами РФФИ 13-08-01428-а (Смирнов Г. С., Стегайлов В. В.), 14-08-31550-мол_а (Смирнов Г. С., Орехов Н. Д.), 14-08-31587-мол_а (Писарев В. В.), стипендией Президента РФ для молодых учёных (Писарев В. В.). Расчеты выполнены в МСЦ РАН, на кластерах К-100 ИПМ им. М. В. Келдыша РАН и «Ломоносов» МГУ им. М. В. Ломоносова.

Атомистические модели вещества

Повышение эффективности существующих технологий и разработка новых в значительной мере связана с использованием более точных представлений о строении вещества и его свойствах на микроуровне. Соответствующие атомистические модели основываются на математическом описании межатомного и межмолекулярного взаимодействия [5]. Расчет сил, действующих на атомы, обычно занимает большую часть (более 80%) МД расчета.

Задачи молекулярно-динамического (МД) моделирования являются одними из наиболее хорошо масштабируемых на параллельные вычислительные системы [6][7][8][9][10] Для максимального использования GPU алгоритм не только должен быть высокопараллельным, но и кроме того, та часть алгоритма, которая выполняется на GPU, часто называемая ядром (kernel), должна быть маленькой, насколько возможно -ядро должно уложиться в число регистров вычислительных единиц GPU. Достичь это в реальных алгоритмах не всегда просто [18].

Литература
Perspectives of exascale computing for novel energy technologies

Vyacheslav Vecher, Nikolay Kondratyuk, Genri Norman, Nikita Orekhov, Vasiliy Pisarev, Grigory Smirnov and Vladimir Stegailov Keywords: energy technologies, multiscale models, molecular dynamics The development of novel energy technologies essentially relies upon multiscale modelling and simulation which success crucially depends on the progress in supercomputing. In this talk we review several vivid examples of the problems that we solve using atomistic and multiscale models and the best supercomputers in Russia: properties gas hydrates and gas condensate, rheology of organic liquids and development of polymer materials. The wider context is presented as well with the corresponding examples from the DOE INCITE program. On the basis of the case studies considered we discuss the issues of hardware efficiency, software scalability, input-output problems and data processing.

была с самого начала задумана для развития технологии массового параллелизма. В 2006 году, когда системы IBM BlueGene прошли начальную апробацию и появились суперкомпьютеры Cray XT3/4, для развития алгоритмов параллельного решения математических задач на этих новых системах Департамент энергетики США (DOE) расширил уже существовавшую ранее программу Innovative and Novel Computational Impact on Theory and Experiment (INCITE) [3]. Так в 2012 году на 60 проектов было выделено 1672 миллиона процессор-часов на суперкомпьютерах IBM BlueGene/P и Cray XT5. Тот факт, что в программе INCITE участвуют системы только с тороидальной топологией, свидетельствует, что данная топология рассматривается в качестве вероятного кандидата для суперкомпьютеров экзафлопсной эры [4]. Как показано на рис. 1, тематика проектов INCITE охватывает практически все области науки и техники. Исходя из доступного краткого описания, все проекты с некоторой долей условности разделены на следующие тематики: атомистические модели (Ab initioрасчеты из первых принципов и MD-молекулярная динамика), модели в рамках механики сплошных сред (CFD), астрофизические модели (Astrophys), физика плазмы (Plasma), квантовая хромодинамика (QCD), физика ядра (Nuclear), computer science (CS). Атомистические модели (Ab initio и MD) охватывают очень широкие приложения от механики ударно-волнового разрушения до химических реакций и систем биомолекул. В программу INCITE принимаются проекты с международным участием, даже без партнера из США.
Рис. 1 .Деление проектов INCITE 2014 г. по тематикам: (а) число проектов по каждой тематике и (б) выделенное на каждую тематику вычислительное время в миллионах процессоро-часов прикладной задачи требуется демонстрировать параллельную эффективность на вычислительном поле порядка 20% используемой машины. В 2011 году это соответствовало размеру вычислительного поля порядка 20 тысяч ядер, а в 2013-14 гг.-200 тысяч ядер! Как для задач крупномасштабного суперкомпьютерного физико-математического моделирования, так и для задач обработки больших объемов данных второй важнейшей технической задачей на пути в «эру экcафлопса» является организация параллельного вводавывода с сотен тысяч и миллионов ядер. Эти цифры демонстрируют переход к новой эре использования вычислительных методов в науке и технике. В этой работе мы приводим примеры атомистических моделей для решения задач, предполагающих, в перспективе, использование вычислительных полей экзафлопсного уровня производительности. Вместе с тем, ученые не всегда представляют себе, как надо выбирать суперкомпьютер для задачи, которой они занимаются. Тем более, неясной остаётся архитектура требуемых компьютеров. Этим вопросам посвящена вторая часть настоящей работы. Рассматривается подход, позволяющий выявить, для каких задач нужны суперкомпьютеры эксафлопсного класса. Имеются в виду задачи, для решения которых требуется загрузка всего или значительной части суперкомпьютера, т.е. сотен тысяч или даже миллионов вычислительных ядер единовременно под одну задачу.
[11]). Черной кривой показана экспериментальная линия плавления [21]. Заполненные синие, красные и зеленые символы и синие снежинкилитературные данные. Незаполненные символы -наши результаты для тех же моделей межмолекулярного взаимодействия. Синие символы -модель воды TIP4P/Ice; красные -TIP4P/2005 (\chi =1); зеленые -TIP4P/2005 (\chi =1.07); черные -SPC/E. Область между пунктирными линиями (интерполяциями результатов расчетов в рамках моделей TIP4P/Ice и TIP4P/2005 (\chi =1.07)) иллюстрирует текущую точность определения кривой плавления по результатам моделирования. Спарва показана визуализация молекулярной модели гидрата метана КС-I структуры. Красным показаны направления водородных связей между молекулами воды в клатратном каркасе (сами молекулы воды не показаны), шары соответствуют молекулам метана. личество метана и рассматриваются как перспективный источник топлива. Вместе с тем газовые гидраты, существующие при температурах и давлениях, близких к условиям их разложения, представляют экологическую опасность -в случае смещения теплового равновесия освободившийся метан может внести значительный вклад в парниковый эффект. Поэтому знание динамических, термодинамических и механических свойств газовых гидратов важно для оценки их поведения при разработке газогидратных месторождений. За последние годы было проведено множество теоретических, экспериментальных и компьютерных исследований газовых гидратов. Проведенные исследования месторождений на Аляске, в Канаде и Японии показывают, что добыча метана из природных гидратов может быть выполнена с использованием существующих технологий. Более того, около побережья Японии недавно была произведена первая в мире пробная добыча газа из месторождения в желобе Нанкай. Молекулярная динамика позволяет исследовать свойства вещества на микроскопическом уровне, поэтому ее развитие привело к пониманию ряда фундаментальных свойств газовых гидратов. МД модели для газовых гидратов существенным образом зависят от точности описания взаимодействия между молекулами воды. Точность таких моделей сильно возросла за последнее десятилетие. Наиболее сложные модели, учитывающие поляризацию, лучше описывают структурные свойства и растворимость молекул газа, тогда как модели без поляризации лучше подходят для описания фазовой диаграммы[11,12] (см. рис. 3).
Рис. 4. Сравнение различных моделей молекулярного взаимодействия для органических жидкостей. 1.2. Органические жидкости Модели межатомных потенциалов для органических жидкостей представляют собой хороший пример иерархии огрубления модельных представлений для расширения возможностей прямого численного счета. Ключевым фактором для достоверности результатов атомистического моделирования является выбор потенциала взаимодействия в модельной системе. Моделирование органических соединений чаще всего производится в рамках концепции "силового поля" (англ. forcefield), когда суммарная энергия E mol взаимодействия молекул вещества представляется в виде суммы вкладов ненаправленного парного взаимодействия E pair , энергии напряжения связей E bond и углов E angle в молекулах и энергии вращения по двугранным углам E dihed . Различные параметризации этих взаимодействий позволяют моделировать вещества от простейших углеводородов до белков и ДНК. Для углеводородов разработан ряд различных наборов параметров силового поля, из них наиболее широко применяются наборы OPLS, DREIDING и TraPPE. Параметризация межатомных потенциалов OPLS позволяет точнее воспроизвести теплофизические свойства жидкой фазы, а параметризация TraPPE предназначена для точного предсказания фазовых диаграмм. DREIDING занимает промежуточное положение (рис. 4). Эти параметризации позволяют с высокой точностью описывать наблюдаемые фазовые диаграммы чистых углеводородов и их смесей (рис. 5). Особый интерес представляет расчет методом МК свойств жидкостей, взаимодействующих с поверхностью, например, в порах. Потенциал TraPPE позволяет воспроизвести экспериментальные теплоты адсорбции углеводородов на силикатных материалах [13], таким образом, представляется целесообразным его использование для расчета фазовых диаграмм газов в порах горных пород. В силу необходимости моделирования системы на атомарном уровне метод ограничен размерами систем до нескольких десятков нанометров, чего, однако, обычно оказывается достаточно для расчета фазовых диаграмм и равновесных плотностей веществ. Метод МД, в силу универсальности подхода (прямое интегрирование уравнений дви-Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org Рис. 5. (Слева) Фазовые диаграммы смеси этан-н-гептан при температурах 63 C и 177 C. Сопоставление атомистического моделирования с потенциалом TraPPE [14] с экспериментом. (Справа) Течение смеси этан-азот через пору в мембране из аморфного оксида кремния. Иллюстрация из работы [15]. Диаметр поры 0,8 нм, длина 2,85 нм, перепад давления 0,1 МПа. Течение при -13 C смесей этан-азот с мольной долей этана 5% (сверху) и 90% (снизу). Серым цветом обозначены молекулы этана, зеленым -молекулы азота, черным -атомы кремния мембраны. жения) позволяет вычислить не только фазовые диаграммы материала с заданным потенциалом взаимодействия, так и фазовые проницаемости различных сред (рис. 5). 1.3. Полимеры В последнее десятилетие в индустрии конструкционных материалов наблюдается заметный рост интереса к сфере полимерных нанокомпозитов. В первую очередь это обусловлено их необычными механическими свойствами при сравнительно небольшой плотности и высокой коррозийной стойкости. В качестве наполнителя в полимерной матрице могут выступать углеродные волокна, нанотрубки, фуллерены, металлические или иные наночастицы. Свойства полимерных нанокомпозитов существенным и не вполне очевидным образом зависят от целого ряда параметров: типа, концентрации, ориентации, упругих свойств наполнителя, пластических и термических свойств самой полимерной матрицы. Описание подобной многопараметрической задачи на микроуровне с использованием сугубо экспериментальных методов крайне затруднительно и пока во многом носит эмпирический характер. Свойства полимерных цепей, находящихся в контакте с поверхностью наполнителя, неизбежно отличаются от свойств чистого полимера. В случае нановключений, ввиду большой величины площади их эффективной поверхности, уже при малых концентрациях (порядка нескольких массовых процентов), область интерфейса может охватить существенную часть полимерной матрицы. При этом на свойства материала влияет множество параметровформа и размер наночастиц, распределение частиц в полимерной матрице, тип и сила взаимодействия полимерной матрицы с наночастицами, температурный режим, запутывание полимерных цепочек и т.д. Одной из основных особенностей полимерных систем является их четко выраженная иерархическая структура. Последовательный подход описания при этом должен охватывать ряд пространственных масштабов начиная от размеров отдельного мономера (субнанометровый масштаб) до структуры цельной молекулы (десятки-сотни нанометров) и конфигураций, образующихся в системе многих молекул (субмикронные масштабы) (рис. 6). Аналогичная иерархия масштабов может быть построена и для шкалы времен протека-Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org Рис. 6. а) Принципиальная схема многомасштабного моделирования полимерных композитов. б) зависимость вычислительного времени, требуемого на расчёт траектории длительностью в одну пикосекунду (T ps ), от величины задействованных вычислительных ресурсов. Квадраты соответствуют полноатомной модели, треугольники-огрубленной. Красными линиями обозначено идеальное масштабирование задач. ния процессов в высокомолекулярных системах. Если характерное время переориентации отдельного мономера составляет t\sim 10 - 11 с, то время релаксации цепи, содержащей N звеньев, согласно модели Рауза, будет составлять T = tN 2 . В случае цепи из N=1000 звеньев характерное время релаксации макромолекулы может достигать 10 - 5 с. В связи с этим даже МД-расчеты с участием достаточно простого полимера, как, например, полиэтилен, требуют задания начальной конфигурации, максимально близкой к равновесной при рассматриваемых условиях. Более сложные конформационные перестройки полимерных систем как, например, стеклование или кристаллизация из расплава, как правило, лежат далеко за пределами временных масштабов, доступных МД. Активное использование МД для задач моделирования нанокомпозитов началось немногим более десятилетия назад. Первые работы в этой области [16] были нацелены на изучение аспектов взаимодействия полимера с участками поверхности наполнителя, поскольку вычислительные возможности не позволяли размещать в расчетной ячейке наночастицы характерных размеров. Классическая полноатомная МД, будучи достаточно ресурсоемким методом, накладывает серьезные ограничения на линейные размеры исследуемой системы, которые обычно не превышают сотен нанометров, и на времена расчета. На помощь в этом случае приходят методы огрублённой (т.н. coarse-grained) молекулярной динамики (см., например, [17]). В огрублённой модели составные части полимеров и полимерных композитов представляются в упрощённой геометрии. Основной идеей метода является объединение нескольких маленьких частиц (групп атомов) в один большой блок (супер-атом) и использование общих силовых постоянных и геометрических параметров, основанных на простых соображениях гибридизации. При таком упрощении функциональной формы описания межатомных взаимодействий важно следить за сохранением физических свойств материалов. Для сложных полимерных систем не существует универсального алгоритма задания структуры супер-атома (т.н. mapping). Для каждой конкретной задачи методика огрубления атомарной структуры (определение групп атомов, которые в дальнейшем сформируют супер-атомы), как правило, выявляется путём рассмотрения нескольких наиболее Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org Рис. 7. Основные части МД алгоритма на GPU ускорителе. уместных вариантов. От выбора варианта огрубления напрямую зависит описательная способность создаваемой упрощённой модели. Среди стохастических методов описания эволюции атомистических систем стоит также выделить метод диссипативной динамики частиц (DPD). DPD, так же как и классическая МД, основан на интегрировании систем уравнений движения Ньютона. Благодаря меньшей вычислительной сложности он позволяет рассматривать крупные системы, включающие в себя группы из наночастиц субмикронного размера, и широко используются для изучения процессов агломерации наночатстиц и их влияния на свойства полимерных матриц [17]. 2. Использование специализированных GPU ускорителей Метод молекулярной динамики зачастую требует выполнения сложных вычислений с значительным объемом данных. С развитием графических ускорителей, их вычислительные мощности все чаще стали применяться не только для визуализации, но и для выполнения трудоемких расчётов. В то время, как традиционные процессоры превосходно выполняют сложные манипуляции над малым набором данных, графические ускорители изначально были ориентированы на параллельное выполнение простых инструкций сразу над большим блоком данных. Это достигается выполнением одной инструкции сразу в нескольких параллельных потоках выполнения (SIMD). Безусловно, подобная архитектура существенно повышает производительность в задачах, в которых изначально можно выделить высокую степень параллелизма, частую связанных с операциями над матрицами и векторами. К подобным задачам можно отнести, например линейную алгебру над плотными матрицами, выравнивание последовательностей в биоинформатике или методы машинного обучения на базе искусственных нейронных сетей. Однако, однозначно отнести в эту группу метод молекулярной динамики не представляется возможным, т.к. многие вычислительные приемы в МД создавались в эпоху господства последовательных вычислений. Потому успешное применение подобной архитектуры для расчётов методом молекулярной динамики требует существенной адаптации алгоритмов.
Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org Кроме того, есть особенности и с организацией работы с памятью. Достаточно быстрой памятью можно считать лишь разделяемую память, но её размер в современных GPUускорителях составляет порядка 16 Кбайт на вычислительную единицу. К сожалению, не всегда удается сохранить результаты текущих вычислений в разделяемой памяти, что особенно характерно для расчётов дальнодействующих потенциалов. Глобальная память графического ускорителя куда больше (несколько Гбайт), но скорость доступа туда не позволяет всем потокам исполнения работать с ней одновременно, что может приводить к простаиваниям потоков и, как следствию, потере производительности. Существуют и фундаментальные проблемы обеспечения высокой степени параллелизма для GPU расчетов МД задач. Принцип SIMD предполагает выполнение одинаковых инструкций для группы потоков. Однако появление в алгоритме ветвлений существенно ухудшает ситуацию. Если в группе потоков разные потоки пошли по разным ветвям алгоритма, то дальнейшие инструкции для них будут уже различными, что нарушает принцип SIMD. Типичным решением является выполнение обеих ветвей алгоритма, что приводит к потерям в производительности. Ещё одной из проблем является сортировка -практически вездесущая операция, в том числе широко применяемая и в молекулярной динамике при составлении списков соседей и сил. В то время, как на обычных процессорах решение данной задачи является скорее проблемой выбора алгоритма, на GPU создание быстрого и эффективного алгоритма несколько затруднено, ввиду массивно-параллельной архитектуры графических ускорителей. Таким образом, достижение полной загруженности всех ядер графического ускорителя -задача вполне нетривиальная. Такая же ситуация имеет место и в других прикладных областях суперкомпьютерных вычислений. Несмотря на значительный прогресс в адаптации кодов для использования GPU ускорителей, их эффективность пока не является предметом исследований. В списке Топ-500 ноября 2014 года в верхней десятке присутствовали 3 системы с Nvidia GPU. Но в то же время в этом списке 7 самых мощных суперкомпьютеров Германии используют только обычные процессоры и только 8-я немецкая система (номер 77) имеет ускорители Nvidia. Эти примеры можно рассматривать как определенную иллюстрацию объемов текущего использования GPU ускорителей (энтузиазм в США и определенная осторожность в Европе).
3 .Перспективы развития суперкомпьютеров за рубежом Министерство энергетики США (DOE) запустило программу CORAL [19]. Эта аббревиатура раскрывается как Collaboration трёх национальных лабораторий Oak Ridge (ORNL), Argonne (ANL) и Livermore (LLNL). В рамках этой программы DOE объявило конкурс на три системы преэксафлопсного класса, Summit (ORNL, 150-300 петафлопс), Aurora (ANL, 180 петафлопс), и Sierra (LLNL, 100+ петафлопс). Суперкомпьютеры должны в 2017 году прийти на смену Titan (ORNL, 27 петафлопс), Mira (ANL, 10 петафлопс) и Sequoia (LLNL, 20 петафлопс). В экспертную группу включены также на равных представители Los Alamos NL и Sandia NL. Цель программы CORAL-обеспечить удержание лидерства США в развитии суперкомпьютеров. Уже решено, что request for proposal (RFP) выпускает LLNL. На основании конкурса заключаются два разовых договора на инжиниринг и три контракта на покупку суперкомпьютеров. Оба договора на инжиниринг управляются совместно тремя лабораториями. Для уменьшения рисков и чтобы удовлетворить широкому набору требований предусмотрен выбор двух путей разработки архитектуры суперкомпьютеров, уже объявлено, что Summit и Sierra будут работать на процессорах IBM POWER9 и видеокартах NVIDIA Volta, Aurora-на новом поколении сопроцессоров Intel Xeon Phi, при этом Intel будет вести разработку совместно с Cray. На этапе подготовки решений все предложения докладываются на заседаниях Advanced Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org Scientific Computing Advisory Committee (ASCAC) Министерства энергетики США. В состав ASCAC входят 9 профессоров 9 ведущих университетов США, в том числе председатель ASCAC, и по одному представителю Microsoft, Google, LLNL, SNL и Pittsburgh Supercomputing Center. Всего 14 человек. Представителей лабораторий-заказчиков здесь нет. Поставлены цели, которым должна удовлетворять производительность новой системы, и перечислены тестовые приложения, по которым проверяется достижение этих целей. Для выделенного режима, т.е. когда масштабируемость под одну задачу охватывает до 90% системы, поставлена цель добиться S > 4.0 при увеличении размерности задачи: числа атомов, узлов сетки и др., где S --отношение производительности новой системы к производительности текущей системы. Тестовыми приложениями выбраны: первопринципные расчеты основного состояния (LSMS), квантовая молекулярная динамика (QBOX), гравитационная задача N тел (HACC), термогидромеханика (Nekbone). В скобках указаны рекомендуемые пакеты программ. Для многозадачного режима, занимающего всю систему при одновременном запуске не менее 24 задач, цель поставлено S > 6.0. Тестовыми приложениями выбраны: квантовый метод Монте-Карло (QMCPACK), классическая молекулярная динамика (NAMD), динамика атмосферы (CAM-SE), многосеточный солвер (AMG2013), метод конечных элементов (MiniFE), гидродинамика ударно-волновых явлений (LULESH), перенос излучения (неструктурированные сетки) (UMT2013), перенос излучения (структурированные сетки) (SNAP), метод Монте-Карло (задачи переноса) (MCB). Требования по LINPACK и месту в Топ-500 вообще не фигурируют. Кроме этого, в ORNL выбрали 13 широко использующихся программных кодов из различных областей для портирования и оптимизации приложений на новый гибридный суперкомпьютер Summit. Разработчики получат ранний доступ к суперкомпьютеру и техническую поддержку от IBM и NVIDIA. После определения победителей конкурса предусмотрено многолетнее сотрудничество между лабораторией-заказчиком и компанией-победительницей с целью достижения наивысшей производительности. Каждая из трёх лабораторий самостоятельно проводит переговоры по заключению и управлению контрактом на покупку суперкомпьютера и может выставлять свои специальные требования к контракту. 4. Заключение Рассмотрены примеры задач, обладающих масштабируемостью на суперкомпьютеры экзафлопсного класса, для перспективных задач энергетики, физики, химии и других естественных наук. Развивается подход, который позволяет определить, может ли решение той или иной задачи загрузить единовременно сотни тысяч или даже миллионы вычислительных ядер в одном расчете и нужно ли это. Основная идея заключается, с одной стороны, в проверке масштабируемости алгоритмов при переходе к большему числу вычислительных ядер, а, с другой, в теоретической оценке размеров физической системы, рассмотрение которой требуется для решения поставленной задачи. Развиваемый подход позволяет установить перспективу нарастания сложности задач, принадлежащих к одному научному направлению, возможность решения которых будет открываться с прогрессом развития суперкомпьютеров. Сегодня для удержания лидерства США в развитии суперкомпьютеров Министерство энергетики США (DOE) запустило на 2013-2017 годы программу CORAL. Поставлены цели, которым должна удовлетворять производительность новых систем, и перечислены тестовые приложения, ориентированные на решение ясно определенного списка прикладных задач, по которым проверяется достижение этих целей. Пример текущего распределения суперкомпьютеров в Германии показывает осторож-Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org ность, с которой идет создание больших гибридных систем на GPU-ускорителях в Европе. Несмотря на активное развитие новых технологий, наибольшую эффективность для решения задач имеют обычные процессоры. В данной ситуации отношение к развитию суперкомпьютеров в России требует определенного переосмысления. Главным является переход к ситуации, когда заказчиками на разработку новых суперкомпьютеров станут квалифицированные пользователи, владеющие задачами, которые могут эти суперкомпьютеры эффективно загрузить. В действительности, эта весьма давняя традиция -два примера из практики IBM прошедших десятилетий. При разработке архитектуры суперкомпьютеров IBM BlueGene/L задачи молекулярного моделирования рассматривались в качестве главного приоритета [2]. А в 1970-ые годы Энрико Клементи, разработчик квантово-химической программы IBMOL, публиковавший тогда десятки статей в лучших физических журналах, тестировал на своих задачах новые модели IBM в процессе их доведения.
Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org
Lomonosov VSadovnichy ATikhonravov VVoevodin VOpanasenko supercomputing at Moscow State University // Contemporary High Performance Computing: From Petascale toward Exascale JSVetter Ed
Boca Raton, FL
 CRC Press 2013 <ptr target="http://www.research.ibm.com/journal/rd49-23.html(датаобращения:14.06." /> </analytic> <monogr> <title level="j">IBM Journal of Research and Development 2005. 2015 INCITE program ВВСтегайлов ГНорман .Э. Проблемы развития суперкомпьютерной отрасли в России: взгляд пользователя высокопроизводительных систем // Программные системы: теория и приложения: электрон. научн. журн 2014. 06.2015 5 Стохастическая теория метода классической молекулярной динамики // Математическое моделирование ГЭНорман ВСтегайлов 2012 24 АВЯнилкин ПАЖиляев АКуксин Применение суперкомпьютеров для молекулярно-динамического моделирования процессов в конденсированных средах // Вычислительные методы и программирование 2010 11 Ab initio молекулярная динамика: перспективы использования многопроцессорных и гибридных суперЭВМ // Вычислительные методы и программирование ПАЖиляев ВСтегайлов 2012 13 WEckhardt TFLOPS multi-trillion particles simulation on SuperMUC // Supercomputing
Berlin Heidelberg
 Springer 2013 7905 АЮКуксин АВЛанкин ИВМорозов ГНорман .В. ЗАЧЕМ и КАКИЕ нужны суперкомпьютеры эксафлопсного класса? Предсказательное моделирование свойств и многомас штабных процессов в материаловедении // Программные системы: теория и приложения: электрон. научн. журн АТимофеев 2014. 06.2015 5 Суперкомпьютерные .В. Суперкомпьютерное молекулярное моделирование термодинамического равновесия в микросистемах газ-металл // Вычислительные методы и программирование ВОПодрыга СВПоляков ДПузырьков 2015 16 Melting and superheating of sI methane hydrate: Molecular dynamics study GSSmirnov VVStegailov Journal of Chemical Physics 136 4 44523 2012 Toward Determination of the New Hydrogen Hydrate Clathrate Structures GSSmirnov VVStegailov Journal of Physical Chemistry Letters 4 2013 zeo: Transferable potentials for phase equilibria force field for all-silica zeolites PBai MTsapatsis JISiepmann -Trappe J. Phys. Chem. C 117 2013 Transferable potentials for phase equilibria. 3. Explicit-hydrogen description of normal alkanes BChen JISiepmann J. Phys. Chem. B 103 1999 Transport Properties of Condensable and Non-condensable Gas Mixtures through Microporous Silica Membranes Studied with Molecular Dynamics Simulation // Asian Pacific Confederation of Chemical Engineering congress program and abstracts TYoshioka JTanaka TTusru MAsaeda 2004 741 The stress-strain behavior of polymer-nanotube composites from molecular dynamics simulation SJFrankland Compos. Sci. Technol 63 11 2003 Effect of nanotube size on the mechanical properties of elastomeric composites // Soft Matter AAGavrilov AVChertovich PGKhalatur ARKhokhlov 2013 9 4067 Molecular dynamics simulations of the relaxation processes in the condensed matter on GPUs IVMorozov AMKazennov RGBystryi GENorman VVPisarev VVStegailov Computer Physics Communications 182 2011 Collaboration of Oak Ridge
Argonne, and Livermore (CORAL
 14.06.2015 Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015