5/5 - (10 امتیاز)

کامپیوتر مناسب برای نرم افزار کامسول

سوال :

من قصد دارم یک کامپیوتر اختصاصی جدید برای اجرای COMSOL Multiphysics بخرم. چه سخت افزاری را پیشنهاد می کنید؟

چواب:

با توجه به طیف گسترده ای از انواع مختلف مسائلی که COMSOL Multiphysics® حل می کند، سرعت سریع توسعه نرم افزار و سخت افزار، و تنوع سخت افزارهای مختلف با قیمت های بسیار متفاوت، هیچ انتخاب بهینه واحدی برای رایانه برای همه موارد استفاده وجود ندارد.

حافظه

تنها مهم ترین عامل این است که شما حافظه فیزیکی (RAM) کافی برای حل بزرگترین مدل هایی که می خواهید با آنها کار کنید دارید و رم به درستی نصب شده است. اگر رم کافی ندارید، بدون در نظر گرفتن سایر گزینه‌های سخت‌افزار، کاهش قابل توجهی وجود خواهد داشت.

پیش‌بینی نیازهای RAM با حل مدل‌های مشابه، اما کوچک‌تر انجام می‌شود که شامل همان فیزیک است که می‌خواهید در بزرگترین مدل‌های خود حل کنید. حافظه استفاده شده و درجات آزادی را که در Solver Log گزارش شده است، نظارت کنید. منحنی را برای این داده ها به شکل A x (dof)^N قرار دهید، که در آن A و N ضرایب برازش هستند و dof تعداد درجات آزادی است، و از آن برای پیش بینی نیازهای حافظه برای مدل های بزرگتر خود استفاده کنید. توان N معمولاً بین 1 و 2 خواهد بود. هنگام استفاده از پیش شرطی چندشبکه ای با حل کننده تکراری، N به 1 نزدیک تر خواهد بود و در هنگام استفاده از حل کننده مستقیم به 2 نزدیک تر خواهد بود. ضریب A به پراکندگی بستگی دارد. مشکل. به عنوان مثال، برای یک مشکل تابش حرارتی که در آن درجات آزادی به صورت غیرمحلی جفت می شوند، A بسیار بالاتر از مسئله انتقال حرارت رسانا خواهد بود، جایی که فقط جفت های محلی بین درجات آزادی وجود دارد.

توجه داشته باشید که میزان استفاده از حافظه در مقابل درجات آزادی می تواند بین انواع مدل های مختلف بسیار متفاوت باشد، بنابراین ممکن است لازم باشد این روش را برای هر نوع مدلی که می خواهید حل کنید، تکرار کنید. شما به کامپیوتری با حداقل این مقدار رم نیاز دارید. همچنین توجه داشته باشید که داشتن رم به میزان قابل توجهی بیشتر از آنچه واقعاً مورد نیاز است، مزیتی ندارد. مطمئن شوید که از سریع ترین سرعت حافظه ممکن پشتیبانی شده توسط CPU که انتخاب می کنید استفاده می کنید.

عملکرد نیز به شدت به نحوه نصب حافظه بستگی دارد. همه رایانه ها از طریق یک گذرگاه حافظه چند کاناله به حافظه نصب شده دسترسی دارند. اگر بانک های حافظه به درستی پر نشده باشند، سرعت حافظه کاهش می یابد. به عنوان مثال، یک کامپیوتر تک CPU با چهار کانال حافظه با چهار بانک حافظه (یکی در هر کانال حافظه) در نظر بگیرید و هر کدام از این بانک ها دارای چهار اسلات باز برای مجموع 16 اسلات DIMM باز هستند، همانطور که در شماتیک زیر نشان داده شده است.

معمولاً اگر بیش از دو اسلات در هر بانکی استفاده شود، سرعت حافظه کاهش می‌یابد، اما در برخی سیستم‌ها اگر بیش از یک اسلات در هر بانک استفاده شود، سرعت حافظه کاهش می‌یابد. فروشنده سخت افزار شما باید این اطلاعات را ارائه دهد. بنابراین، به عنوان مثال، اگر می خواهید 16 گیگابایت رم در سیستم فوق نصب کنید، چهار DIMM 4 یا 8 گیگابایتی 2 گیگابایتی را نصب کنید و مطمئن شوید که از تمام بانک های حافظه استفاده شده است. نصب چهار DIMM 4 گیگابایتی بیشترین فضا را برای نصب رم بیشتر می‌گذارد و از کانال‌های حافظه متعدد بهترین بهره را می‌برد. DIMM ها را به گونه ای نصب نکنید که برخی از کانال های حافظه استفاده نشوند. این منجر به کندی قابل توجهی می شود زیرا برخی از کانال های حافظه استفاده نمی شوند. برای استفاده از تمام کانال های حافظه باید رم بیشتری اضافه کنید. این در شماتیک زیر خلاصه شده است.

← اجاره ابر رایانه   →

اینجا کلیک کنید!

سایر عوامل موثر بر سرعت کلی سیستم برای نرم افزار کامسول

رابطه پیچیده ای بین عملکرد، نوع CPU، فرکانس پایه CPU، حافظه پنهان، تعداد CPU، تعداد هسته در هر CPU و هزینه سخت افزار وجود دارد. پایگاه کد COMSOL از چندین کلاس مختلف از الگوریتم ها تشکیل شده است و این الگوریتم ها دارای ویژگی های مقیاس بندی متفاوتی هستند. بنابراین، برخی از عوامل سخت‌افزاری نسبت به سایرین بر عملکرد سنگین‌تر خواهند بود و مزیت نسبی این عوامل هم به نوع مشکل و هم به اندازه مشکل بستگی دارد. بنابراین ارائه توصیه های سخت افزاری خاص بسیار دشوار است. در زیر توصیه های کلی وجود دارد.

نوع CPU

معماری‌های مختلف CPU مجموعه‌ای از ویژگی‌ها را با قیمت‌های بسیار متفاوت ارائه می‌دهند.

پردازنده‌های سطح بالا، مانند Intel® Xeon® Gold and Platinum، یا AMD® EPYC®، پردازنده‌های دارای اتصالات CPU به CPU هستند که چندین CPU را در هر رایانه قادر می‌سازد و به CPUها اجازه می‌دهد تا با یکدیگر ارتباط برقرار کنند تا به اندازه بسیار بزرگ دسترسی پیدا کنند. مقادیر حافظه این پردازنده ها دارای بالاترین پهنای باند حافظه هستند. توانایی انتقال سریع داده های زیادی بین حافظه رم و پردازنده. این مزیت اصلی آنها هنگام اجرای COMSOL است. CPU های سطح بالا باید در پیکربندی های دو CPU یا حتی چهار یا هشت CPU استفاده شوند. این انگیزه در صورتی است که شما نیاز به پرداختن به مقادیر بسیار زیاد حافظه داشته باشید، یا قصد دارید به طور مداوم بسیاری از شبیه سازی ها را به صورت موازی اجرا کنید. هنگام حل یک مدل واحد، عملکرد با افزایش تعداد CPU ها بهبود می یابد، اما بهبود عملکرد نسبی به اندازه مدل بستگی دارد. مدل های بزرگتر در سیستم های چند CPU سرعت بیشتری خواهند داشت. اگر قصد خرید یک سیستم چهار یا هشت CPU را دارید، لطفاً با پشتیبانی فنی COMSOL تماس بگیرید.

پردازنده‌های میان‌رده، مانند پردازنده‌های Intel® Xeon® W، یا AMD® Ryzen™ Threadripper™، اتصالات CPU به CPU ندارند و بنابراین انتخاب مناسبی برای رایانه‌های تک CPU هستند. آنها دارای سرعت ساعت و تعداد هسته های قابل مقایسه به عنوان سیستم های پیشرفته هستند. آنها یک انتخاب همه جانبه جذاب هستند.

پردازنده‌های سطح پایه، مانند پردازنده‌های Intel® Xeon® E، دارای دو کانال حافظه هستند، اتصالات CPU به CPU ندارند و نمی‌توانند به همان اندازه حافظه را آدرس دهی کنند. آنها کمترین پهنای باند حافظه را دارند، اما می توانند سرعت کلاک بالایی داشته باشند. آنها انتخاب خوبی برای اجرای چندین شبیه سازی به صورت موازی نیستند، اما اغلب می توانند مدل های منفرد را خیلی سریع حل کنند.

CPU های ذکر شده در بالا، پردازنده های نسل فعلی هستند که برای جامعه مهندسی حرفه ای به بازار عرضه شده اند. همچنین پردازنده‌هایی وجود دارند که عمدتاً به سمت بازار مصرف عرضه می‌شوند که بسیاری از ویژگی‌های مشابه را دارند و معمولاً با هزینه کمتر می‌توانند عملکرد مشابهی داشته باشند.

فرکانس ساعت

فرکانس ساعت بالاتر به طور کلی منجر به عملکرد سریعتر نرم افزار در همه زمینه ها می شود. اگر تمام مشخصات سخت افزاری دیگر یکسان باشد، عملکرد نسبی بین دو کامپیوتر مستقیماً به فرکانس ساعت بستگی دارد.

حافظه کش

حافظه کش مستقیماً در پردازنده تعبیه شده است. کش بالاتر بهتر است. همه فاکتورهای دیگر برابر هستند، یک ماشین کش بالاتر عملکرد بهتری را نشان می دهد.

تعداد هسته ها

هرچه تعداد هسته‌های پردازنده بیشتر باشد، رشته‌های موازی بیشتری را می‌توان همزمان اجرا کرد، این به عنوان چند رشته‌ای شناخته می‌شود. COMSOL به طور خودکار از تمام هسته های موجود استفاده می کند، اما هزینه محاسباتی برای این کار وجود دارد. استفاده از تعداد زیادی از هسته ها به صورت موازی حتی ممکن است منجر به کاهش سرعت شود، اگرچه معمولاً فقط برای مدل های نسبتاً کوچک. برخی از مدل ها حتی تحت تسلط عملکرد تک رشته ای خود هستند. به طور کلی، سیستم‌های شش یا هشت هسته‌ای یک انتخاب همه جانبه خوب هستند، اما تعداد هسته‌های بیشتر از آن می‌تواند بهتر باشد، به خصوص در هنگام اجرای چندین مدل به صورت موازی، یا هنگام استفاده از حل‌کننده مستقیم PARDISO.

توصیه های عمومی

جاروهای پارامتریک

اگر قصد دارید بسیاری از تغییرات هندسی، مش های مختلف، مجموعه های مختلف مواد یا پارامترهای دیگر را در هر مدل منحصر به فرد حل کنید، از عملکرد Parametric Sweep استفاده خواهید کرد. به عنوان مثال، جابجایی بیش از 10 تغییر ابعاد قطعه همراه با جابجایی بیش از 10 ماده مختلف و 10 پارامتر مدل مختلف نیاز به حل یک مدل مشابه 1000 بار دارد، و زمان حل زمانی که این کار را به عنوان یک کار منفرد بر روی یک رایانه اجرا می‌کنید، خواهد بود. (در بدترین حالت) دقیقاً 1000 برابر بیشتر باشد.

زمان حل برای جابجایی روی تعداد زیادی از پارامترها را می توان با اجرای موازی کارها، یا در یک رایانه، با استفاده از هر نوع مجوز، یا در رایانه خوشه ای، با استفاده از مجوز شبکه شناور کاهش داد .

برای حل موازی در یک رایانه، از قابلیت Batch Sweep استفاده کنید. اجرای جاروهای پارامتریک به صورت موازی روی یک کامپیوتر تنها در صورتی توصیه می شود که همه مدل ها به طور همزمان در حافظه قرار گیرند. به عنوان مثال، اگر یک نمونه از مدل برای حل به 3 گیگابایت رم نیاز داشته باشد، اجرای چهار کار همزمان روی یک رایانه 16 گیگابایتی رم می تواند منطقی باشد. برای مدل‌هایی که نیاز به حافظه کمی دارند، ممکن است شاهد بهبودی باشید که به تعداد هسته‌های کار همزمان انجام می‌شود. سرعت نسبی هنگام استفاده از Sweep دسته ای هم وابسته به مدل و هم به سخت افزار است.

برای حل کردن Sweep های پارامتریک به صورت موازی روی یک خوشه، از عملکرد Cluster Sweep استفاده کنید. هیچ محدودیتی برای تعداد کارهای موازی که می توانید همزمان اجرا کنید (تا تعداد گره های موجود در خوشه) وجود ندارد. می توانید روی خوشه خود اجرا کنید یا از یک خوشه شخص ثالث استفاده کنید. COMSOL فهرستی از شرکای فناوری که منابع محاسباتی بر حسب تقاضا را برای محاسبات خوشه ای فراهم می کنند، نگهداری می کند. هر گره از خوشه فقط باید الزامات توصیف شده برای اجرای یک مدل منحصر به فرد را برآورده کند. برای راهنمایی بیشتر در مورد سخت افزار خوشه، به پایگاه دانش 1116 مراجعه کنید.

همچنین به پایگاه دانش 1250 مراجعه کنید: اجرای جاروهای پارامتریک، جاروهای دسته ای و جاروهای خوشه ای از خط فرمان.

همیشه در نظر بگیرید که آیا می توانید با استفاده از ماژول بهینه سازی از جاروهای بزرگ جلوگیری کنید.

سیستم عامل

در نسخه‌های COMSOL Multiphysics قبل از نسخه 5.4، سیستم‌عامل‌های لینوکس و macOS می‌توانند در برخی از پردازنده‌های دارای هسته‌های زیاد از ویندوز بهتر عمل کنند.

دیسکهای سخت

درایوهای حالت جامد عملکرد کلی سیستم را در مقایسه با هارد درایوها بهتر می کنند. درایوهای سریع‌تر همیشه بهتر هستند، اما اگر سیستم از درایو برای جابجایی فضای (حافظه مجازی) در مدل‌هایی که شما حل می‌کنید استفاده می‌کند، بهتر است به جای سرمایه‌گذاری روی درایوهای سریع‌تر، رم را ارتقا دهید.

گرافیک

ما کارت های گرافیک اختصاصی مدرن مبتنی بر AMD یا NVIDIA را توصیه می کنیم. لیستی از کارت های گرافیک تست شده را می توانید در صفحه نیازمندی های سیستم پیدا کنید . هرچه حافظه کارت گرافیک بزرگتر باشد، مدل های پیچیده تری را می توان تجسم کرد. توجه داشته باشید که فقط به این دلیل که یک مدل برای حل به مقدار زیادی حافظه رم نیاز دارد، لزوماً به این معنی نیست که برای نمایش به یک کارت گرافیک بزرگ نیاز دارد و بالعکس.

پردازنده های گرافیکی

محاسبات همه منظوره در واحدهای پردازش گرافیکی در حال حاضر پشتیبانی نمی شود.

حداقل مشخصات سیستم مورد نیاز کامسول comsol

  • حداقل 4 گیگابایت رم توصیه می شود.
  • 2 تا 13 گیگابایت فضای دیسک، بسته به محصولات دارای مجوز و گزینه های نصب شما.
  • Adobe ® Acrobat ® Reader برای مشاهده و چاپ اسناد COMSOL در قالب PDF.
  • یک پردازنده 64 بیتی Intel® یا AMD® مبتنی بر معماری Intel® 64 یا AMD64 با مجموعه دستورالعمل SSE4. پردازنده های Intel ® منتشر شده در سال 2009 یا بالاتر و پردازنده های AMD ® منتشر شده در سال 2012 یا بعد، این نیاز را برآورده می کنند. در macOS 11 و 12، پردازنده‌های M1 (و نسخه‌های بعدی) نیز پشتیبانی می‌شوند.

 

← ابر رایانه شبیه سازان امیرکبیر →

اینجا کلیک کنید!

همچنین ببینید:

انتخاب سخت افزار برای یک خوشه محاسباتی، 1116 .

برای توصیه های بیشتر در مورد سخت افزار، لطفاً به ورودی پایگاه دانش ما مراجعه کنید .

با توجه ‌به تمامی مزایایی که استفاده از ابر رایانه‌ها برای شما ایجاد می‌کند، باید بدانید که تهیه یک ابر رایانه برای شرکت یا سازمان خودتان، امری ساده نیست. خرید یک ابر رایانه مانند خرید یک رایانه معمولی نبوده و هزینه‌ها و سختی‌های خاص خودش را دارد. از سوی دیگر نگهداری و تعمیر ابر رایانه‌ها نیازمند دانش تخصصی و پرداخت هزینه‌های سنگینی است. مشکلاتی که باعث می‌شود بسیاری از افراد از خیر استفاده از ابر رایانه‌ها بگذرند.

اما صبر کنید، همیشه راهی هست! در این میان شرکت‌های زیادی هستند که برای پیشبرد اهداف سایر سازمان‌ها، دست به کرایه ابر رایانه می‌زنند. بدین صورت شما به‌جای اینکه برای انجام پژوهش‌ها و پردازش اطلاعات خودتان بخواهید یک ابر رایانه بخرید، می‌توانید با هزینه‌های بسیار کمتری دست به اجاره ابر رایانه بزنید. شرکت شبیه‌سازان امیرکبیر یکی از بهترین شرکت‌هایی است که به کمک آن می‌توانید یک ابر رایانه کرایه کنید!

شبیه‌سازان امیرکبیر یکی از پیشروترین شرکت‌های خدمات شبیه‌سازی بوده که ابر رایانه‌های خود را با قیمت‌های بسیار کمتری نسبت به سایر رقبا در اختیار سازمان‌ها، افراد و نهادهای مختلف قرار می‌دهد. برای کرایه یک ابر رایانه کافی است تا با مشاورین شبیه‌سازان امیرکبیر تماس بگیرید تا به‌صورت کامل شما را در این امر راهنمایی کنند.( gpu جی پی یو)

جدول زمانی ابررایانه‌ها ساخته شده در جهان

این‌جا جدولی از سریع‌ترین ابررایانه‌های رکورددار همه منظورهٔ موجود در دنیا با سال کسب رکوردشان را می‌بینید. منبع عناوینی که سال ثبتشان قبل از سال ۱۹۹۳ است مختلف است اما برای عناوین بعد از سال ۱۹۹۳ از فهرست پانصد کامپیوتر برتر دنیا استفاده کرده‌ایم.

Year Supercomputer Peak speed Location
۱۹۴۲ Atanasoff–Berry Computer (ABC) ۳۰ OPS دانشگاه ایالتی آیووا، Ames, Iowa، USA
TRE Heath Robinson ۲۰۰ OPS Bletchley Park
۱۹۴۴ Flowers Colossus ۵ kOPS Post Office Research StationDollis HillUK
۱۹۴۶ UPenn انیاک
(before 1948+ modifications)
۱۰۰ kOPS آبردین پروو گراوند، مریلند، مریلند، USA
۱۹۵۴ IBM NORC ۶۷ kOPS U.S. Naval Proving GroundDahlgren، ویرجینیا، USA
۱۹۵۶ MIT TX-۰ ۸۳ kOPS Massachusetts Inst. of TechnologyLexington، ماساچوست، USA
۱۹۵۸ IBM AN/FSQ-۷ ۴۰۰ kOPS ۲۵ U.S. Air Force sites across the continental USA and 1 site in کانادا (۵۲ computers)
۱۹۶۰ UNIVAC LARC ۲۵۰ kFLOPS آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۱۹۶۱ IBM 7030 “Stretch” ۱٫۲ MFLOPS آزمایشگاه ملی لاس آلاموس، نیومکزیکو، USA
۱۹۶۴ CDC ۶۶۰۰ ۳ MFLOPS آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۱۹۶۹ CDC ۷۶۰۰ ۳۶ MFLOPS
۱۹۷۴ CDC STAR-۱۰۰ ۱۰۰ MFLOPS
۱۹۷۵ Burroughs ILLIAC IV ۱۵۰ MFLOPS مرکز پژوهشی ایمز ناسا، کالیفرنیا، USA
۱۹۷۶ Cray-۱ ۲۵۰ MFLOPS آزمایشگاه ملی لاس آلاموس، نیومکزیکو، USA (80+ sold worldwide)
۱۹۸۱ CDC Cyber ۲۰۵ ۴۰۰ MFLOPS (numerous sites worldwide)
۱۹۸۳ Cray X-MP ۹۴۱ MFLOPS آزمایشگاه ملی لاس آلاموسآزمایشگاه ملی لارنس لیورمورBattelleبوئینگ
۱۹۸۴ M-۱۳ ۲٫۴ GFLOPS Scientific Research Institute of Computer Complexes، مسکو، USSR
۱۹۸۵ Cray-۲ ۳٫۹ GFLOPS آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۱۹۸۹ ETA۱۰-G/۸ ۱۰٫۳ GFLOPS دانشگاه ایالتی فلوریدا، فلوریدا، USA
۱۹۹۰ NEC SX-۳/۴۴R ۲۳٫۲ GFLOPS NEC Fuchu Plant, Fuchu، ژاپن
۱۹۹۳ Thinking Machines CM-۵/۱۰۲۴ ۶۵٫۵ GFLOPS آزمایشگاه ملی لاس آلاموسآژانس امنیت ملی ایالات متحده آمریکا
فوجیتسو Numerical Wind Tunnel ۱۲۴٫۵۰ GFLOPS National Aerospace Laboratory، توکیو، ژاپن
اینتل Paragon XP/S ۱۴۰ ۱۴۳٫۴۰ GFLOPS آزمایشگاه ملی سندیا، نیومکزیکو، USA
۱۹۹۴ فوجیتسو Numerical Wind Tunnel ۱۷۰٫۴۰ GFLOPS National Aerospace Laboratory، توکیو، ژاپن
۱۹۹۶ Hitachi SR۲۲۰۱/۱۰۲۴ ۲۲۰٫۴ GFLOPS دانشگاه توکیو، ژاپن
Hitachi/تسوکوبا، ایباراکی CP-PACS/۲۰۴۸ ۳۶۸٫۲ GFLOPS Center for Computational Physics، دانشگاه تسوکوبا، تسوکوبا، ایباراکی، ژاپن
۱۹۹۷ اینتل ASCI Red/۹۱۵۲ ۱٫۳۳۸ TFLOPS آزمایشگاه ملی سندیا، نیومکزیکو، USA
۱۹۹۹ اینتل ASCI Red/۹۶۳۲ ۲٫۳۷۹۶ TFLOPS
۲۰۰۰ IBM ASCI White ۷٫۲۲۶ TFLOPS آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۲۰۰۲ NEC Earth Simulator ۳۵٫۸۶ TFLOPS Earth Simulator Center، یوکوهاما-shi، ژاپن
۲۰۰۴ IBM Blue Gene/L ۷۰٫۷۲ TFLOPS U.S. Department of Energy/IBM، USA
۲۰۰۵ ۱۳۶٫۸ TFLOPS U.S. Department of Energy/U.S. National Nuclear Security Administration،
آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۲۸۰٫۶ TFLOPS
۲۰۰۷

شبیه‌سازان امیرکبیر مفتخر است که با نازل‌ترین قیمت‌ها، انواع خدمات تخصصی شبیه‌سازی و پردازشی را در اختیار مشتریانش قرار می‌دهد. از سوی دیگر سرعت بسیار بالای سیستم‌های این شرکت، اجاره انواع مختلف سیستم‌های رایانه‌ای و ابر رایانه‌ای، سیستم‌های رایانش ابری، سرورهای محاسباتی و پردازش مجازی و… تنها بخشی از خدمات این شرکت است.

همچنین شما می‌توانید از خدمات پس از فروش شبیه‌سازان امیرکبیر استفاده کنید و در صورت بروز هرگونه مشکل و یا ایجاد هر نمونه سوالی، می‌توانید با پشتیبانی این شرکت در ارتباط باشید.

نتیجه‌گیری

قدرت و سرعت ابر رایانه‌های به ‌قدری بالا بوده که انجام محاسبات و پردازش اطلاعاتی که امکان انجام آن با سیستم‌های معمولی وجود ندارد را در کسری از ثانیه انجام خواهد داد. از این‌رو شرکت‌ها و سازمان‌های بسیار زیادی که نیازمند انجام چنین پردازش‌هایی هستند، به استفاده و اجاره ابر رایانه روی می‌آورند. شرکت شبیه‌سازان امیرکبیر یکی از بهترین شرکت‌ها در زمینه کرایه انواع ابر رایانه‌ها بوده که آماده خدمت‌رسانی به شما عزیزان است.

 

لیست ابر رایانه ها جهان 

مرکز ابر رایانه دانشگاه فردوسی مشهد 

مرکز ابررایانه دانشگاه خواجه نصیرالدین طوسی 

مرکز ابر رایانه دانشگاه شریف 

مرکز ابر رایانه دانشگاه حکیم سبزواری 

مرکز ابر رایانه دانشگاه اراک 

مرکز ابررایانه دانشگاه کردستان 

مرکز ابر رایانه دانشگاه کاشان 

مرکز ابر رایانه دانشگاه قم 

مرکز ابر رایانه دانشگاه صنعتی شاهرود 

مرکز ابررایانه دانشگاه صنعتی اصفهان 

مرکز ابر رایانه دانشگاه شیراز 

مرکز ابر رایانه دانشگاه شهید چمران اهواز 

مرکز ابررایانه دانشگاه سمنان 

مرکز ابر رایانه دانشگاه بین المللی امام خمینی 

مرکز ابر رایانه دانشگاه ارومیه 

مرکز ابر رایانه دانشگاه علم و صنعت 

مرکز ابر رایانه دانشگاه تهران 

درباره مرکز داده چه می‌دانید 

کامپیوتر مجازی چیست

hpc چیست 

پردازش ابری 

رایانش ابری 

مزایا و معایب پردازش موازی 

سرور محاسباتی چیست 

سیستم های موازی – هوش شبیه سازی 

پردازش موازی

مزایای برتر رایانش ابری 

قدرتمندترین ابر رایانه های جهان 

پردازش موازی 

محاسبات موازی 

سرور محاسباتی چیست

لیست ابر رایانه های ایران

فناوری ابر رایانه چیست 

سرعت پردازنده چگونه محاسبه می شود 

سرعت پردازنده چیست و چرا اهمیت دارد 

سیستم موازی چیست 

hpc چیست 

انواع ابر کامپیوترها 

نکاتی برای خرید سرور محاسباتی

قیمت خرید ابر کامپیوتر 

ابر رایانه چیست

اجاره سوپر کامپیوتر 

اجاره کامپیوتر قوی 

اجاره سیستم پردازش موازی 

اجاره یک ابر کامپیوتر

رایانش سریع چیست؟

چه-کامپیوتری برای پایتون مناسب است

پردازش موازی در پایتون python 

مزایا و معایب پردازش موازی

پردازش سریع

انواع ابر رایانه ها

کاربرد پردازش موازی 

خرید ابر رایانه

قیمت یک ابر رایانه

اجاره سرور HPC 

پردازش سریع 

کلاستر 

سوپرکامپیوتر

پردازش فوق سریع 

سرور پردازش موازی چیست 

آزمایشگاه پردازش موازی

اجاره کامپیوتر- ارزان 

رایانش ابری

پردازش فوق سریع 

ابر رایانه 

درباره اجاره سرور محسباتی چه باید بدانیم؟

تعرفه رایانش ابری

آزمایشگاه محاسباتی

سیستم مورد نیاز شبیه سازی

پردازش موازی ارزان

حداقل سیستم مورد نیاز برای گوسین 

سیستم مورد نیاز برای لمپس lamps 

پردازش موازی در متلب 

حداقل سیستم مورد نیاز برای شبیه سازی FEM 

حداقل سیستم مورد نیاز برای comsol کامسول

سیستم مورد نیاز برای انسیس ansys

پردازش موازی در متلب 

کامپیوتر قوی برای نرم افزار اباکوس abaqus ✔️

پردازش موازی و پایگاه های داده موازی 

خرید کامپیوتر قوی 

محاسبات موازی 

سیستم پردازش سنگین و تأخیر کم در شبکه‌های حسگر بی‌سیم 

اجاره سرور محاسباتی 

اجاره سیستم کامپیوتری 

اجاره کامپیوترهای قدرتمند محاسباتی

اجاره کامپیوتر در تهران 

کلاستر کامپیوتری 

آشنایی با کامپیوتر محاسباتی قوی 

کامپیوتر محاسباتی قدرتمند 

روش آسان‌سازی پردازش داده با استفاده از عملیات محاسبات سنگین 

تدوینی به‌صرفه‌تر با اجاره کامپیوتر تدوین 

بررسی تأثیر رم در سرعت رندر 

 معرفی 6 کارت گرافیک برتر برای رندر 

تعرفه اجاره سیستم‌های تخصصی مهندسی و پردازش سریع GPU 

همه چیز در مورد سیستم ‌های پردازش گرافیکی و اجاره آنها 

مر کز محاسبات شبیه سازان امیرکبیر

نحوه درخواست اجاره کامپیوتر محاسباتی

شماره تماس:✔️ 09021145350  ✔️ 02188769296

آدرس: تهران خیابان ولیعصر(ع)،دانشگاه صنعتی امیرکبیر، دانشکده مهندسی مکانیک، طبقه منفی یک،  مرکز نوآوری، گروه شبیه‌سازان امیرکبیر

لیست اجاره کامپیوترهای قدرتمند محاسباتی