סיקור מקיף

הטכנולוגיה הישראלית שמסייעת לנאס”א לחקור את ליקוי החמה

ראיון עם גלעד שיינר מחברת מלאנוקס הישראלית, על טכנולוגיית הקישוריות שלה שתסייע לנאס”א, וגופי מחקר אחרים בעולם, להעביר את כמות הנתונים העצומה שנאספה במהלך ליקוי החמה המלא בארצות הברית.

מכוני חקר אקלים וחלל מהמובילים בעולם, ביניהם גם נאס"א, ישתמשו בטכנולוגית הקישוריות של חברת מלאנוקס כדי להעביר את כמות הנתונים העצומה שתאסף במהלך ליקוי החמה המלא. צילום: Luc Viatour / Wikimedia.
מכוני חקר אקלים וחלל מהמובילים בעולם, ביניהם גם נאס”א, ישתמשו בטכנולוגית הקישוריות של חברת מלאנוקס כדי להעביר את כמות הנתונים העצומה שנאספה במהלך ליקוי החמה המלא. צילום: Luc Viatour / Wikimedia.

איזה סוגי נתונים נאס”א אוספת?

מדובר במידע שהוא בחזקת נאס”א ואיננו מוסמכים לדון בו בשמם. באופן כללי מדובר בנתונים שמטרתם לאפשר ללמוד עוד לגבי היקום וכיצד אירועים כמו ליקוי החמה הקרוב [הראיון נערך לפני הליקוי] משפיעים על כדור הארץ וסביבתו.

איזה מידע מיוחד הצליחו לגלות בזכות שיתוף הפעולה הזה?

כאמור, מדובר במידע בחזקת נאס”א ואין ביכולתנו לפרט בנושא.

כיצד אותם נתונים מנותחים?

הנתונים שנאס”א אוספת עוברים ניתוח במחשבי-על גדולים. מלאנוקס עובדת עם נאס”א מזה שנים רבות ומספקת את פתרונות הקישוריוּת בעלי הביצועים הגבוהים ביותר אל תוך מחשבי העל של נאס”א. באמצעות פתרונות קישוריות האינפיניבנד של מלאנוקס, נאס”א יכולה להעביר נתונים במהירויות גבוהות יותר ולנתח אותם מהר יותר. כך, מתאפשר לנאס”א להבין באופן מעמיק יותר את התופעות המתרחשות ברחבי היקום, לחקור את החלל באופן יעיל יותר,  ללמוד עוד על תופעות האקלים בעולמנו ואף לעצב חלליות טובות יותר.

מחשוב על- מה מצבו של התחום, מגמות, התפתחויות חשובות?

בעולם המחשוב עתיר הביצועים (או מחשוב על), ישנה דרישה קבועה ולעולם גוברת לביצועים טובים יותר. ספקי טכנולוגיה עבדו ללא לאות כדי לעמוד בקצב עם הביקוש, וסיפקו בכל דור חדש מערכות שהינן מהירות, אמינות ויעילות יותר. בעשרים שנה האחרונות ראינו עלייה של פי מיליון בביצועי מחשבי על, ושלוש מהפכות עיקריות בטכנולוגיות הבסיס שאיפשרו עלייה זו בביצועים.

המהפכה הראשונה התרחשה כאשר התעשייה עברה מארכיטקטורת עיבוד מקבילי סימטרי (SMP) לאשכולות מחשבים. שינוי זה ניצל רשתות מהירות כדי לבנות אשכולות מחשבים כדאיים באמצעות שימוש ברכיבי מדף הניתנים להרחבה לפי הצורך, ואשר יכולים לספק תשתית יותר חסכונית.

המהפכה השנייה התרחשה כאשר לא היה ניתן לשפר יותר את הביצועים על ידי הגברת תדירות המעבד. דבר זה הוביל למעבר ממעבדים בעלי ליבה אחת למעבדים מרובי ליבה, שהכפילו את הביצועים אבל דרשו קישוריוּת סקלאבילית בכדי להתמודד עם ריבוי המעבדים בתוך שרת יחיד.

המהפכה השלישית שהתרחשה לאחרונה במחשבי על (HPC) היתה המעבר מארכיטקטורות מרכזי נתונים ממוקדי-מעבדים לארכיטקטורה ממוקדת-נתונים. שינוי זה נדרש כדי לאפשר ניתוח מהיר יותר בזמן אמת של הכמות ההולכת וגדלה של הנתונים שאנו אוספים. התעשייה הכירה בכך שהמעבד מיצה את פוטנציאל הסקלאביליות שלו, וכיום היא מציעה רשת חכמה בתור מעבד-עזר (co-processor) חדש החולק באחריות הטיפול והאצת עומסי יישומים. באמצעות הטמעת אלגוריתמים מנתחי נתונים ברשת החכמה, ביכולתנו לשפר באופן דרמטי את ביצועי מרכזי הנתונים והיישומים.

פתרונות קישוריוּת חכמים מתבססים על ארכיטקטורה שביכולתה להעתיק את ביצוע כל פונקציות הרשת מהמעבד אל הרשת, ובכך לפנות מחזורי פעולה של המעבד שיאפשרו לו להתמקד יותר בחישובים, וכתוצאה מכך גוברת יעילות המערכת. בזכות מאמצים חדשים אלו, הקישוריות תכלול יותר ויותר אלגורתמי נתונים שינוהלו ויבוצעו בתוך הרשת, ויאפשרו למשתמשים להריץ אלגוריתמי נתונים על הנתונים בו בזמן שהם עוברים דרך קישוריוּת המערכת, במקום להמתין שהנתונים יגיעו עד למעבד. הדור החדש של קישוריוּת יספק מחשוב וזיכרון פנים-רשתיים (In-Network Computing and In-Network Memory), שהיא הגישה המובילה להשגת ביצועים וסקלאביליות עבור מערכות ברמת האקסה (Exascale).

כיצד טכנולוגיה וותיקה זו של מחשוב על הופכת להיות חיונית לנושא ניתוח נתונים בזמן אמת? כיצד התאימו אותה לדרישות העידן הנוכחי?

זו איננה טכנולוגיה וותיקה. טכנולוגיית מחשוב העל מתפתחת בקצב מהיר בכדי לעמוד בדרישות הלעולם גוברות לביצועים וסלאביליות גבוהים יותר. היכולות החדשות לניתוח נתונים בכל מקום, מאפשרות למרכזי הנתונים החדשים הממוּקדים בנתונים להתמודד עם הכמויות הצומחות של נתונים ולעבדם באופן מהיר ויעיל יותר. רעיון חדשני זה משפיע לא רק על עיצוב מערכות מחשבי העל, אלא גם על מרכזי נתונים ואפילו על האינטרנט של הדברים (IoT).

חשיבות התחום ל-IOT

באשר לאינטרנט של הדברים, בעבר אנשים חשבו על איסוף ושליחת כל הנתונים למרכזי הנתונים, אך מאוחר יותר התברר להם כי הדבר אינו אפשרי ורעיון ה Fog נולד, שהינו זהה בבסיסו לארכיטקטורה ממוקדת נתונים: להביא יותר מחשוב למקום שבו נמצאים הנתונים, ולהיות מסוגלים לנתח נתונים בכל מקום.

מדוע חיונית מהירות המעבד לעיבוד נתונים בזמן אמת?

מהירות המעבדים נותרה סטטית מזה שנים, מה שבפועל הניע את המעבר לעידן המעבדים מרובי הליבה. אלמנט חיוני בניתוח נתונים בזמן אמת הוא למעשה הבאת הנתונים לכמות עצומה של מעבדים, והיכולת לנתחם בכל מקום, כולל בתוך הקישוריוּת. הרשת הפכה למחשב.

האם אתם עובדים עם מכוני מחקר נוספים?

מלאנוקס עובדת עם מרכזי מחשבי על רבים בכל רחבי העולם, כאשר היא עוזרת להם לערוך מחקר ופיתוח פתרונות חדשים בתחומי האקלים, ביו-מדעים, חקר האנרגיה, בטחון לאומי ועוד.

עוד באתר הידען על ליקוי החמה המלא 2017:

כתיבת תגובה

האימייל לא יוצג באתר. שדות החובה מסומנים *

אתר זה עושה שימוש באקיזמט למניעת הודעות זבל. לחצו כאן כדי ללמוד איך נתוני התגובה שלכם מעובדים.