Supercomputación resucitada

Incluso en un campo definido por avances continuos, el logro fue impactante: en marzo pasado, el gobierno japonés encendió una computadora que pronto demostró ser la más rápida del mundo, en algunos casos superando a la siguiente computadora más rápida por un factor de 10. El Earth Simulator, construido por NEC, tardó cuatro años en ensamblarse y costó al menos 350 millones de dólares. Rápidamente entregó resultados científicos del mundo real en el modelado del clima global, completando simulaciones que hicieron que otras computadoras parecieran toscas. Los científicos de todo el mundo se alinearon por la cantidad limitada de tiempo de computadora disponible para los investigadores fuera de Japón. En junio, pocas semanas después de que la máquina cobrara vida, tres de los seis finalistas de los prestigiosos premios Gordon Bell en informática de alto rendimiento habían ejecutado sus proyectos en Earth Simulator.

Un puñado de artículos cubrieron las noticias la primavera pasada, citando a expertos que compararon el Earth Simulator con el Sputnik, otra instancia en la que Estados Unidos ha sido superado severamente en una tecnología crítica. Pero fuera de los círculos enrarecidos de la informática de alta gama, la historia pronto murió. Los proveedores de computadoras estadounidenses han restado importancia al logro, descartando el Earth Simulator como tecnología antigua o demasiado especializada para ser de mucha utilidad, incluso insistiendo en que se trataba de un truco publicitario. Danos 400 millones de dólares para gastar en una sola computadora y podríamos construir algo con la misma rapidez, dice Peter Ungaro, vicepresidente de computación de alto rendimiento de IBM.

Esta historia fue parte de nuestro número de febrero de 2003

• Ver el resto del número
• Suscribir

Eso me encanta, se burla Gordon Bell, diseñador de la primera minicomputadora para equipos digitales y estrella de la informática de alto rendimiento. ¿Cómo lo va a hacer IBM? ¿Dónde está la tecnología? Quiero apostar mil dólares a que durante el próximo año IBM no podrá igualar el rendimiento de costos del simulador de tierra en ningún sistema que tengan. De hecho, IBM ganó recientemente un contrato con el Departamento de Energía para construir un par de máquinas diseñadas para funcionar de dos a nueve veces la velocidad del Earth Simulator, pero el proyecto tardará hasta 2005 en completarse. Como muchos de los involucrados en la computación científica de alta potencia, Bell cree que el logro de Japón ha puesto al descubierto un enorme agujero en el desarrollo de sistemas de supercomputadoras en los Estados Unidos, un agujero que el dinero por sí solo no puede llenar.

¿Qué sucedió que permitió a NEC tomar un liderazgo tan tremendo en el poder de la computación? En pocas palabras, el gobierno japonés consideró oportuno subsidiar el desarrollo de la computadora más cara del mundo. El objetivo del proyecto no era apoderarse de los derechos de fanfarronear de los Estados Unidos, sino promover la comprensión de los científicos del clima global mediante la creación de una máquina que realiza mejores simulaciones meteorológicas y de modelado que nunca.

Al mismo tiempo, la financiación del gobierno de los EE. UU. Para la investigación sobre computación de alta gama estaba disminuyendo en respuesta a la noción profundamente sentida de los EE. UU. De que los desarrolladores de supercomputadoras, como las mamás de la asistencia social, deberían cuidarse a sí mismas en lugar de sobrevivir con las donaciones del gobierno. En comparación con cualquier otra parte del mercado de las computadoras, el mercado de las supercomputadoras es pequeño y de crecimiento lento, por lo que cuando la financiación pública se agotó, la inversión privada en arquitecturas de alto rendimiento también se agotó. Por lo tanto, durante la última década, el énfasis estadounidense en la supercomputación se ha centrado en vincular grupos de procesadores básicos, aquellos diseñados para aplicaciones comerciales cotidianas, en lo que se conoce como configuraciones masivamente paralelas. Ese enfoque es un marcado contraste con la visión japonesa de arquitecturas especializadas desarrolladas únicamente para el mercado de alto rendimiento.

Por supuesto, el enfoque de los productos básicos ha ido lejos: en este momento, dos máquinas de productos básicos, las supercomputadoras gemelas ASCI Q construidas por Hewlett-Packard en el Laboratorio Nacional de Los Alamos en Nuevo México, ocupan el segundo lugar más rápido del mundo (según la medición de Top500.org , un grupo de análisis sin fines de lucro). La idea de aprovechar muchos procesadores de gama baja para realizar tareas complicadas también ha capturado la imaginación del público, con proyectos comoSETI @ hogar, que alista las computadoras de escritorio de más de cuatro millones de voluntarios para escanear datos de radiotelescopios en busca de patrones indicativos de inteligencia extraterrestre. Los clústeres de Beowulf, que utilizan un método desarrollado en 1994 para vincular las PC para maximizar su potencia de procesamiento, han facilitado aún más el logro de niveles de alto rendimiento con una inversión de capital relativamente baja. Sin lugar a dudas, el enfoque de los productos básicos ha demostrado su eficacia para muchas aplicaciones que en algún momento se ejecutaron en grandes hierros especializados.

Pero a pesar de estos avances, Estados Unidos se ha quedado muy corto en el campo donde la computación muscular es más importante y donde la nación tiene más que ganar: en la simulación de sistemas tan complejos como el clima en el extremo macroscópico y el plegamiento de proteínas en el microscópico. . Esta capacidad de simulación es cada vez más vital para el avance de la ciencia básica, así como para la seguridad nacional.

Hacer que el sector privado pague por esta capacidad es como si la industria de defensa dijera que los submarinos nucleares tienen que tener algún tipo de spin-off comercial, dice Horst Simon, director del Centro Nacional de Computación Científica de Investigación Energética en Oakland, CA, hogar de la 12a computadora más rápida. . Nos hemos embarcado en una dirección en los Estados Unidos que no va a funcionar.

La necesidad de velocidad

¿Cuáles son las ventajas reales de hacer que las computadoras sean cada vez más rápidas? ¿Por qué, después de todo, no podemos usar una máquina que tarda un mes o una semana en completar una tarea en lugar de un día o una hora? Para muchos problemas, podemos. Pero la verdad es que apenas estamos comenzando a adquirir la potencia informática para comprender lo que sucede en sistemas con miles o millones de variables; incluso las máquinas más rápidas están revelando la promesa de lo que vendrá.

Tomemos, por ejemplo, los gases de efecto invernadero y la forma en que afectan el clima global, uno de los problemas para estudiar el Earth Simulator. Con computadoras lo suficientemente rápidas para predecir los cambios climáticos con precisión, podemos saber con mucha mayor certeza qué nivel de dióxido de carbono atmosférico derretirá los casquetes polares. De manera similar, debido a que Earth Simulator modela el clima del planeta con un increíble grado de granularidad, puede realizar simulaciones que tengan en cuenta los efectos de fenómenos locales como las tormentas eléctricas. Estos fenómenos pueden afectar áreas de solo 10 kilómetros de ancho, en contraste con los 30 a 50 kilómetros que la mayoría de los modelos meteorológicos utilizan como tamaño de cuadrícula estándar.

O tome las dificultades que hemos encontrado al tratar de comprender y aprovechar la fusión nuclear, esa panacea perpetuamente fuera de alcance para nuestros problemas energéticos. Puede llevar una década realizar un solo experimento [de fusión], dice Thomas Sterling, asociado de la facultad del Centro de Investigación en Computación Avanzada de Caltech. Computadoras más rápidas acelerarían estos proyectos por décadas, permitiéndonos no solo diseñar reactores seguros que nos den el poder para hacer funcionar el planeta, sino también saber cómo deshacernos de los desechos.

Un ejemplo reciente tanto de la promesa como de las limitaciones de las computadoras más poderosas de la actualidad provino de la máquina ASCI White de IBM, la cuarta supercomputadora más rápida del mundo, que los investigadores de IBM utilizaron para investigar cómo los materiales se agrietan y deforman bajo tensión. El estudio, anunciado la primavera pasada, simuló el comportamiento de mil millones de átomos de cobre. Ciertamente mil millones suenan como muchas variables, hasta que uno se da cuenta de que se necesitarían más de cien billones de veces esa cantidad de átomos para formar incluso un centímetro cúbico de cobre.

Existe la noción de que la informática de alto rendimiento es una industria madura, donde todos los problemas se han resuelto, y hemos seguido adelante, dice Burton Smith, científico jefe de Cray, una empresa pionera de supercomputadoras en Seattle. Eso es falso. La vergüenza del Earth Simulator revela el hecho de que todavía hay mucho más que comprender.

Personalizado frente a productos básicos

Durante la última década, todo lo que hemos escuchado sobre las computadoras ha sido sobre cómo hacerlas más pequeñas, más rápidas, más baratas, más como productos básicos. Nuestras computadoras portátiles, por ejemplo, tienen las mismas capacidades que una computadora Cray de mediados de la década de 1970. Luego llega el monstruoso Earth Simulator: tiene el tamaño de cuatro canchas de tenis y cuesta casi el doble que su competencia más cercana, las máquinas ASCI Q. Si este es el futuro de la supercomputación, ¿qué vamos a hacer con él? La máquina ni siquiera cuenta con una arquitectura particularmente nueva: NEC utilizó una técnica llamada computación vectorial, que data de los primeros días de Cray.

Pero más allá de su desgana y rarezas arquitectónicas, Earth Simulator ejemplifica un enfoque de la computación de alto rendimiento que es fundamentalmente diferente del que siguen la mayoría de los fabricantes de computadoras de EE. UU. En la actualidad. Earth Simulator fue diseñado de abajo hacia arriba, desde sus procesadores hasta los buses de comunicaciones que unen los procesadores y la memoria, para ser la computadora más rápida del mundo. ¿Cuándo producirá el enfoque estadounidense de vincular procesadores de propósito general como los que ofrecen páginas web un resultado que pueda igualar el rendimiento de una máquina diseñada explícitamente para el rendimiento? Mi opinión es que no puedes hacerlo, dice Bell. Simplemente no veo la manera, con una computadora de propósito general, de llegar de allí hasta aquí.

El desafío del rendimiento comienza con el procesador. Los datos procesados ​​en la computación científica a menudo toman la forma de listas de números, los valores asociados con las observaciones del mundo real. Tradicionalmente, las computadoras actuaban sobre estos valores de manera secuencial, recuperándolos de la memoria uno por uno. Luego, a principios de la década de 1970, Seymour Cray dio un salto intuitivo: ¿por qué no diseñar una computadora para que sus procesadores puedan solicitar una lista completa, o un vector, todo a la vez, en lugar de esperar a que la memoria responda a cada solicitud por turno? Un procesador de este tipo dedicaría más tiempo a la computación y menos a la espera de los datos de la memoria. Desde mediados de la década de 1970 hasta la de 1980, las supercomputadoras vectoriales de Cray batieron récord tras récord. Pero requerían chips especializados costosos y, por lo tanto, la computación vectorial se abandonó en gran medida en los Estados Unidos después de 1990, cuando se afianzó la noción de sistemas masivamente paralelos hechos de procesadores estándar.

No obstante, la computación vectorial siguió siendo una de las formas más eficientes de manejar simulaciones a gran escala, lo que llevó a NEC a adoptar el enfoque de Cray cuando presentó una oferta por el contrato del gobierno para construir el Earth Simulator. Una vez que los arquitectos de NEC decidieron construir para la velocidad en lugar de la estandarización, tuvieron la libertad de desarrollar no solo procesadores especializados, sino también vías de comunicación más amplias entre los procesadores, lo que agravó la ventaja de velocidad del hardware. Muchas de estas mejoras están integradas en el NEC SX6, el bloque de construcción fundamental del Earth Simulator. La arquitectura vectorial es la mejor opción para las simulaciones por computadora de problemas científicos y de ingeniería del gran desafío, como el calentamiento global, el diseño de aviones supersónicos y la física a nanoescala, dice Makoto Tsukakoshi, gerente general del proyecto Earth Simulator en NEC.

Unir máquinas de productos básicos con redes comerciales estándar, por otro lado, traslada la carga de velocidad del hardware al software. Los informáticos deben escribir programas paralelos que analicen los problemas en fragmentos y luego controlen explícitamente qué procesadores deben manejar cada fragmento, todo en un esfuerzo por minimizar el tiempo dedicado a pasar bits a través de cuellos de botella de comunicaciones entre procesadores.

Tal programación ha resultado extremadamente difícil: un programa FORTRAN sencillo se convierte en un lío de código que requiere ser reescrito y depurado por especialistas en programación paralela. Espero concentrar mi atención en mi investigación más que en cómo programar, dice Hitoshi Sakagami, investigador del Instituto de Tecnología Himeji de Japón y finalista del Premio Gordon Bell por su trabajo con Earth Simulator. No considero que las computadoras en paralelo sean herramientas aceptables para mi investigación si me veo constantemente obligado a codificar programas en paralelo.

No es la pereza lo que ha impedido a los programadores encontrar mejores formas de escribir código paralelo. La gente ha trabajado muy duro tratando de desarrollar un nuevo software de aplicación basado en diferentes algoritmos para usar máquinas paralelas, con poco éxito, dice Jim Decker, subdirector principal de la Oficina de Ciencias en el Departamento de Energía. (La agencia de Decker es responsable de la investigación básica en áreas como la energía y el medio ambiente). Las máquinas vectoriales a menudo emplean su propia forma de procesamiento paralelo, pero las matemáticas para hacerlo son mucho menos complicadas; Los científicos de Earth Simulator, por ejemplo, pueden programar utilizando un sabor del lenguaje informático clásico de FORTRAN que adopta un enfoque mucho más directo.

Una supercomputadora que comprenda una gran cantidad de procesadores comerciales no solo es difícil de programar. Ha quedado claro que los beneficios de agregar más procesadores a un sistema de productos básicos eventualmente se vuelven insignificantes a medida que persuadirlos para que trabajen juntos se vuelve más difícil. Lo que realmente hizo que los corazones de los científicos computacionales se aceleraran sobre el Simulador de Tierra no fue el pico, o el número máximo de cálculos realizados por segundo, que es aproximadamente cuatro veces la capacidad de la siguiente máquina más rápida y en sí mismo es lo suficientemente impresionante. En cambio, era la capacidad de la computadora para resolver problemas reales (que, después de todo, es lo que les importa a los científicos). Earth Simulator puede procesar cálculos hasta en un 67 por ciento de su capacidad máxima durante un período sostenido. En comparación, el enfoque masivamente paralelo, bueno, no se compara.

Si coloca una cantidad suficiente de estos procesadores básicos en un sistema, y ​​no se siente abrumado por el costo de la red de comunicaciones para conectarlos, eventualmente podría alcanzar el rendimiento máximo del Earth Simulator, dice Sterling. Pero lo que rara vez se informa públicamente sobre estos sistemas es que su rendimiento sostenido suele estar por debajo del cinco por ciento del pico, o incluso del uno por ciento del pico.

Aunque ciertamente es más barato construir supercomputadoras con componentes básicos, muchos científicos computacionales sospechan que el costo de desarrollar software paralelo en realidad encarece la ejecución de aplicaciones científicas en una máquina de este tipo.

La gente se ha enamorado del bajo costo de lo que parece un nivel muy alto de rendimiento en máquinas comerciales, dice Decker. Pero no son realmente más baratos de construir. Necesitamos mirar el rendimiento sostenido, así como el costo de desarrollar software. Los costos de software son generalmente mayores que los costos de hardware, por lo que si existen enfoques de hardware que faciliten la resolución del problema, es mejor que invirtamos en hardware. En retrospectiva, creo que habría sido mejor tomar un camino diferente.

Jugando a ponerse al día

Si el Earth Simulator realmente fuera visto como otro Sputnik, en este momento el gobierno de los EE. UU. Estaría presupuestando una gran cantidad de efectivo para la investigación y el desarrollo de supercomputación. Después de todo, la NASA gastó más de $ 19 mil millones, aproximadamente $ 80 mil millones en dólares de hoy, en las misiones Apolo para llevar a un hombre a la luna. Pero George W. Bush no es un John F. Kennedy, y la carrera para superar al Simulador de la Tierra no ha capturado ni la imaginación del público ni el nivel correspondiente de financiación pública.

Sin embargo, existe un factor recurrente para el gasto estadounidense en supercomputación: la necesidad de más potencia computacional para simular el rendimiento de las armas nucleares en lugar de las pruebas subterráneas. En noviembre, la Administración Nacional de Seguridad Nuclear del Departamento de Energía otorgó a IBM un contrato de tres años y $ 267 millones para construir dos supercomputadoras, ASCI Purple y Blue Gene / L, que se prevé que tengan más potencia de procesamiento combinado que las 500 supercomputadoras más rápidas de la actualidad juntas. Y en respuesta al Earth Simulator, la Agencia de Proyectos de Investigación Avanzada de Defensa de EE. UU. Ha comenzado su propio programa más modesto para financiar la investigación de supercomputadoras. La agencia está comenzando con subvenciones de investigación individuales de $ 3 millones para los líderes de la industria Cray, IBM, Hewlett-Packard, Silicon Graphics y Sun Microsystems, seguidas de fondos adicionales si se alcanzan los hitos tecnológicos. Los nuevos proyectos de defensa han comenzado a revitalizar la industria. Burton Smith de Cray dice: Esto realmente marca el final de un período bastante largo en el que el gobierno

no ha estado involucrado en investigación y desarrollo de computadoras.

Otra forma de impulsar la supercomputación estadounidense podría ser mediante una inversión adicional en computación vectorial, un enfoque que Earth Simulator demuestra que fue abandonado prematuramente por los desarrolladores estadounidenses. El estado actual de la arquitectura de alto rendimiento se remonta a la solidez de la arquitectura básica de vector Cray de 25 años que NEC adoptó y continúa mejorando, dice Bell. Los arquitectos estadounidenses han rechazado la arquitectura sin desarrollar alternativas competitivas.

Pero, ¿dónde se desarrollarán las nuevas computadoras vectoriales? Así como Estados Unidos una vez se quedó atrás en la electrónica de consumo, también perdió rápidamente la experiencia necesaria para construir tales sistemas. De las 40 empresas que se especializaron en computación de alto rendimiento a fines de la década de 1980, solo Cray permanece en el negocio, después de haber sobrevivido a la adquisición por Silicon Graphics en 1996 y Tera en 2000 (Tera rápidamente cambió su propio nombre a Cray en reconocimiento a la singular prominencia de la empresa en el campo). Cray es el único fabricante de supercomputadoras de EE. UU. que admite el procesamiento de vectores. El otoño pasado, Cray comenzó a distribuir una nueva computadora vectorial, la X1; completamente cargada, la máquina superará al Earth Simulator en casi un 50 por ciento, dice la compañía. Pero Cray aún no ha vendido un sistema X1 tan poderoso, y mientras el Ejército de los EE. UU. Y el Departamento de Energía están evaluando su potencial, otros clientes, comprensiblemente, desconfían de depender de una arquitectura respaldada por una sola empresa relativamente pequeña.

Todo esto deja las esperanzas de la supercomputación de EE. UU. Puestas en su mayor parte en arquitecturas completamente nuevas, aquellas que pueden tener el potencial de superar a la computación vectorial. Aunque las subvenciones de DARPA se iniciaron en respuesta al Earth Simulator, están destinadas a lograr un objetivo fundamentalmente diferente: hacer supercomputadoras que no solo sean más rápidas, sino también más baratas de construir y usar que cualquier cosa desarrollada anteriormente. ¿Hay alguna forma de hacer todo esto a la vez? Es lógico pensar que debería haberlo, pero la respuesta no es evidente. Pasamos hambre en una era de abundancia, dice Bill Dally, profesor de ingeniería eléctrica y ciencias de la computación en la Universidad de Stanford. Todos los ingredientes para la computación (aritmética, comunicaciones, memoria) se están volviendo más baratos, y para casi cualquier cosa, además de la computación [de alto rendimiento], los costos por unidad se vuelven más baratos a medida que escala.

Al igual que con cualquier arquitectura nueva, el mayor desafío será el cuello de botella de la memoria, donde el viaje relativamente lento de los datos hacia y desde la memoria obstaculiza la eficiencia del procesador. Incluso mientras continúa buscando sus propios sistemas de computación vectorial, Cray está atacando ese problema adaptando las técnicas de comunicación entre procesadores utilizadas en Earth Simulator para aumentar el flujo de datos en Red Storm, una computadora enormemente paralela que se construirá en Sandia National Laboratories en New México.

Dally cree que ha desarrollado otra solución, a la que llama transmisión. Si bien la arquitectura informática tradicional trata todas las operaciones aritméticas por igual, los cálculos en muchas simulaciones científicas se basan en sí mismos, sin necesidad de almacenar valores intermedios en la memoria a largo plazo. Entonces, en lugar de pasar el control de una instrucción a otra y acceder a la memoria secuencialmente, Dally está construyendo un sistema que transmite datos a los procesadores, que luego actúan sobre el problema localmente a través de muchos cálculos intermedios y transmiten los valores terminados a la memoria. El plegamiento de proteínas es un ejemplo en el que para comprender cómo interactúan dos moléculas, es necesario llevar a cabo quizás 500 resultados intermedios antes de llegar al que desea, dice Dally. Con el streaming puede capturar esos resultados intermedios en registros locales donde el ancho de banda de comunicaciones es muy económico y nunca toca el sistema de memoria.

Los avances en las técnicas de fabricación de microprocesadores también están haciendo posible colocar procesadores y grandes cantidades de memoria en el mismo chip, acortando la distancia que deben recorrer las instrucciones y los datos. IBM planea probar tales técnicas de procesador en memoria en supercomputación, y DARPA está financiando un esfuerzo en la Universidad del Sur de California para explorar exactamente cómo la tecnología de procesador en memoria puede mejorar los sistemas de alto rendimiento. Investigadores de la Universidad del Sur de California están trabajando con Hewlett-Packard para entregar un sistema experimental a DARPA para su evaluación. Y un proyecto en Caltech conocido como Gilgamesh está examinando la mejor manera de organizar la memoria y la lógica juntas en un chip: si se intercalan pequeños bloques de memoria y lógica alrededor de un chip, por ejemplo, el tiempo de viaje continuaría disminuyendo, mejorando el rendimiento.

Otra opción es simplemente darle la vuelta a toda la arquitectura. Burton Smith de Cray y Sterling de Caltech están cooperando en un proyecto financiado por DARPA al que llaman Cascade. Los dos están investigando formas de explotar el hecho de que en la informática científica de alta gama, el peso de los datos por sí solo suele ser mucho mayor que el peso del programa de aplicación. En otras palabras, si el material almacenado en la memoria es mucho más grande que el programa necesario para ejecutarlo, ¿por qué moverlo? ¿Por qué no mover el programa a la memoria en su lugar? Están dispuestos a compartir su optimismo, pero Smith y Sterling dicen poco más sobre su incipiente arquitectura. Soy puramente subjetivo, pero creo que es lo más emocionante de la informática de alto rendimiento en los últimos 20 años, dice Sterling.

Estas son las propuestas que despiertan mayor interés en las agencias gubernamentales que probablemente comprarán los sistemas de alto rendimiento del futuro. Pero en su mayor parte son prototipos, o incluso menos, y se probarán a sí mismos solo después de que se realicen cambios radicales en todo, desde el diseño del procesador hasta la forma en que se diseña el software. Entonces, el desafío seguirá siendo encontrar la manera de fabricar los nuevos sistemas de manera eficiente y sin defectos. En otras palabras, estas ideas no ofrecen una solución rápida.

¿QUIÉN HACE LAS COMPUTADORAS MÁS RÁPIDAS?
		Especificaciones de la máquina más rápida
Compañía	Número en el Top 500 Nombre Velocidad (Gigaflops) Ubicación
Hewlett Packard	137 ASCI Q 7,727	Los Alamos National Laboratorio, NM
IBM	129 ASCI Blanco 7,226	Lawrence Livermore Laboratorio Nacional, CA
Microsistemas solares	88 HPC 4500 420	Fuerzas Armadas Suecas, Estocolmo, Suiza
Gráficos de silicio	45 ASCI Montaña Azul 1,608	Los Alamos National Laboratorio de montaña, NM
Cray	22 T3E 1200 1,166	Desconocido (Gobierno de los Estados Unidos)
Comité ejecutivo nacional	15 Earth Simulator 35,860	Centro de simulador de tierra, Simulator Yokohama, Japón

Arquitecturas de supercomputadoras actuales y propuestas
Enfoque arquitectónico	Descripción	Ventajas	Proponentes principales
Grupos de productos básicos (operativos)	Cientos o miles de servidores estándar con enlaces de ancho de banda bajo	Construcción de bajo costo; eficiente con problemas que se pueden dividir en trozos	Hewlett-Packard, IBM, Silicon Graphics
Computación vectorial (operativa)	Cientos de ocesores personalizados con conectores de gran ancho de banda	Más tiempo dedicado a la informática, menos tiempo comunicándose	Cray, NEC
Streaming (experimental)	Valores intermedios de cálculos almacenados en la memoria local.	Velocidad; Transferencia de datos en chip para reducir el cuello de botella de la memoria.	Universidad Stanford
Procesador en memoria (experimental)	Procesamiento de circuitos y memoria a corto plazo intercalados en el mismo chip	Velocidad; menor distancia entre procesadores y memoria	Universidad del Sur de California, Caltech, IBM
Cascada (experimental)	Datos, en lugar de software, almacenados en la memoria local del procesador	Menos llamadas a la memoria en los casos en que los conjuntos de datos son más grandes que los programas	Cray, Caltech

¿Proyecto Apollo de Informática?

Durante la última década, la comunidad informática de alto rendimiento de EE. UU. Se ha apoyado en gigantes. Muchos directores de centros de computación científica dicen que creen que Estados Unidos se encuentra en un punto de decisión crítico, donde la elección de proyectos y la cantidad de fondos invertidos en nuevas arquitecturas de computación de alto rendimiento podrían afectar la seguridad y la prosperidad futuras de manera tangible.

Realmente se necesitará una combinación de buenas ideas provenientes de universidades y fondos gubernamentales y una buena ingeniería industrial para abordar este desagradable problema, dice Bell. La construcción de un nuevo chip está justo en el borde peludo de lo que puede lograr una universidad; entonces necesita a alguien con los recursos para realizar tareas de ingeniería detallada, como refrigeración y conexiones, etc. Va a requerir mucho esfuerzo.

Pero si se hace bien, podría florecer una era dorada de la ciencia completamente nueva. Uno de los aspectos más llamativos del proyecto Earth Simulator es su apertura. Los científicos se comunican a pesar de las barreras geográficas y del idioma. Están probando teorías y realizando simulaciones que tienen el potencial de mejorar nuestra comprensión del mundo y beneficiarnos a todos. Hace unos meses, Sterling negoció una reunión entre Tetsuya Sato, director de las instalaciones de Earth Simulator, y John Gyakum, un profesor de la Universidad McGill que es uno de los principales expertos del mundo sobre las formas en que los pequeños sistemas meteorológicos, como las tormentas eléctricas, afectan los patrones climáticos globales. Antes del Earth Simulator no había una computadora que pudiera fácilmente factorizar sistemas tan pequeños en simulaciones climáticas a gran escala. Ahora puede que lo haya. Se han abierto a la colaboración porque se preocupan sobre todo por los resultados científicos, dice Sterling. Y lo que están haciendo es importante para todos en el planeta.

Por lo tanto, no es solo para avanzar en la ciencia de la computación lo que se requiere más computación y más inteligente. Es hacer avanzar todas las ciencias. La ciencia en el siglo XXI se basa en tres pilares, dice Decker del Departamento de Energía. Como siempre, hay teoría y experimentos. Pero la simulación será el tercer pilar del descubrimiento científico. Dados los problemas a los que nos enfrentamos, claramente queremos estar a la vanguardia con nuestra ciencia. Si el rendimiento de nuestras computadoras es un orden de magnitud menor de lo que sabemos que pueden ser incluso hoy, entonces no lo será.

esconder