Все
 
 
 


Тенденции развития российских и зарубежных суперкомпьютерных технологий в условиях цифровой трансформации
 
Код статьиS265838870017846-3-1
DOI10.33276/S265838870017846-3
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Евдокимов Дмитрий Сергеевич 
Должность: Научный сотрудник
Аффилиация: Центральный экономико-математический институт Российской академии наук (ЦЭМИ РАН)
Адрес: Москва, Российская Федерация, 117418, г. Москва, Нахимовский проспект, д. 47
Кравченко Дмитрий Сергеевич
Должность: Аспирант
Аффилиация: Государственный академический университет гуманитарных наук
Адрес: Российская Федерация, Москва, Мароновский переулок 26
Название журналаВестник ЦЭМИ
ВыпускВыпуск 3-4
Аннотация

Стремительное развитие современных технологий и появление масштабных мировых проектов с привлечением научного, политического и коммерческого конгломерата, способствует всестороннему развитию цифровизации и, в том числе, IT индустрии, тем самым продвигая и совершенствуя разработки, связанные с электронно-вычислительными машинами. Статья посвящена изучению последних разработок в области суперкомпьютерных технологий в России и за рубежом. Приведен обзор действующих суперкомпьютеров, занимающих первые строчки в мировом рейтинге ТОП-500. Отмечены основные достижения России в этом направлении. Описаны возможные перспективные задачи, решение которых позволило бы России укрепить свои позиции на международной арене.

Ключевые словавычислительные системы, электронно-вычислительные машины, суперкомпьютер, суперкомпьютерные технологии, цифровизация
Источник финансированияРабота выполнена при поддержке гранта российского научного фонда (РНФ), проект № 19-18-00240.
Получено28.12.2021
Дата публикации31.12.2021
Кол-во символов21330
Цитировать  
100 руб.
При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»
1

ВВЕДЕНИЕ
2 Стремительное развитие современных технологий, появление масштабных мировых проектов («Industrie 4.0», «Industrie 5.0» и др.) с привлечением научного, политического и коммерческого конгломерата, способствует всестороннему развитию цифровизации и, в том числе, IT индустрии, тем самым продвигая и совершенствуя разработки, связанные с электронно-вычислительными процессами. Рассматривая направление, которое специализируется на устройствах, позволяющих производить вычислительные операции разной направленности, стоит отметить различия в логике их работы. Стандартные компьютеры используют последовательную логику для вычислений, квантовые компьютеры применяют технологию смены состояний, в которых он может находиться, воспроизводя свои операции в кубитах, а суперкомпьютеры позволяют одновременно задействовать весь свой функционал, используя методологию распараллеливания процессов, выполняя их не последовательно, а параллельно [1,2].
3 Наряду с активным ростом суперкомпьютерных технологий особое внимание уделяется задачам, связанным с оптимизацией вычислений. Скорость, помноженная на эффективность, дает результат, который позволяет выйти в лидеры в области развития высокопроизводительной техники. Вместе с развитием функционала вычислительной техники, усиливается межстрановая гонка за первые строчки мирового рейтинга, который позволяет оценить мощность компьютера с помощью единицы измерения – флопса1. Таким образом по данному показателю уверенное лидерство в конце 2021 года взяла Япония, обогнав США по этому критерию почти в три раза. Российские показатели стремительно возросли за счет усиления коммерческого сектора и покупки четырёх суперкомпьютеров Яндексом и Сбербанком. По количественным и суммарным показателям мощности суперкомпьютеров Россия находится в ТОП-10. Положительная динамика в этом направлении есть, но ее необходимо стимулировать, чтобы добиться серьезных результатов [3]. 1. FLOPS — «FLoating-point Operations Per Second» – совокупное число операций в секунду с плавающей запятой.
4

АНАЛИЗ РАЗВИТИЯ СУПЕРКОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ В РОССИИ И ЗА РУБЕЖОМ

5 Влияние цифровой трансформации на развитие суперкомпьютерных технологий. Популярная тенденция к всеобщей цифровизации набирает обороты и в мировых проектах «Industrie 4.0», «Industrie 5.0», посвященных цифровизации. Основной упор сделан в сторону изучения и улучшения социально-экономических процессов. «Industrie 4.0» уже более десяти лет продвигается и финансируется государствами и коммерческими структурами, прочно создавая задел для будущих разработок в области IT индустрии и создания в целом цифрового общества. Технологические инновации, созданные с помощью «Industrie 4.0», относящиеся к цифровизации, затрагивают практически все важные сферы государственного, экономического и социального регулирования. Пятая промышленная революция – «Industrie 5.0» станет следующей ступенью для развития информационных, коммуникационных, роботизированных технологий, искусственного интеллекта, автоматизированных систем управления и будет продвигаться гораздо быстрее и масштабнее, чем «Industrie 4.0», на основе которой была создана. «Industrie 5.0» будет продвигать идеологию человекоцентричных технологий, в первую очередь, нацеленных на раскрытие потенциальных физических, умственных, творческих возможностей человека, повышение уровня качества жизни и ее продолжительность. Все это позволяет сделать вывод о том, что суперкомпьютерные технологии будут развиваться гораздо быстрее, чем предполагалось, как раз за счет гиперактивного спроса на подобные разработки [4,5].

всего просмотров: 73

Оценка читателей: голосов 0 

1. Макаров, В. Л. Моделирование и оценка национальной силы разных стран мира / В. Л. Макаров, А. Р. Бахтизин, J. Wu, Z. Wu, [и др.] // Искусственные общества. – 2021. – T. 16. – Выпуск 3 [Электронный ресурс]. URL: https://artsoc.jes.su/s207751800016081-8-1/  (дата обращения: 27.10.2021).
2. Бурилина, М. А. Агент-ориентированное моделирование для поддержки принятия решений и прогнозирования в условиях перехода к цифровой экономике / М. А. Бурилина, Д. С. Евдокимов / Монография. – М.: ЦЭМИ РАН, 2020. – 148 с.
3. Макаров, В. Л. Мультиагентные системы и суперкомпьютерные технологии в общественных науках / В.Л. Макаров, А. Р. Бахтизин, Е. Д. Сушко// Нейрокомпьютеры: разработка, применение. – 2017. – № 5. – С. 3-9.
4. Лапаев, Д. Н. Искусственный интеллект: за и против / Д. Н. Лапаев, Г.А. Морозова // Развитие и безопасность. – 2020. – № 3(7). – С. 70-77.
5. Баранов, А. В. Методы и средства моделирования системы управления суперкомпьютерными заданиями / А. В. Баранов, Д.С. Ляховец // Программные продукты и системы. – 2019. – № 4. – С. 581-594.
6. Кишкан, В.В. Беступиковый алгоритм расширенного синтаксического анализа и его приложение к языкам программирования для квантовых компьютеров / В. В. Кишкан, К. В. Сафонов // Computational Nanotechnology. – 2020. – Т. 7. – № 2. – С. 42-48.
7. Makarov, V. L. The application of graph decomposition to development of large-scale agent-based economic models (2019) / V. L. Makarov, A. R. Bakhtizin, E. D. Sushko, G. B. Sushko // Advances in Systems Science and Applications, 19 (1), pp. 141-149.
8. Антонов, А. С. Высокопроизводительные вычислительные платформы: текущий статус и тенденции развития / А. С. Антонов, И. В. Афанасьев, В. В. Воеводин // Вычислительные методы и программирование. – 2021. – Т. 22. – № 2. – С. 135-177.
9. Абрамов, С. М. Июнь 2019: анализ развития суперкомпьютерной отрасли в России и в мире / С. М. Абрамов // Программные системы: теория и приложения. – 2019. – Т. 10. – № 3(42). – С. 3-40.
10. Savin, G. I. Jobs Runtime Forecast for JSCC RAS Supercomputers Using Machine Learning Methods / G. I. Savin, B. M. Shabanov, D. S. Nikolaev [et al.] // Lobachevskii Journal of Mathematics. – 2020. – Vol. 41. – No 12. – P. 2593-2602.
11. Савин, Г. И. Об использовании Федеральной научной телекоммуникационной инфраструктуры для суперкомпьютерных вычислений / Г. И. Савин, Б. М. Шабанов, А. В. Баранов  [и др.] // Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика. – 2020. – Т. 9. – № 1. – С. 20-35.
12. Makarov, V. L. Supercomputer technologies in social sciences: Existing experience and future perspectives / V. L. Makarov, A. R. Bakhtizin // Springer Proceedings in Complexity -2018. pp. 251-273.
13. Kiselev, E. A. The Energy Efficiency Evaluating Method Determining Energy Consumption of the Parallel Program According to Its Profile / E. A. Kiselev, V. I. Kiselev, B. M. Shabanov [et al.] // Lobachevskii Journal of Mathematics. – 2020. – Vol. 41. – No 12. – P. 2542-2551.
14. Savin, G. I. Simulator of a Supercomputer Job Management System as a Scientific Service / G. I. Savin, B. M. Shabanov, D. S. Lyakhovets [et al.] // Proceedings of the 2020 Federated Conference on Computer Science and Information Systems, FedCSIS 2020 : 15, Virtual, Sofia, 06–09 сентября 2020 года. – Virtual, Sofia, 2020. – P. 413-416.
15. Макаров, В. Л. Моделирование социальных процессов на суперкомпьютерах: новые технологии / В. Л. Макаров, А. Р. Бахтизин, Е. Д. Сушко, Г. Б. Сушко // Вестник Российской академии наук. – 2018. – Т. 88. – № 6. – С. 508-518.
16. Макаров, В. Л. Суперкомпьютерные технологии в общественных науках: агент-ориентированные демографические модели / В. Л. Макаров, А. Р. Бахтизин, Е. Д. Сушко [и др.] // Вестник Российской академии наук. – 2016. – Т. 86. – № 5. – С. 412.
17. Макаров, В. Л. Агент-ориентированная суперкомпьютерная демографическая модель России: анализ апробации / В. Л. Макаров, А. Р. Бахтизин, Е. Д. Сушко, Г. Б. Сушко // Экономические и социальные перемены: факты, тенденции, прогноз. – 2019. – Т. 12. – № 6. – С. 74-90.
18. Макаров, В. Л. Разработка агент-ориентированной демографической модели России и ее суперкомпьютерная реализация / В. Л. Макаров, А. Р. Бахтизин, Е. Д. Сушко, Г. Б. Сушко // Вычислительные методы и программирование. – 2018. – Т. 19. – № 4. – С. 368-378.
19. Makarov, V. L. Agent-based model as a tool for controlling environment of the region / V. L. Makarov, A. R. Bakhtizin, E. D. Sushko // Zhournal Novoi Ekonomicheskoi Associacii. – 2020. Vol. 45(1). pp. 151-171
20. Epstein, J. M. Agent-based modeling for a complex world. Scientific publications department / J. M. Epstein, V. L. Makarov, A. R. Bakhtizin // GAUGN, 2021. — 74 p. ISBN 978-5-6045843-5-4
21. Баранов, А. В. Применение машинного обучения для прогнозирования времени выполнения суперкомпьютерных заданий / А. В. Баранов, Д. С. Николаев // Программные продукты и системы. – 2020. – № 2. – С. 218-228.
22. Шабанов, Б. М. Система управления заданиями распределенной сети суперкомпьютерных центров коллективного пользования / Б. М. Шабанов, П. Н. Телегин, А. П. Овсянников [и др.] // Труды научно-исследовательского института системных исследований Российской академии наук. – 2018. – Т. 8. – № 6. – С. 65-73.
23. Абрамов, В. И. Оптимизация работы графических процессоров и кластеров для разработки крупномасштабных социально-экономических моделей на суперкомпьютерах / В. И. Абрамов, Д. С. Евдокимов // Искусственные общества. – 2020. – T. 15. – Выпуск 3 [Электронный ресурс]. URL: https://artsoc.jes.su/s207751800011122-3-1/  (дата обращения: 25.12.2020).

Система Orphus

Загрузка...
Вверх