Сегодняшние лидеры процессорного рынка – Intel и AMD – умеют выполнять арифметические операции над числами. Процессор, созданный учеными кафедры ИУ-6, работает с множествами. Именно множество является операндом нового процессора, созданного в МГТУ им. Н.Э. Баумана. Решена принципиально новая задача, которой до этого не занимался никто: создана вычислительная система, реализующая математический аппарат дискретной математики. Наша разработка – не просто импортозамещение, это большой шаг вперед.
Мы не только придумали, но уже изготовили и апробировали в Центре обработки данных МГТУ принципиально новый микропроцессор Leonhard (назван в честь великого математика и друга М.В. Ломоносова, Леонарда Эйлера), который способен параллельно и очень быстро обрабатывать огромные множества.
Арифметическая обработка не справляется
– Набор команд нашего процессора состоит из таких действий, как добавления значения в множество, поиск в множестве, пересечение множеств и ряд других, – рассказывает Алексей Попов. – Мы создали процессорное устройство, которое оперирует огромными множествами, например, содержащие миллиарды чисел. И с помощью одной-единственной команды пересечения мы создаем новое множество, являющееся результатом.
Алексей Юрьевич Попов, доцент кафедры ИУ-6, стал первым лауреатом «Премии имени Валерия Александровича Матвеева», учрежденной Фондом «Международное сотрудничество бауманцев» в память о выдающемся ученом-бауманце, разностороннем человеке и крупном руководителе, многие годы возглавлявшем факультет ИУ. Премия вручена за разработку микропроцессора Leonhard.
Стоит также упомянуть о важности аппаратной поддержки дискретной математики. Оказывается, большинство вычислительных задач являются дискретными по сути, то есть действительно требуют обработки множеств чисел. Это многочисленные задачи оптимизации, задачи на графах, задачи машинного обучения. Конечно, арифметическая обработка, например, сравнение чисел, также важна, но она составляет лишь малую часть действий в алгоритмах оптимизации. Основное же время современные вычислительные системы тратят на поиск информации, перебор элементов множеств и тому подобные действия.
Сегодня многие производители создают высокопараллельные многоядерные микропроцессоры, чтобы ускорить выполнение сложных вычислительных задач. Например, разработана технология вычислений на графических процессорах GPGPU. Также в серверах уже активно применяют и нейрочипы.
Справедливый вопрос: а чем плохи всем известные микропроцессоры, например, с микро-архитектурой x86 или GPGPU? Дело в том, что так называемые универсальные микропроцессоры рассчитаны на арифметическую обработку, что отражается на их архитектуре. Например, они имеют длинный конвейер, порой достигающий 20 или даже 30 стадий. Но для обработки множеств это оказывается крайне неэффективно, так как данные в множествах зависимы. Существует и ряд других фундаментальных недостатков универсальных микропроцессоров, в том числе и GPGPU.
Именно поэтому Leonhard, изначально спроектированный под задачи дискретной оптимизации, работает существенно быстрее, а электроэнергии потребляет гораздо меньше.
Сердце, мозг и душа одновременно
Да, речь идет, конечно же, о процессоре Leonhard, разработанном и реализованном на кафедре ИУ-6. Самое важное тут – реализованном.
– Этот процессор – уже не просто научная идея. Идеей он был 10 лет назад, а сейчас процессор функционирует в сервере центра обработки данных МГТУ им. Н.Э. Баумана. Операционная система обращается к этому процессору и получает от него данные. То есть полностью налажен механизм применения процессора в вычислительной нагрузке. Сейчас, например, мы ведем проект по контролю сетевого трафика, пытаемся максимально быстро выявлять подозрительную сетевую активность.
Бауманский процессор стал не только, как его предшественники, сердцем компьютера, но и его мозгом и душой – ведь он «соображает» так быстро, и «отзывается» так точно, как могут только они.
Безопасность, зрение, движение
Итак, главное назначение микропроцессора Leonhard – ускорение обработки множеств, но на этой же основе реализована и обработка графов. Новый процессор, помимо решения классических задач оптимизации, применяют и в задачах машинного обучения. В наборе команд есть ряд операций, которые позволяют выполнять интерполяцию на основе множеств, сохраненных в памяти Leonhard. В результате удается очень быстро находить значения, ближайшие к искомому. А теперь представьте, что вы заранее обучили свою систему на известных вам значениях выдавать определенный результат. Но в процессе работы вы получаете новые телеметрические данные, которых ранее не было в обучающей выборке. Вот в этом случае и необходима быстрая интерполяция на больших множествах.
В реальных обстоятельствах это может быть жизненно важно в самом прямом смысле слова.
Например, каждый из нас без труда вспомнит целую череду авиакатастроф, происшедших из-за ошибок пилотов. Вспомните, как выглядит приборная панель, расположенная перед летчиками: глаза разбегаются, а мозг, наоборот, должен «сбежаться» – успеть всю ее оценить и отработать. Будет гораздо лучше, если за эту задачу возьмется электроника.
Выявить возникшие критические состояния – задача предметная и очень важная. Сегодня ее рассматривают на ИУ-6 – разрабатывают систему автоматического управления самолетом, которая будет способна быстро принимать решение по пилотированию в случае выхода нескольких параметров полета за предельно допустимые значения.
Другое направление исследований – это задачи компьютерного зрения. Типичный вариант решения задач распознавания – использование нейронных сетей. Однако у такого решения много недостатков. Во-первых, есть необходимость предварительного обучения на заранее определенной последовательности обучающей выборки, от которой, в свою очередь, зависит качество работы нейронной сети. Если она обучена распознавать лицо человека, то не сможет распознать машину. А научите распознать машину – не сможет распознать человека. Нейронная сеть предназначена для конкретных задач, и выйти за их рамки пока не получается.
– Использование графовых подходов гораздо глубже анализирует происходящее вокруг робота. Мы надеемся, что это у нас получится и станет прорывом в области компьютерного зрения, – говорит Попов. – Наши ученые занимаются проблемами, связанными и с движением роботов. Это целый класс задач алгоритмо-оптимального передвижения робота в пространстве с минимальными энергетическими затратами. Перспективы и здесь весьма интересные.
Будем здоровы
Leonhard может найти применение и в медицине. Очень интересную работу кафедра ИУ-6 ведет с Первым МГМУ им. И.М. Сеченова – прорабатывает проект, связанный с анализом больших данных в области онкологии, выявления моделей развития болезней, классификацией состояния пациента.
То же самое, что сказано про самолет, можно отнести и к больному. Надо построить сложную статистическую графовую модель развития болезни, в которую человек входит или, к сожалению, уже вошел, и определить тот путь, который даст ему наилучший выход из этого состояния – путь наиболее быстрый, или наиболее безболезненный, или позволяющий максимально продлить жизнь.
Эта работа на кафедре только-только начинается, но уже есть научная группа, которая активно трудится. Первый ее шаг – изучение статистики, связанной с онкологией. Без этого, уверен Алексей Юрьевич, движение вперед невозможно.
– Лекарство, помогающее одному, не обязательно поможет при другом виде болезни, или другим пациентам. Требуется учитывать массу данных, в том числе генетические отклонения в клетках пациента, генетику раковых клеток и много других факторов. В таких массовых заболеваниях необходимо опираться на статистику: на медицинские анализы, на ход течения болезни, на вхождения в стадии болезни, на историю лечения аналогичных случаев. Все это дает бесценную и, одновременно, колоссальную по объему информацию, обработка которой подвластна лишь новому процессору.
Каков он, этот чудо-микропроцессор?
Микропроцессор – это чип 2х2. Он изготавливается по технологии ПЛИС (программируемая логическая интегральная схема), что позволяет не обращаться на специализированный завод, а делать его непосредственно в МГТУ им. Н.Э. Баумана. Но, несмотря на это, микропроцессор работает со скоростью, превышающей имеющиеся российские микропроцессоры (например, Эльбрус 4С), и сравним по скорости с одним ядром Intel Core. Однако при этом бауманский процессор потребляет примерно в 30 раз меньше энергии.
– То, что сделали его сами, своими силами – отлично, – говорит Попов, – но частота его работы гораздо ниже, чем у изготовленных в заводских условиях.
у микропроцессоров Intel частота 3 ГГц
у нашего – 100 МГц, то есть в 30 раз меньше. При этом Leonhard работает с той же производительностью, что и Intel.
Это говорит о нашем отставании в области технологий и, одновременно, о нашем огромном превосходстве в микроархитектуре. В ней мы превосходим Intel и его аналоги в 30 раз. Стоит отметить, что превзойти «идейно» гораздо сложнее. А технологию мы подтянем.
Сказанное Алексеем Юрьевичем было подтверждено экспериментально. Для проверки устроили контрольный тест. Взяли большой граф с 200 тысячами вершин и заставили оба процессора искать кратчайший путь. Бауманский медленный процессор финишировал «ноздря в ноздрю» с прославленным, но уже морально устаревшим Intel Core.
– Если бы у нас были деньги, чтобы изготовить наш процессор в виде СБИС, то мы бы опередили все аналоги в 30 и более раз. Но и с ПЛИСом мы их точно обгоним – сейчас готовим новую версию процессора Leonhard 2.0, – говорит Попов.
То, о чем рассказал мне Алексей Попов, это только первая версия, этап доказательства справедливости и жизнеспособности идеи.
Следующий этап – наращивание производительности и получение прорывного варианта, в котором будет существенно повышена производительность, что позволит уверенно обогнать конкурентов.
Повторим: Leonhard – это не импортозамещение. Таких устройств ни у нас в стране, ни в мире просто не существует.
– Мы готовимся к тому, чтобы наше изделие активно продавать. Новая версия, думаю, будет более производительна и, благодаря этому, заметно превзойдет конкурентов. Но мы не будем торопиться. Плод срывать надо тогда, когда он созрел, то есть когда технология готова и полностью отработана.
Елена Емельянова
