Москва, 6 июля 2021 г. — Институт физики атмосферы им. А.М. Обухова Российской академии наук (ИФА им. А.М. Обухова РАН) ввел в эксплуатацию суперкомпьютерный комплекс «РСК микроЦОД» на базе высокоплотной и энергоэффективной архитектуры «РСК Торнадо», созданный и установленный специалистами российской группы компаний РСК. ИФА им. А.М. Обухова РАН – один из ведущих в мире научных центров в области наук об атмосфере и климате, использующий современные экспериментальные, теоретические и численные методы исследования.
Сотрудники института будут решать на «РСК микроЦОД» задачи моделирования процессов динамики атмосферы, климата, переноса загрязнений, а также интенсивно использовать вычислительную систему в рамках новой Лаборатории предсказуемости климата для разработки улучшенных методов суб-сезонного (2 недели — месяц), сезонного (несколько месяцев) и климатического декадного прогноза (10-30 лет) на основе численного моделирования с использованием моделей общей циркуляции атмосферы, океана и морского льда.
Предсказуемость климата в Северной Евразии: от механизмов региональной изменчивости к улучшению качества прогноза
Основная цель проекта – повысить точность региональных климатических прогнозов, в том числе прогнозов экстремальных погодно-климатических явлений, в средних широтах на основе разработки и применения новых подходов для оценки предсказуемости. Исследования в рамках проекта прежде всего будут направлены на изучение климатических процессов в Северной Евразии на временных масштабах от нескольких недель до столетия. Для повышения точности климатического прогноза будут использованы наилучшие на сегодняшний день методики ансамблевых расчетов с использованием глобальных и региональных климатических моделей в сочетании с анализом современных баз данных наблюдений, передовыми эмпирическими подходами и методами машинного обучения.
Достижение указанной цели подразумевает решение конкретных научных задач, состоящих из двух основных направлений:
1) разработки теоретической основы для понимания предсказуемости климата, основанной на разделении климатической изменчивости на детерминированное и вероятностное слагаемые;
2) применение этого подхода для повышения точности и надежности численного прогноза климата и экстремальных климатических явлений в Северной Евразии на временном масштабе от нескольких недель до столетия с использованием современных моделей климата.
Среди стоящих перед ИФА им. А.М. Обухова РАН научных задач:
1. Количественная оценка вклада быстрой (атмосферной) и медленной (климатической) компонент в изменчивость климата Северной Евразии на масштабах времени от нескольких недель до столетий. Быстрая атмосферная компонента (в т.ч. погодные режимы, блокирующие события) будет оцениваться с помощью аналогового и кластерного анализа, а также методов машинного обучения на основе данных наблюдений и экспериментов с климатическими моделями. Медленная климатическая компонента (например, изменения структуры аномалий температуры океана) будут оцениваться как остаточная изменчивость после исключения изменчивости, связанной с быстрой динамикой атмосферной компоненты. При таком методологическом подходе быстрая и медленная компоненты представляют собой вероятностно и детерминированно предсказуемые компоненты.
2. Определение источников предсказуемости климата Северной Евразии на разных временных масштабах (от недель до столетий) на основе количественной оценки воздействия медленной климатической компоненты и внешнего радиационного воздействия на быструю и медленную динамику атмосферы. Данная задача будет включать анализ взаимодействия атмосферы с океаном во внетропических широтах, морским льдом и земной поверхностью, а также исследование дальних связей в атмосфере. Будут использованы лучшие на сегодняшний день данные наблюдений для оценки влияния разрешения моделей и параметризации физических процессов на предсказуемость климата Северной Евразии в целом и экстремальных погодно-климатических событий в частности.
3. Повышение качества и достоверности прогнозов климата Северной Евразии на разных временных масштабах (от недель до столетий) на основе статистической и динамической настройки моделей, основанной на результатах предлагаемого в задачах 1 и 2 теоретического подхода. Статистические поправки на неверное воспроизведение источников предсказуемости будут использоваться для перенастройки вероятностного прогноза быстрой (атмосферной) компоненты и детерминированного прогноза медленной (климатической) компоненты. Далее, для более точных детерминированных прогнозов будут применяться новые методы интерактивного модельного ансамбля. Будут использоваться доступные мульти-модельные прогнозы из глобальных центров оперативного прогноза и моделирования, а также передовые системы прогнозирования из Норвегии и России.
4. Улучшение способности прогнозирования рисков экстремальных гидрометеорологических явлений в Северной Евразии на суб-сезонном временном масштабе и создание более точных сценариев изменений частоты и интенсивности экстремальных климатических явлений в ближайшие десятилетия. Проект будет сфокусирован на предсказуемости и будущих изменениях характеристик экстремальных погодно-климатических явлений, наносящих наибольший ущерб (таких как экстремальные волны жары, экстремальные осадки, шквалы) с использованием фундаментального подхода (цели 1 и 2) и улучшенных сезонных и климатических прогнозов (цель 3). Для этого, в том числе, будет проведен ряд специализированных расчетов с глобальными и региональными атмосферными моделями для выявления источников предсказуемости экстремальных явлений, что будет способствовать улучшению системы оперативного прогнозирования.
Для достижения заявленных в проекте целей в Институте физики атмосферы им. А.М. Обухова Российской академии наук создается новая Лаборатория предсказуемости климата (ЛПК), которой будет руководить профессор Ноэл Кинлисайд, ведущий мировой эксперт в области предсказуемости климата. Эта Лаборатория объединит ведущих ученых-климатологов из ИФА им. А.М. Обухова РАН, Института океанологии РАН им. П.П. Ширшова (ИО РАН) и Института вычислительной математики им. Г.И. Марчука РАН (ИВМ РАН). Объединение знаний и опыта ведущих специалистов в области моделирования климата, исследования атмосферы и океана позволит комплексно подойти к проблеме предсказуемости климата. Участие в работе Лаборатории предсказуемости климата ведущих ученых из Гидрометцентра России будет способствовать практическому внедрению ожидаемых фундаментальных результатов.
Решение «РСК микроЦОД» в ИФА им. А.М. Обухова РАН
«РСК микроЦОД» – быстро завоевывающее популярность решение, представляющее собой сверхкомпактный, энергоэффективный и полностью готовый к работе центр обработки данных в одной стойке, устанавливаемый в любые, практически неподготовленные, помещения. Это решение было выбрано ИФА им. А.М. Обухова РАН вследствие существующих ограничений для серверных помещений и лимита на подведенное электропитание. При необходимости этот программно-аппаратный комплекс позволяет при нехватке вычислительной мощности запускать решаемые задачи во внешних суперкомпьютерных центрах.
Такой ЦОД состоит из поля вычислительных узлов «РСК Торнадо» со 100% жидкостным охлаждением, возможных компонентов с воздушным охлаждением и всей инфраструктуры системы охлаждения, размещенных в одном шкафу. Это решение может масштабироваться от нескольких до 32-х или 51-го узла, работающих под управлением системы управления и мониторинга на базе интегрированного программного стека «РСК БазИС».
«РСК микроЦОД» в ИФА им. А.М. Обухова РАН построен на базе 7-и вычислительных узлов с серверными процессорами AMD EPYC™ 7742.
Универсальное высокоплотное и энергоэффективное решение «РСК Торнадо»
Специалистами РСК накоплен уникальный опыт разработки, создания и эксплуатации высокоплотных и энергоэффективных суперкомпьютерных комплексов, де-факто компания является мировым технологическим лидером в этой области.
Решение «РСК Торнадо» обладает передовыми показателями компактности и вычислительной плотности (до 153 узлов в одном стандартном шкафу 42U), высоким уровнем энергоэффективности, а также обеспечивает возможность стабильной работы вычислительных узлов в режиме «горячая вода» при температуре хладоносителя до +65 °С на входе в вычислительные узлы и коммутаторы. Работа в режиме «горячая вода» для данного решения позволяет применить круглогодичный режим free cooling (24x365), используя только сухие градирни, работающие при температуре окружающего воздуха до +50 °С, что, в свою очередь, позволяет полностью избавиться от чиллеров. В результате среднегодовой показатель PUE системы, отражающий уровень эффективности использования электроэнергии, составляет менее чем 1,04, что является одним из лучших для HPC-индустрии.
Высокая доступность, отказоустойчивость и простота использования вычислительных систем, созданных на базе решений РСК для высокопроизводительных вычислений, также обеспечиваются благодаря передовой системе управления и мониторинга на базе интегрированного программного стека «РСК БазИС». Эта система является открытой и легко расширяемой платформой, созданной на основе ПО с открытым исходным кодом и микроагентной архитектуры.
Она позволяет осуществлять управление как центром обработки данных в целом, так и отдельными его элементами, такими как: вычислительные узлы, коммутаторы, инфраструктурные компоненты, задачи и процессы. Все элементы комплекса (вычислительные узлы, блоки питания, модули гидрорегулирования и др.) имеют встроенный модуль управления, что обеспечивает широкие возможности для детальной телеметрии и гибкого управления. Конструктив шкафа позволяет заменять вычислительные узлы, блоки питания и модули гидрорегулирования (при условии применения резервирования) в режиме горячей замены без прерывания работоспособности комплекса. Большинство компонентов системы (таких, как вычислительные узлы, блоки питания, сетевые и инфраструктурные компоненты и т.д.) являются программно-определяемыми, что позволяет существенно упростить и ускорить как начальное развертывание, так и обслуживание, и последующую модернизацию системы. Жидкостное охлаждение всех компонентов обеспечивает длительный срок их службы.
В составе «РСК БазИС» имеются функциональные возможности по мониторингу и управлению территориально распределенными центрами обработки данных.
