GIGABYTE Demonstrasikan AI TOP ATOM Cluster Empat Node untuk Komputasi AI dan Scientific Computing
GIGABYTE mendemonstrasikan kemampuan terbaru dari AI TOP ATOM melalui konfigurasi cluster empat node yang dirancang untuk menangani beban kerja AI dan komputasi ilmiah (scientific computing) berskala besar. Solusi ini ditujukan bagi organisasi yang membutuhkan kapasitas memori dan komputasi lebih tinggi tanpa harus memindahkan data ke cloud.
Dengan menghubungkan beberapa node menjadi satu klaster, AI TOP ATOM memungkinkan pemrosesan model AI, simulasi ilmiah, hingga aplikasi enterprise yang sebelumnya sulit dijalankan pada satu sistem standalone.
Mengatasi Keterbatasan Sistem Tunggal
Seiring berkembangnya model AI dan simulasi ilmiah yang semakin kompleks, kebutuhan akan kapasitas memori dan performa komputasi terus meningkat.
Menurut GIGABYTE, sistem standalone mulai menghadapi keterbatasan ketika harus menjalankan workload yang membutuhkan memori sangat besar. AI TOP ATOM Cluster hadir sebagai solusi dengan menghubungkan beberapa node menjadi satu kesatuan sehingga kapasitas komputasi dapat ditingkatkan tanpa mengorbankan keamanan data.
Karena seluruh pemrosesan dilakukan secara lokal (on-premises), organisasi tetap memiliki kendali penuh terhadap data sensitif tanpa harus bergantung pada layanan cloud.
Setiap Node Tawarkan 1 PFLOPS Performa AI
Setiap unit AI TOP ATOM menawarkan spesifikasi yang cukup impresif, yaitu:
- Performa AI hingga 1 PFLOPS FP4
- 128 GB Unified Memory
Keempat node dihubungkan menggunakan switch 200GbE yang mendukung RoCE (RDMA over Converged Ethernet) sehingga komunikasi antar node dapat berlangsung dengan latensi rendah dan bandwidth tinggi.
Dengan konfigurasi tersebut, total kapasitas memori dapat ditingkatkan secara signifikan untuk menangani model AI maupun simulasi ilmiah yang lebih besar dibandingkan sistem tunggal.
Arsitektur Modular yang Mudah Dikembangkan
GIGABYTE mengusung desain modular pada AI TOP ATOM sehingga pengguna dapat memulai dari satu node terlebih dahulu, kemudian memperluasnya menjadi dua, tiga, hingga empat node sesuai kebutuhan.
Pendekatan ini memberikan fleksibilitas bagi perusahaan maupun institusi riset untuk meningkatkan kapasitas komputasi secara bertahap tanpa harus mengganti seluruh infrastruktur.
Kolaborasi dengan NVIDIA untuk Scientific Computing
Dalam demonstrasinya, GIGABYTE bekerja sama dengan NVIDIA untuk memperlihatkan workflow scientific computing berbasis AI.
Sistem memanfaatkan beberapa teknologi NVIDIA, antara lain:
- NVIDIA NemoClaw Blueprint
- NVIDIA Nemotron-3-Nano-30B-NVFP4
Model AI tersebut digunakan untuk membantu menghasilkan hipotesis penelitian sebelum menjalankan simulasi menggunakan GROMACS, salah satu software molecular dynamics yang banyak digunakan dalam penelitian ilmiah.
Workflow ini memperlihatkan bagaimana AI dapat dipadukan dengan simulasi ilmiah dalam satu lingkungan komputasi terintegrasi.
Simulasi Hingga Lebih dari 30 Juta Atom
Sebagai contoh implementasi, GIGABYTE menggunakan AI TOP ATOM Cluster untuk penelitian Thermal Interface Material (TIM) yang digunakan pada proses packaging semikonduktor modern.
Beban kerja semacam ini membutuhkan simulasi molecular dynamics dalam skala yang sangat besar.
Menurut GIGABYTE:
- Sistem standalone umumnya hanya mampu menangani simulasi sekitar 10 juta atom
- Konfigurasi empat node AI TOP ATOM mampu meningkatkan kapasitas simulasi menjadi lebih dari 30 juta atom
Peningkatan tersebut membuka peluang bagi penelitian material generasi berikutnya yang membutuhkan simulasi jauh lebih kompleks.
Tidak Hanya untuk AI
Melalui demonstrasi ini, GIGABYTE ingin menunjukkan bahwa AI TOP ATOM tidak hanya cocok digunakan untuk pelatihan maupun inferensi AI.
Dengan kemampuan clustering, platform ini juga dapat dimanfaatkan untuk berbagai kebutuhan lain seperti:
- Scientific Computing
- Simulasi molekuler
- Penelitian material
- Enterprise AI
- High Performance Computing (HPC)
Pendekatan tersebut menjadikan AI TOP ATOM sebagai solusi komputasi lokal yang dapat berkembang mengikuti kebutuhan organisasi.
Sumber: GIGABYTE
