Στο Lincoln Laboratory του MIT, η σιωπή του data center σπάει από τον βόμβο μιας νέας μηχανής. Το όνομά της είναι TX-GAIN, και πίσω από αυτό το σύντομο ακρωνύμιο κρύβεται μια δύναμη υπολογισμού ικανή να αλλάξει τον τρόπο που αντιλαμβανόμαστε την τεχνητή νοημοσύνη. Πρόκειται για έναν υπερυπολογιστή που μπορεί να εκτελεί δύο exaflops ή αλλιώς δύο πεντακισεκατομμύριο πράξεις το δευτερόλεπτο.
Το TX-Generative AI Next, όπως είναι το πλήρες όνομά του, φέρνει το MIT ξανά στην αιχμή του τεχνολογικού χάρτη. Μόλις δύο χρόνια μετά την εμφάνιση του NVIDIA DGX GH200—του συστήματος που το 2023 συνέδεσε 256 Grace Hopper chips σε μία ενιαία αρχιτεκτονική—το TX-GAIN έρχεται να ανεβάσει κι άλλο τον πήχη. Είναι μια επίδειξη του πόσο συμπιεσμένος έχει γίνει ο κύκλος καινοτομίας: εκεί που κάποτε χρειάζονταν δεκαετίες για να φτάσουμε σε ένα νέο όριο, σήμερα αυτό συμβαίνει μεταξύ δύο γουλιών καφέ.
Η καρδιά του νέου συστήματος αποτελείται από περισσότερους από εξακόσιους NVIDIA accelerators, οι οποίοι συντονίζονται σαν μια ενιαία ορχήστρα υπολογιστικής ισχύος. Όμως ο στόχος του TX-GAIN δεν είναι απλώς να υπολογίζει ταχύτερα, αλλά να κατανοεί. Έχει σχεδιαστεί για να μοντελοποιεί πολύπλοκα φαινόμενα, από την πρόβλεψη καιρού και την ανάπτυξη νέων υλικών, μέχρι την ανάλυση βιολογικών διεργασιών και την έρευνα άμυνας, σε βάθος που κανένας συνηθισμένος υπολογιστής δεν μπορεί να πλησιάσει.
«Το TX-GAIN θα επιτρέψει στους ερευνητές μας να επιτύχουν επιστημονικές και μηχανικές ανακαλύψεις που μέχρι τώρα ήταν αδύνατες», αναφέρει ο Jeremy Kepner, επικεφαλής του Lincoln Laboratory Supercomputing Center (LLSC). Όπως εξηγεί, το νέο σύστημα θα αποτελέσει κομβικό εργαλείο για εφαρμογές παραγωγικής AI, φυσικές προσομοιώσεις και ανάλυση δεδομένων σε κάθε ερευνητικό τομέα.
Το TX-GAIN δεν αναγνωρίζει απλώς μοτίβα, αλλά τα δημιουργεί. Αντί να περιορίζεται στο να ξεχωρίζει αν μια εικόνα δείχνει σκύλο ή γάτα, δίνει στους επιστήμονες τη δυνατότητα να εκπαιδεύουν μοντέλα που συνθέτουν μουσική, γράφουν κείμενο ή σχεδιάζουν νέα μόρια. Στο Lincoln Lab, ομάδες αξιοποιούν ήδη αυτή τη δημιουργική δύναμη για να καλύπτουν κενά σε μετεωρολογικά δεδομένα, να εντοπίζουν ανωμαλίες στην κίνηση δικτύων και να σχεδιάζουν νέα φάρμακα μέσω προσομοιώσεων χημικών αλληλεπιδράσεων, μια διαδικασία που παραδοσιακά απαιτούσε μήνες σε φυσικά εργαστήρια.
Ο Rafael Jaimes, από την ομάδα Counter–Weapons of Mass Destruction Systems, περιγράφει τον αντίκτυπο με ενθουσιασμό:
Το TX-GAIN μάς επιτρέπει να μοντελοποιούμε όχι μόνο περισσότερες πρωτεϊνικές αλληλεπιδράσεις από ποτέ, αλλά και πολύ μεγαλύτερες πρωτεΐνες με περισσότερα άτομα. Είναι πραγματικά game-changer για την προσπάθειά μας να χαρακτηρίσουμε πρωτεΐνες στον τομέα της βιολογικής άμυνας.
Ίσως το πιο εντυπωσιακό στοιχείο να είναι το πόσο προσβάσιμο έχει γίνει όλο αυτό. Η υπερυπολογιστική ισχύς δεν είναι πλέον αποκλειστικό προνόμιο προγραμματιστών που γνωρίζουν εξειδικευμένο κώδικα. Μέσω ενός διαδραστικού περιβάλλοντος εργασίας, οι επιστήμονες μπορούν να εκτελούν τεράστια μοντέλα σχεδόν τόσο εύκολα όσο ανοίγουν το laptop τους. «Το LLSC πάντα προσπαθούσε να κάνει την υπερυπολογιστική εμπειρία να μοιάζει με εργασία σε φορητό υπολογιστή», λέει ο Kepner. «Με τη φιλική μας προσέγγιση, οι ερευνητές μπορούν να τρέξουν το μοντέλο τους και να λάβουν απαντήσεις απευθείας από τον χώρο εργασίας τους».
Η επίδραση του TX-GAIN, ωστόσο, δεν σταματά στα όρια του Lincoln Lab. Το σύστημα ήδη στηρίζει συνεργασίες σε ολόκληρο το οικοσύστημα του MIT, από το Haystack Observatory και το Center for Quantum Engineering μέχρι το πρόγραμμα Air Force–MIT AI Accelerator.
Ακόμη και οι εγκαταστάσεις του αποτελούν μέρος της καινοτομίας. Στεγασμένο στο Holyoke της Μασαχουσέτης, το TX-GAIN λειτουργεί σε ένα ενεργειακά αποδοτικό data center, όπου νέος λογισμικός έχει μειώσει την κατανάλωση ενέργειας για εκπαίδευση AI μοντέλων έως και 80%. «Το LLSC παρέχει τις απαραίτητες δυνατότητες για έρευνα αιχμής, με τρόπο οικονομικά και ενεργειακά αποδοτικό», προσθέτει ο Kepner.
[source]
