جوریس پورت – 29 نوامبر 2021
در حالی که ابر در حال حاضر در محاسبات سازمانی همه جا حاضر است، یک حوزه وجود دارد که تغییر به سمت ابر در آن به تازگی آغاز شده است: ابررایانه. واژه‌ای جذاب برای بزرگ‌ترین و قوی‌ترین رایانه‌های جهان، ابر رایانه‌ها زمانی فقط در اختیار دولت‌ها، دانشگاه‌های تحقیقاتی و شرکت‌های معتبر بود و برای شکستن کدهای دشمن، شبیه‌سازی آب‌وهوا و طراحی راکتورهای هسته‌ای استفاده می‌شد. اما امروز، ابر در حال آوردن ابر رایانه به جریان کسب و کار است.
این انتقال پتانسیل تسریع (یا دگرگون کردن) نحوه ارائه محصولات مهندسی شده پیچیده را دارد، از طراحی موشک هایی با قابلیت رسیدن به فضا و جت های مافوق صوت گرفته تا ایجاد داروهای جدید و کشف حوضچه های عظیم نفت و گاز در اعماق زمین. همانطور که رایانش ابری سازمانی راه‌های جدیدی را برای کسب‌وکارها ایجاد کرد تا مشتریان را درگیر کنند و اختلالاتی را از نرم‌افزار به‌عنوان سرویس گرفته تا محاسبات موبایلی ایجاد کنند، ابررایانه‌ها با تسریع تحقیق و توسعه و توسعه محصول با سفارش‌های بزرگ، فرصت‌های جدیدی را برای پیشرفت‌های نوآوری ایجاد می‌کنند.
به عنوان مثال، برنامه حمل و نقل مافوق صوت کنکورد 25 سال و 5 میلیارد دلار (تعدیل شده بر اساس تورم) طول کشید تا اولین پرواز تجاری خود را در سال 1976 راه اندازی کرد. آن جدول زمانی را با بوم سوپرسونیک مقایسه کنید، استارت آپی که وعده می دهد زمان سفر هوایی را به نصف کاهش می دهد و مسافران را بین آنها جابه جا می کند. نیویورک و پاریس در 3.5 ساعت. این شرکت که تنها در سال 2014 تاسیس شد، قصد دارد هواپیمای مسافربری مافوق صوت اورتور خود را در نیمی از زمان، با کسری کمی از هزینه و پرسنل تحویل دهد.
سرعت تحقیق و توسعه سریع Boom توسط ابر محاسبات ابری تامین شد. شبیه‌سازی‌های سریع نرم‌افزاری به شرکت این امکان را می‌دهد تا بیشتر نمونه‌سازی فیزیکی و آزمایش تونل باد مورد نیاز کنکورد را جایگزین کند. به دلیل فضای ابری، Boom که یک مشتری Rescale است می‌تواند به سرعت 53 میلیون ساعت محاسباتی را در سرویس‌های وب آمازون (AWS) اجرا کند و قصد دارد به بیش از 100 میلیون ساعت محاسبه برسد. این شرکت در حال حاضر تعهداتی از یونایتد برای خرید 15 جت حمل و نقل مافوق صوت خود دارد، حتی اگر هواپیما هنوز پرواز نکرده باشد. این میزان اعتماد خطوط هوایی به میلیون‌ها ساعت در نتایج شبیه‌سازی رایانه‌ای است که تا به امروز تولید شده است.
بنابراین، با توجه به پتانسیل این فناوری، چرا از هر چهار ابرکامپیوتر کمتر از یک ابرکامپیوتر برای شبیه سازی مبتنی بر ابر است؟ پاسخ ساده این است که سخت است. مهندسی محاسبات به یک پشتوانه فناوری پیچیده و تخصصی نیاز دارد و تعداد کمی از سازمان‌های IT شرکتی تخصص داخلی برای راه‌اندازی عملیات تحقیق و توسعه واقعی در فضای ابری را دارند.
چند دلیل برای این وجود دارد. اول، زیرساخت محاسباتی با کارایی بالا، که مهندسی محاسباتی را ممکن می‌سازد، یک پیشنهاد جدید برای ارائه‌دهندگان ابر عمومی است. دوم، نرم افزار شبیه سازی مورد نیاز برای راه اندازی و نگهداری می تواند پیچیده باشد. سوم، انتخاب ترکیب نرم افزار/سخت افزار مناسب و حفظ پیکربندی مناسب با پیشرفت فناوری IT برای دستیابی به عملکرد بهینه برای بارهای کاری مهندسی محاسبات بسیار مهم است. من با چگونگی چالش برانگیز بودن این فرآیند برای سازمان ها آشنا هستم زیرا شرکت من، Rescale، در کمک به شرکت ها در راه اندازی و خودکارسازی این سیستم ها تخصص دارد.
در حالی که راه‌اندازی یک ابر رایانه مبتنی بر ابر ممکن است دشوار باشد، اما دستاورد آن می‌تواند ارزش تلاش را داشته باشد. امروزه، محققان می‌توانند از نرم‌افزار شبیه‌سازی انتخابی خود با قدرت محاسباتی تقریباً نامحدود، بدون نگرانی در مورد زیرساخت استفاده کنند و دسکتاپ‌های مبتنی بر ابر را برای تعامل با شبیه‌سازی‌ها یا مدل‌های خود اجرا کنند. رهبران فناوری می توانند سیاست هایی را برای کنترل هزینه ها و یافتن تعادل بین زمان حل و کم ترین هزینه اعمال کنند. به طور خلاصه، این یک تجربه ابررایانه‌ای مبتنی بر تحقیق و توسعه است که بر حسب تقاضا در دسترس است و براساس مصرف صورت‌حساب می‌شود.
سوال این است: چگونه متوجه می شوید که مشکلی دارید که یک ابر رایانه می تواند به حل آن کمک کند؟
چه زمانی یک ابر کامپیوتر ارزش آن را دارد؟
در دهه گذشته، کلان داده ها بینش های عمیق تجاری جدیدی را به شرکت ها داد و نحوه تجزیه و تحلیل مجموعه های بزرگ داده را بهبود بخشید. روش‌های محاسباتی در تحقیق و توسعه، عملکرد فیزیکی محصولات مهندسی شده را از طریق شبیه‌سازی به همان میزان عمیق بهبود می‌بخشد. موضوع مشترک در همه شبیه‌سازی‌ها این است که ما بر اساس اصول علمی که جهان ما را شکل می‌دهند – از فیزیک گرفته تا شیمی و ترمودینامیک – در حال تعیین مشاهدات احتمالی از نحوه تعامل یک محصول با محیط خود هستیم.
ابر محاسبات مبتنی بر ابر می تواند به ویژه برای سازمان ها در شرایط زیر مفید باشد:
سرعت بخشیدن به زمان عرضه به بازار: ارزیابی طرح‌های جدید از طریق شبیه‌سازی مبتنی بر ابر به جای نمونه‌سازی فیزیکی، می‌تواند سرعت شرکت‌ها در تجاری‌سازی نوآوری‌های محصول جدید را به‌طور چشمگیری تسریع کند. استارت آپ مستقر در فلوریدا Sensatek یک حسگر ابتکاری اینترنت اشیا ایجاد کرد که به پره های توربین می چسبد تا فشارهای داخلی موتورهای جت را در طول پرواز اندازه گیری کند. نیروی هوایی می‌خواست حسگرهای Sensatek را بخرد، اما این شرکت منابع لازم برای خرید ابررایانه‌ها را نداشت تا محصول خود را با سرعت کافی کامل کند، تا اینکه به محاسبات با کارایی بالا در فضای ابری روی آورد. به طور مشابه، Specialized Bicycles شبیه سازی هایی را با نمونه سازی سریع انجام می دهد تا بتوانند به سرعت آیرودینامیک و عملکرد کلی خود را تنظیم کنند.
دوقلوهای دیجیتال: شبیه سازی تعامل یک محصول با سناریوهای دنیای واقعی زمانی که نمونه سازی فیزیکی غیرعملی است، حیاتی است. برای مثال، Commonwealth Fusion Systems، یک راه‌اندازی راکتور هسته‌ای همجوشی، بر شبیه‌سازی‌ها برای تایید طرح‌های راکتور بالقوه تکیه می‌کند، زیرا هیچ رآکتور همجوشی تجاری تاکنون وجود نداشته است. Firefly Aerospace، یک استارت‌آپ موشکی مستقر در تگزاس، برای کاوش و آزمایش طرح‌های موشک‌های تجاری خود به ماه، به مهندسی محاسباتی متکی است. به طور مشابه، تولیدکنندگان دارو به شبیه‌سازی‌های پیچیده نیاز دارند تا بدانند مولکول‌ها چگونه با یک محیط بیولوژیکی برهم‌کنش می‌کنند قبل از اینکه بتوانند به تولید دستاوردهای جدید در کشف دارو متعهد شوند.
ترکیب AI/ML با شبیه‌سازی: شبیه‌سازی‌ها نه تنها می‌توانند عملکرد یک محصول طراحی شده توسط انسان را پیش‌بینی کنند، بلکه می‌توانند عملکرد طیف کاملی از طرح‌های بالقوه را نیز پیش‌بینی کنند. سازمان‌هایی که در این آزمایش‌های مجازی سرمایه‌گذاری می‌کنند، مالکیت معنوی را بر روی مدل‌هایی توسعه می‌دهند که طیف وسیعی از پارامترهای طراحی و پیامدهای عملکرد محصول را پوشش می‌دهند. اینجا جایی است که شرکت های زودهنگام با دارایی های داده خود مزیت رقابتی به دست می آورند. خودروسازانی مانند نیسان، هیوندای و Arrival آزمایش تکنیک‌های طراحی جدید برای ساخت خودروهای ایمن‌تر و کارآمدتر در یک محیط عملیاتی فزاینده پیچیده با قابلیت‌های مستقل، الکتریکی و متصل را برای مهندسانشان بسیار آسان‌تر و سریع‌تر می‌کنند. در توسعه سیستم های پیشرفته کمک راننده، الگوریتم های ML می توانند نرم افزار راننده را در جهان های شبیه سازی شده آموزش دهند. همانطور که آزمایش تونل باد هواپیما به صورت مجازی انجام شده است، آزمایش سیستم های رانندگی مستقل نیز می تواند انجام شود. در فضای علوم زیستی، Recursion Pharmaceuticals از تکنیک‌های هوش مصنوعی در زیست‌شناسی استفاده می‌کند و با تجزیه و تحلیل سلول‌ها با استفاده از یادگیری ماشین در ابررایانه‌ها، اکتشافات دارویی جدید را با 20 برابر سریع‌تر تجزیه و تحلیل می‌کند.
محصولات یا خدمات جدید محاسباتی فعال: مقیاس ابر و ماهیت متصل، امکانات جدیدی را برای علم و مهندسی ایجاد می‌کند. به عنوان مثال، Samsung Electronics یک پلتفرم مبتنی بر ابر برای همکاری مهندسی محاسبات ایجاد کرد، بنابراین مشتریان بی‌سابقه – که سخت‌افزار را طراحی و می‌فروشند، اما آن را تولید نمی‌کنند – می‌توانند از ابزارهای اتوماسیون طراحی الکترونیکی متنوع در صورت تقاضا استفاده کنند و در طراحی‌ها با سامسونگ قبل از شروع به همکاری کنند. این رویکرد جدید اساساً یکپارچگی مداوم (روشی که امروزه در توسعه نرم افزار رایج است) را برای محصولات مهندسی شده به ارمغان می آورد. مهندسان نه تنها می توانند به سرعت تصمیمات طراحی خود را تأیید کنند، بلکه می توانند طرح های خود را در یک سیستم کلی برای همکاری یکپارچه و شبیه سازی و اعتبارسنجی سطح سیستم ادغام کنند.
از Big Data تا Big Compute
با تمام سرمایه‌گذاری‌های دهه گذشته پیرامون رسانه‌های اجتماعی، موبایل و فناوری‌های ابری، تحولات بزرگ بعدی صنعت احتمالاً در دنیای علم و مهندسی رخ خواهد داد. در این دنیای جدید، تولید داده – نه فقط جمع‌آوری – با رایج‌تر شدن شبیه‌سازی‌هایی که دوقلوهای دیجیتالی محصولات دنیای واقعی را ایجاد می‌کنند، اهمیت بیشتری پیدا می‌کند.
استفاده از ابررایانه در فضای ابری برای نوآوری در بسیاری از صنایع پایه‌گذاری شده است، به‌ویژه زمانی که ادغام مستمر و تحویل مستمر تحقیق و توسعه را به چرخه‌های محصول و فرآیند تحویل نرم‌افزار شرکت نزدیک‌تر می‌کند. ابررایانه در ابر چیزی را ممکن می‌کند که دیروز علمی تخیلی به نظر می‌رسید. در واقع، صنایع کاملی وجود دارند که فقط به دلیل این قابلیت محاسباتی جدید وجود دارند – مانند سفرهای فضایی خصوصی.
شرکت های موشکی مانند اسپیس ایکس و بلو اوریجین 15 سال پیش به سختی امکان پذیر بودند. این رهبران نوآوری در هوافضا به صدها میلیون دلار فقط برای ساختن زیرساخت رایانه ای نیاز داشتند که بتواند شبیه سازی های مورد نیاز تجارت آنها را اجرا کند. اما شرکت های هوافضای نسل بعدی مانند Firefly، Relativity و Virgin Orbit اکنون می توانند نتایج تحقیق و توسعه را با کمتر از یک دهم هزینه همتایان قدیمی خود ارائه دهند. و امروز می توانند این کار را در هر مقیاسی انجام دهند و به سرعت موانع نوآوری را از بین ببرند.
امروزه، هر کسی می‌تواند یک ابرکامپیوتر کلاس جهانی را روی کارت اعتباری خود بچرخاند. این امر سرعت و پویایی نوآوری را تغییر می دهد که تأثیر آن اخیراً شروع به ظهور کرده است.
