ابر کامپیوتر

Rate this post

شبیه سازان امیرکبیر

ابر کامپیوتر



نظر کلی

تاریخ مختصر صنعتی

پروژه رایانه کولاسوس در ۱۹۴۴

ابررایانه‌هایی را که در دههٔ ۱۹۶۰ ساخته و ارائه شدند سیمور کری از بنگاه کنترل اطلاعات (CDC) طراحی کرده بود و تا دههٔ ۱۹۹۰ هم بازار در دست این ابررایانه‌ها بود. زمانی که سیمور کری جدا شد و رفت تا شرکت خودش به نام تحقیقات سیمور را راه‌اندازی و اداره کند با طرح‌های جدیدش بازار ابررایانه‌ها را در دست گرفت و تا پنج سال (۱۹۸۵–۱۹۹۰) یکه‌تاز بازار ابر محاسبه بود. خود کری هرگز واژهٔ ابررایانه را استفاده نکرد و کمتر کسی به خاطر دارد که او تنها کلمهٔ رایانه را استفاده می‌کرد. در سال ۱۹۸۰ هم‌زمان با ظهور بازار رایانه‌های کوچک که یک دهه قبل به وجود آمده بودند تعداد زیادی رقبای کوچک وارد بازار شدند. اما بسیاری از این‌ها در دههٔ ۱۹۹۰ با بروز مبارزات بازار ابررایانه حذف شدند. امروزه ابررایانه‌ها طراحی‌های سفارشی کم‌نظیری هستند که شرکت‌های صنعتی مثل آی‌بی‌ام و اچ‌پی تولید می‌کنند. همان شرکت‌هایی که بسیاری از شرکت‌های دههٔ ۱۹۹۰ را خریدند تا از تجربه‌شان استفاده کنند. البته بنگاه کری هنوز به صورت حرفه‌ای به ساخت ابررایانه ادامه می‌دهد. اصطلاح ابررایانه چندان پایدار و ثابت نیست. ممکن است ابررایانه امروز فردا تبدیل به یک رایانه معمولی شود. اولین دستگاه‌های CDC پردازنده‌های نرده‌ای (اسکالر) خیلی سریع بودند؛ ده برابر سریع‌تر از سریع‌ترین ماشین‌های سایر شرکت‌ها. در دههٔ ۱۹۷۰ اکثر ابررایانه‌ها به انجام محاسبات برداری پرداختند و بسیاری رقبا و تولیدکنندگان جدید پردازنده‌های خودشان را با قیمت پایین با همان روش کار به بازار ارائه کردند تا در بازار حاضر شوند. در ابتدا و میانهٔ دههٔ ۱۹۸۰ ماشین‌هایی با پردازنده‌های اندک برداری که به صورت موازی کار می‌کردند تبدیل به استاندارد شدند. هر ماشینی معمولاً چهارده تا شانزده پردازندهٔ برداری داشت. در اواخر دهٔ ۱۹۸۰ و ۱۹۹۰ دوباره توجه‌ها از پردازنده‌های برداری به سیستم‌های پردازندهٔ موازی معمول معطوف شد که هزاران ریزپردازنده معمولی داشتند و برخی از آن‌ها نمونه‌های آماده و برخی هم سفارش‌های مشتریان بودند (در اصطلاح کاری، این را حملهٔ میکروهای کشنده می‌نامند). امروزه طرح‌های موازی بر اساس ریزپردازنده‌های آمادهٔ نوع سرور ساخته می‌شوند از جمله Power PC, Itanium, x۸۶–۶۴ و مدرن‌ترین ابررایانه‌ها بسته (کلاستر)های رایانه‌ای با تنظیمات دقیق هستند که پردازنده‌های کم حجم و رابط‌های داخلی سفارشی و بسته به مورد دارند.

ابزارهای نرم‌افزاری

ابزارهای نرم‌افزاری برای پردازش توزیع شده شامل APIهای استاندارد از جمله MPI, PVM و ابزارهای نرم‌افزاری متن باز ازجمله Beowulf, Warewulf, Open mosix هستند که ساختن یک ابررایانه را از تعدادی سرورها یا واحدهای کاری ممکن می‌کنند. تکنولوژی‌هایی مثل ZerConf (Rendez-Vous/Bonjourقرار ملاقات/سلام) برای ساخت بسته‌های کامپیوتری موردنیاز برای نرم‌افزارهای تخصصی مثل shake اپل هستند. در علوم کامپیوتر هنوز یک زبان برنامه‌نویسی ساده برای ابرکامپیوترها نیست و موضوع خوبی برای تحقیق خواهد بود. برنامه‌های کاربردی هزاران دلار هزینه داشت اما امروزه به لطف جامعهٔ متن باز (که گاهی در این زمینه تکنولوژی‌های جالب توجهی به وجود می‌آورد) رایگان هستند.

استفاده‌های عمومی

ابررایانه‌ها با رم‌ها و کار آیی‌های بسیاری که دارند معمولاً برای عملیات حساس روی محاسبه از جمله مسائل فیزیک کوانتوم، هواشناسی، تحقیقات آب و هوا (از جمله تحقیق دربارهٔ گرم شدن کرهٔ زمین) مدل‌سازی مولکولی (مطالعهٔ ساختارها و محتویات ترکیبات شیمیایی، ماکرومولکول‌های بیولوژیکی، پلیمرها و بلورها) شبیه‌سازی‌های فیزیکی (مثل شبیه‌سازی هواپیماها در تونل‌های هوا، شبیه‌سازی انفجار سلاح‌های هسته‌ای و تحقیق دربارهٔ پیوست هسته‌ای) تحلیل مخفی و … استفاده می‌شوند. دانشگاه‌های بزرگ، مراکز نظامی و آزمایشگاه‌های تحقیقات علمی بزرگ‌ترین کاربران آن هستند. نوع خاصی از مسائل به نام مسائل بسیار مشکل، مسائلی که حل کامل شان نیازمند منابع کامپیوتری نیمه بی پایان هستند. یک مطلب قابل توجه در این مقال تفاوت بین محاسبهٔ، توانایی محاسبه و ظرفیت است چنان‌که گراهام و همکارانش بررسی کرده‌اند. محاسبهٔ توانایی یعنی استفاده از ماکزیمم توان محاسبه برای حل یک مسئلهٔ بزرگ در کم‌ترین زمان. این سیستم اغلب می‌تواند مسئلهٔ را با حجم و پیچیدگی که هیچ کامپیوتر دیگری نمی‌تواند حل کند حل نماید. اما محاسبهٔ ظرفیت یعنی استفاده از توان محاسبهٔ مقرون به صرفه و کارآمد برای حل مسائل کم و بیش بزرگ یا تعداد زیادی مسائل کوچک یا آمادگی برای اجرا روی سیستم توانایی استفاده می‌شود.

طراحی سخت‌افزار و نرم‌افزار

ابررایانه‌هایی که پردازنده‌های سفارشی داشتند قبلاً سرعتی که روی کامپیوترهای معمولی داشتند را از طراحی‌های ابتکاری شان به دست می‌آوردند که اجازه می‌داد مثل یک مهندسی به هم پیچیده چند کار را به صورت موازی انجام دهند. آن‌ها را تنها برای انواع مشخصی از محاسبات مثل محاسبات عددی استفاده می‌کردند و در محاسبات کلی تر کامپیوتری ضعیف عمل می‌کردند. سلسله مراتب حافظهٔ آن‌ها به دقت طراحی می‌شد تا دائماً اطلاعات و دستورالعمل در دسترس پردازنده قرار گیرد. در اصل عمده‌ترین تفاوت بین ابررایانه‌هاو کامپیوترهای کندتر در سلسله مراتب حافظه‌شان است. سیستم ورودی/خروجی آن‌ها برای پهنای باندهای بالا با تأخیر بسیار پایین طراحی شده‌است چرا که اساساً ابرکامپیوترها برای پردازش انتقالات طراحی نشده‌اند. در این‌جا هم مثل هر سیستم موازی قانون آمدال صدق می‌کند. طراحی‌های مختلف ابررایانه‌ها برای حذف تتابع (serialization) نرم‌افزارها تلاش بسیاری می‌کنند و برای رفع مشکلات و تنگناهای باقی‌مانده و تسریع آن‌ها از سخت‌افزار استفاده می‌کنند.

تکنولوژی‌ها و دشواری‌های ابررایانه‌ها

یک کلاستر بیوولف

  • یک ابررایانه گرمای زیادی تولید می‌کند و باید خنک شود. خنک کردن بسیاری ابررایانه‌ها مسئلهٔ بسیار بزرگی برای HVAC است.
  • اطلاعات نمی‌توانند با سرعتی بالاتر از سرعت نور بین دو بخش کامپیوتر جابجا شوند. به همین دلیل یک ابررایانه چندمتری (با عرض چندمتر) باید تأخیر بین قطعاتش در حد چند ده نانوثانیه باشد. به خاطر همین مشکل طراحی‌های سیمور کری کوشیدند در حد امکان از طول کابل‌های کمتر استفاده کنند شکل استوانهٔ کری هم به همین ترتیب به وجود آمد. در ابررایانه‌هایی که تعداد بسیار زیادی cpu دارند که موازی هم کار می‌کنند برای فرستادن پیام بین پردازنده‌ها توقف یک تا پنج میکرو ثانیه معمول است.
  • برای فرستادن پیام بین پردازنده‌هاها حجم بسیار بالای اطلاعات را در مدت زمان کوتاه مصرف و تولید می‌کنند. کن بچر می‌گوید: برای فرستادن پیام بین پردازنده‌ها وسیله‌ای است که مسائل محدود به محاسبه را محدود به I/O می‌کند. برای حصول اطمینان از انتقال سریع و ذخیرهٔ و بازیابی صحیح اطلاعات باید روی پهنای باند ذخیرهٔ خارجی کار زیادی انجام بدهیم.

تکنولوژی‌های تولید شده برای ابررایانه‌ها شامل این‌ها می‌شوند:

  • پردازش برداری
  • خنک‌کنندگی مایع
  • دسترسی ناهمشکل به حافظه (NUMA)
  • دیسک‌های راه راه (اولین نمونه از آنچه بعدها نامش RAID شد)
  • فایل سیستم‌های موازی

تکنیک‌های پردازش

تکنیک‌های پردازش برداری اوائل برای ابررایانه‌ها طراحی و ایجاد شده‌اند و برای کاربردهای سطح بالا و تخصصی استفاده می‌شوند. این تکنیک‌ها به وفور وارد بازار معماری DSP و راهکارهای پردازش SIMD کامپیوترهای همه منظوره هم شده‌اند. خصوصاً کنسول‌های جدید بازی‌های کامپیوتری از SIMD خیلی استفاده می‌کنند و به این دلیل است که برخی تولیدکنندگان ادعا می‌کنند ماشین‌های بازی شان ابررایانه هستند. واقعیت این است که برخی کارت‌های گرافیک توان محاسبهٔ چندین ترافلاپ (teraFLOP) را دارند. اولین پردازش‌های کامپیوتری طبیعتی داشت که هدف خاصی را دنبال می‌کرد و کاربردهایی که می‌توان برای این قدرت داشت را محدود می‌کرد با پیش رفته تر شدن بازی‌های کامپیوتری واحدهای پردازش گرافیکی (GPUها) متحول شده‌است به عنوان پردازنده‌های برداری همه منظوره مفیدتر شده‌اند و یک دیسیپلین کامل علوم کامپیوتری به وجود آمد تا از این توانایی استفاده کند به نام محاسبه‌های همه منظوره بر واحدهای پردازش گرافیکی(GPGPU).

سیستم‌عامل

سیستم‌عامل ابررایانه‌ها که اغلب امروزه انواعی از لینوکس و یونیکس هستند و اگر پیچیده‌تر از ماشین‌های کوچک‌تر نباشند همان قدر پیچیده هستند. ظاهری که کاربر می‌بیند ساده‌تر است چون سازندگان OSها منابع برنامه‌نویسی کمتری برای سرمایه‌گذاری بر بخش‌های غیرضروری OSها (یعنی بخش‌هایی که مستقیماً به بهترین کاربرد سخت‌افزار نمی‌شود) دارند. دلیل اصلی آن این است که این کامپیوترها میلیون‌ها دلار قیمت دارند امابازار خریدشان بسیار کوچک است لذا بودجه‌های R&D شان اغلب محدود است. وجود یونیکس و لینوکس اجازه می‌دهد ظاهر کاربری (user interface) نرم‌افزار دسکتاپ معمولی دوباره مورد استفاده قرار بگیرد. جالب آنجا ست که در تاریخ صنعت ابررایانه‌ها این روند هم چنان ادامه پیدا کرده‌است و رهبران قدیمی این تکنولوژی از جمله Silicon Graphics در برابر امثال nVIDIA عقب نشسته‌اند چرا که این‌ها می‌توانند محصولات ابتکاری ارزان و پرفایده و پرکاربرد را به لطف مشتریان بسیارشان که R&D آن‌ها را تأمین می‌کنند تولید نمایند. از نظر تاریخی تا ابتدا و میانهٔ دههٔ ابررایانه‌ها اغلب سازگاری گروه دستورات و قابلیت جابجایی کدها را فدای عملکرد و سرعت پردازش و دسترسی به حافظهٔ کامپیوتر می‌کردند. اغلب ابررایانه‌ها تا به امروز برخلاف کامپیوترهای گران‌قیمت فنی high end main frames سیستم‌های عامل بسیار متفاوتی دارند. Cray-۱ به تنهایی شش OS مخصوص خودش را داشت که جامعهٔ کامپیوتر هیچ خبری از آن‌ها نداشت. مشابه آن کامپایلرهای برداری‌کننده و مواز ی‌کنندهٔ بسیاری هم برای فرترن موجود بود. اگر به خاطر سازگاری گروه دستورات اولیه بین Cray-۱ و Cray x-mp و پذیرش انواع OSهای یونیکس مثل CrayUnicos و لینوکس نبود این اتفاق برای ETA-۱۰ هم می‌افتاد. به همین دلیل در آینده سیستم‌هایی با بالاترین کاربرد احتمالاً رنگ و بویی از یونیکس خواهند داشت اما با خاصیت‌های مخصوص سیستم ناسازگار خصوصاً برای سیستم‌های بسیار فنی و گران‌قیمت با امکانات امن مطمئن.

برنامه‌نویسی

معماری موازی ابررایانه‌ها ایجاب می‌کند تکنیک‌های برنامه‌نویسی خاصی برای سرعت بالایشان استفاده شود. کامپایلرهای هدفمند فرترن معمولاً می‌توانند کدهای سریع تری از C یا C++ تولید کنند. به این دلیل فراترن همچنان بهترین انتخاب برای برنامه‌نویسی علمی و البته برای اکثر برنامه‌هایی که روی ابررایانه‌ها اجرا می‌شود باقی می‌ماند. برای بهره‌وری از موازی بودن ابررایانه‌ها، محیط‌های برنامه‌نویسی خاصی برای برنامه‌نویسی آن‌ها استفاده می‌شود از جمله برای بسته‌های کامپیوتری پراکنده و دور از هم PVM و MPI و برای ماشین‌های حافظه اشتراکی بسیار نزدیک به هم OpenMP استفاده می‌شود.

معماری ابررایانه مدرن

چنان‌که در فهرست نوامبر ۲۰۰۶ می‌بینیم ده کامپیوتر برتر فهرست پانصد کامپیوتر برتر (و البته بسیاری کامپیوتر دیگر در این لیست) معماری سطح بالا اما مشابهی دارند. هر کدام مجموعه‌ای از مولتی پروسسورهای تماماً SIMD هستند. هر ابررایانه‌ای بسته به تعداد مولتی پروسسورهای مجموعه، تعداد پروسسورهای هر مولتی پروسسور و نیز تعداد عملیاتی که می‌تواند به صورت هم‌زمان در هر پروسسور SIMD انجام بدهد از سایر ابررایانه‌ها متفاوت می‌شود. در این سلسله چنین چیزهایی داریم:

  • یک مجموعه کامپیوتری که کامپیوترهای آن از طریق شبکهٔ سرعت بالا یا شبکهٔ تعویض (switching fabric) اتصال بسیار مفصلی با هم دارند. هر کامپیوتر هم تحت نمونهٔ مجزایی از OS کار می‌کند.
  • کامپیوتر مولتی پروسسور کامپیوتری است که تحت OS مشخصی کار می‌کند و بیش از یک CPU دارد و در آن نرم‌افزار سطح عملکرد از تعداد پروسسورها مستقل است. وظایفی مثل مولتی پروسسینگ متقارن (SMP) و دسترسی غیرهمشکل به حافظه (NUMA) را با هم انجام می‌دهند.
  • یک پروسسور SIMD یک دستور را بر چندین دسته اطلاعات به صورت هم‌زمان اجرا می‌کند. پردازنده می‌تواند چندمنظوره یا برداری با کاربرد خاص باشد. سطح عملکرد هم می‌تواند بالا یا پایین باشد.

طبق بررسی ماه نوامبر سال ۲۰۰۶ قانون مور (Moore) و اقتصاد مقیاسی (economy of scale) فاکتور اصلی در طراحی ابررایانه‌ها هستند. یک PC دسکتاپ مدرن امروزه قوی تر از یک ابررایانه پانزده سال پیش است و این طراحی‌هایی که سابقاً اجازه می‌داد ابررایانه‌ها از ماشین‌های دسکتاپ بهتر عمل کنند در طراحی PCها استفاده می‌شوند. به علاوه هزینه‌های ایجاد تراشه‌ها (چیپchip) باعث می‌شود طراحی تراشه‌های سفارشی برای کاربرد محدود مقرون به صرفه نباشد بلکه تولید انبوه تراشه‌ها را تأیید می‌کند که مشتری داشته باشند و هزینهٔ تولید را پوشش بدهد. یک واحد کاری مدل هسته چهارگانه Xeon با عملکرد GHz۲٫۶۶ از یک ابررایانه C۹۰ کری چند میلیون دلاری که در دههٔ ۱۹۹۰ استفاده می‌شد بهتر است و حجم بسیار بالایی از کار که در دههٔ ۱۹۹۰ به چنین ابررایانه‌ای نیاز داشت امروزه با یک واحد کاری کمتر از ۴۰۰۰ دلاری انجام می‌شود. مسایلی که ابررایانه‌ها آن‌ها را حل می‌کردند اکثراً باید موازی‌سازی می‌شدند (یعنی تقسیم کار بزرگ به چند کار کوچک‌تر برای انجام هم‌زمان) آن هم به قطعات بزرگ تا حجم اطلاعاتی که بین واحدهای پردازندهٔ مستقل انتقال پیدا می‌کرد کاهش پیدا کند. این است که می‌توان به جای بسیاری ابررایانه‌های سنتی از بسته‌های طراحی استاندارد بهره برد که با برنامه‌ریزی قابلیت عملکرد یگانه و همگرا را دارند.

ابررایانه‌های هدفمند و دارای کاربرد خاص

ابررایانه بلو جین، محصول آی بی ام در آزمایشگاه ملی آرگون

ابررایانه هدفمند ابزارهای محاسباتی با عملکرد بسیار سطح بالا و معماری سخت‌افزاری مناسب حل یک مسئلهٔ خاص هستند. می‌توان در آن‌ها از تراشه‌های FPGA برنامه‌ریزی شده یا چیپ‌های VLSI سفارشی استفاده نمود که عمومیت شان را از دست می‌دهند اما در عوض نسبت قیمت به کاربرد بالاتری ارائه می‌دهند. از آن‌ها برای محاسبات نجومی و کد شکنی‌های بسیار قوی استفاده می‌شود. پیش آمده‌است که یک ابررایانه هدفمند جدید از برخی نظرها از سریع‌ترین ابررایانه وقت سریع تر عمل کند مثلاً GRAPE-۶ که در سال ۲۰۰۲ در برخی مسائل سریع تر از شبیه‌ساز زمین عمل کرد. مثال‌هایی از ابررایانه هدفمند

  • DEEP BLUE برای بازی شطرنج
  • ماشین‌ها یا ابزار و قطعات ماشین‌های محاسبهٔ قابل پیکربندی مجدد
  • GRAPE برای فیزیک نجوم و دینامیک مولکول
  • DEEP CRACK برای رمزشکنی DES

سریع‌ترین ابررایانه روز

محاسبهٔ سرعت ابررایانه

سرعت ابررایانه بر اساس FLOPS محاسبه می‌شود که مخفف عملیات دقیق شناور در هر لحظه می‌باشد و معمولاً هم یک پسوند SI مثل ترا یا پتا با آن است. در حالت ترا بودن آن را TFLOPS ترافلاپ ده به توان دوازده FLOP و در حالت پتا بودن PFLOPS پتافلاپ ده به توان پانزده می‌گویند. این محاسبهٔ بر اساس مقیاسی که مارتیس بزرگ را تجزیه ی(LU decomposition می‌کند صورت می‌گیرد. این نمونه مسائل حقیقی را بررسی می‌کند اما خیلی راحت‌تر از محاسبهٔ مسائل دنیای واقعی است.

فهرست پانصد عنوان برتر

از سال ۱۹۹۳ نتایج LINPAK پانصد ابررایانه سریع دنیا را همواره رتبه‌بندی نموده‌است. البته ادعا نمی‌شود این فهرست کاملاً بی ایراد است اما بهترین از سرعت کامپیوتر را در هر زمان دارد.

سریع‌ترین ابررایانه فعلی

پس از Tianhe-1A، نوبت به این غول چینی رسید تا رکورد سرعت را با ثبت عدد ۳۳٫۸۶ پتافلاپس بشکند. Tianhe-2 از پردازنده‌های Xeons و Xeon Phi اینتل از سری آیوی بریج استفاده می‌کند و در مجموع ۳ میلیون و ۱۲۰ هزار هسته پردازشی دارد. این ابر کامپیوتر که ۱۷٬۸۰۸ کیلووات مصرف انرژی دارد، بر روی کاغذ قادر است به سرعت ۵۴٫۹ پتافلاپس هم دست یابد. پس اگر لازم شد، شاید بتواند برای حفظ جایگاه خود، سرسختانه بجنگد. منبع

ابر شبه محاسبه (کازی سوپر کامپیوتینگ quasi super computing)

برخی انواع محاسبات توزیع شدهٔ مقیاس وسیع برای مسائل بسیار موازی‌سازی شده را می‌توان اوج ابر محاسبهٔ دسته‌بندی شده نامید. مثلاً پلتفرم BOINC (که میزبان تعدادی پروژهٔ محاسبهٔ توزیع شده هستند) در بیست و هفتم مارس سال ۲۰۰۷ از طریق ۱۷۹۷۰۰۰ کامپیوتر اضافه روی شبکه بالای ۵۳۰٫۷ ترافلاپ سرعت عملکرد به ثبت رساند. سریع‌ترین پروژه بود SETI@home که با ۱۳۹۰۰۰۰ کامپیوتر اضافه ۲۷۶٫۳ ترافلاپ کار می‌کرد. یک پروژهٔ توزیع شدهٔ دیگر Folding@home بود که در اواخر سپتامبر ۲۰۰۷ قدرت عملکرد برابر ۱٫۳ پتافلاپ گزارش داد. مشتریانی که از پلی استیشن استفاده می‌کنند از توان محاسبهٔ بالا ۱ پتافلاپ استفاده می‌کنند. تحقیق Mersenne Prime توزیع شدهٔ GIMP تا اکتبر ۲۰۰۷ قدرت برابر ۲۳ ترافلاپ به ثبت رسانده‌اند. سیستم موتور جستجوی گوگل با ۱۲۶ تا ۳۱۶ ترافلاپ احتمالاً سریع‌ترین باشد.

تحقیق و توسعه

در نهم سپتامبر سال ۲۰۰۶ دفتر مدیریت امنیت هسته‌ای ملی انرژی آمریکا (NNSA)، آی بی ام(IBM) را برای طراحی و ساخت اولین ابررایانه دنیا انتخاب کرد. سیستمی که برای تولید ماشینی پردازندهٔ موتور پنهای باند سلولی (cell BE) ماشینی با توان پایستهٔ یک پتافلاپ یا یک هزار تریلیون محاسبه در ثانیه بسازد. پروژهٔ دیگری که IBM به آن مشغول است ساخت Cyclops۶۴ است که قرار است روی یک تراشه یک ابررایانه نصب کند. دکتر کارمارکار در هند پروژه‌ای را برای ساخت ابررایانه یک پتافلاپی رهبری می‌کند. CDAC هم در حال ساخت رهبری می‌کندی است که تا سال ۲۰۱۰ بتواند به یک پتافلاپ برسد. NSF هم پروژه‌ای بیست میلیون دلاری برای ساخت یک ابررایانه یک پتافلاپی در دست دارد. NCSA هم در دانشگاه ایلینوی اوربانا شامپاین مشغول چنین پروژه‌ای است و برآورد می‌شود تا سال ۲۰۱۱ آن را تکمیل کند.

جدول زمانی ابررایانه‌ها

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.

YearSupercomputerPeak speedLocation
۱۹۴۲Atanasoff–Berry Computer (ABC)۳۰ OPSدانشگاه ایالتی آیووا، Ames, Iowa، USA
TRE Heath Robinson۲۰۰ OPSBletchley Park
۱۹۴۴Flowers Colossus۵ kOPSPost Office Research StationDollis HillUK
۱۹۴۶UPenn انیاک
(before 1948+ modifications)
۱۰۰ kOPSآبردین پروو گراوند، مریلند، مریلند، USA
۱۹۵۴IBM NORC۶۷ kOPSU.S. Naval Proving GroundDahlgren، ویرجینیا، USA
۱۹۵۶MIT TX-۰۸۳ kOPSMassachusetts Inst. of TechnologyLexington، ماساچوست، USA
۱۹۵۸IBM AN/FSQ-۷۴۰۰ kOPS۲۵ U.S. Air Force sites across the continental USA and 1 site in کانادا (۵۲ computers)
۱۹۶۰UNIVAC LARC۲۵۰ kFLOPSآزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۱۹۶۱IBM 7030 “Stretch”۱٫۲ MFLOPSآزمایشگاه ملی لاس آلاموس، نیومکزیکو، USA
۱۹۶۴CDC ۶۶۰۰۳ MFLOPSآزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۱۹۶۹CDC ۷۶۰۰۳۶ MFLOPS
۱۹۷۴CDC STAR-۱۰۰۱۰۰ MFLOPS
۱۹۷۵Burroughs ILLIAC IV۱۵۰ MFLOPSمرکز پژوهشی ایمز ناسا، کالیفرنیا، USA
۱۹۷۶Cray-۱۲۵۰ MFLOPSآزمایشگاه ملی لاس آلاموس، نیومکزیکو، USA (80+ sold worldwide)
۱۹۸۱CDC Cyber ۲۰۵۴۰۰ MFLOPS(numerous sites worldwide)
۱۹۸۳Cray X-MP۹۴۱ MFLOPSآزمایشگاه ملی لاس آلاموسآزمایشگاه ملی لارنس لیورمورBattelleبوئینگ
۱۹۸۴M-۱۳۲٫۴ GFLOPSScientific Research Institute of Computer Complexes، مسکو، USSR
۱۹۸۵Cray-۲۳٫۹ GFLOPSآزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۱۹۸۹ETA۱۰-G/۸۱۰٫۳ GFLOPSدانشگاه ایالتی فلوریدا، فلوریدا، USA
۱۹۹۰NEC SX-۳/۴۴R۲۳٫۲ GFLOPSNEC Fuchu Plant, Fuchu، ژاپن
۱۹۹۳Thinking Machines CM-۵/۱۰۲۴۶۵٫۵ GFLOPSآزمایشگاه ملی لاس آلاموسآژانس امنیت ملی ایالات متحده آمریکا
فوجیتسو Numerical Wind Tunnel۱۲۴٫۵۰ GFLOPSNational Aerospace Laboratory، توکیو، ژاپن
اینتل Paragon XP/S ۱۴۰۱۴۳٫۴۰ GFLOPSآزمایشگاه ملی سندیا، نیومکزیکو، USA
۱۹۹۴فوجیتسو Numerical Wind Tunnel۱۷۰٫۴۰ GFLOPSNational Aerospace Laboratory، توکیو، ژاپن
۱۹۹۶Hitachi SR۲۲۰۱/۱۰۲۴۲۲۰٫۴ GFLOPSدانشگاه توکیو، ژاپن
Hitachi/تسوکوبا، ایباراکی CP-PACS/۲۰۴۸۳۶۸٫۲ GFLOPSCenter for Computational Physics، دانشگاه تسوکوبا، تسوکوبا، ایباراکی، ژاپن
۱۹۹۷اینتل ASCI Red/۹۱۵۲۱٫۳۳۸ TFLOPSآزمایشگاه ملی سندیا، نیومکزیکو، USA
۱۹۹۹اینتل ASCI Red/۹۶۳۲۲٫۳۷۹۶ TFLOPS
۲۰۰۰IBM ASCI White۷٫۲۲۶ TFLOPSآزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۲۰۰۲NEC Earth Simulator۳۵٫۸۶ TFLOPSEarth Simulator Center، یوکوهاما-shi، ژاپن
۲۰۰۴IBM Blue Gene/L۷۰٫۷۲ TFLOPSU.S. Department of Energy/IBM، USA
۲۰۰۵۱۳۶٫۸ TFLOPSU.S. Department of Energy/U.S. National Nuclear Security Administration،
آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA
۲۸۰٫۶ TFLOPS
۲۰۰۷

منبع : ویکی پدیا

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *