در یک اقدام نوآورانه و بی‌سابقه، نیروی هوایی ایالات متحده آمریکا در سال ۲۰۱۰ موفق شد با استفاده از ۱۷۶۰ دستگاه کنسول بازی پلی‌استیشن ۳ (PlayStation 3)، یک ابررایانه پیشرفته و بسیار قدرتمند را با کسری از هزینه‌های معمول بسازد. این پروژه که Condor Cluster نام گرفت، نه تنها از نظر فنی دستاوردی چشمگیر محسوب می‌شد، بلکه رویکردی جدید در استفاده از فناوری‌های مصرفی برای کاربردهای نظامی و علمی را به نمایش گذاشت. این ابررایانه در زمان خود به عنوان سی و سومین ابررایانه برتر جهان شناخته شد و قابلیت‌های بی‌نظیری در پردازش داده‌ها ارائه داد.
ابررایانه Condor Cluster: تولد یک غول از دل کنسول‌های بازی
آزمایشگاه تحقیقاتی نیروی هوایی آمریکا (AFRL) با هدف توسعه قابلیت‌های محاسباتی خود، به جای روی آوردن به سیستم‌های سنتی و بسیار گران‌قیمت، راهکاری خلاقانه را در پیش گرفت. آن‌ها با جمع‌آوری ۱۷۶۰ دستگاه کنسول پلی‌استیشن ۳، اقدام به ساخت یک ابررایانه خوشه‌ای در شهر رم ایالت نیویورک کردند. این سیستم که "کندر کلاستر" نام گرفت، نشان داد که چگونه سخت‌افزارهای تجاری و در دسترس عموم می‌توانند به شکلی مهندسی‌شده، برای مقاصد پیشرفته و استراتژیک مورد استفاده قرار گیرند. این ابتکار به سرعت در محافل علمی و فناوری جهان بازتاب گسترده‌ای یافت و نام آن را به عنوان یک موفقیت مهندسی در تاریخ ثبت کرد.
چرا پلی‌استیشن ۳ برای ساخت این ابررایانه انتخاب شد؟
انتخاب پلی‌استیشن ۳ به عنوان بلوک سازنده این ابررایانه، تصادفی نبود. این کنسول بازی به دلیل ویژگی‌های منحصربه‌فردش، گزینه‌ای ایده‌آل برای این پروژه محسوب می‌شد:
قدرت پردازش گرافیکی بالا (GPU): پلی‌استیشن ۳ دارای پردازنده Cell Broadband Engine بود که برای عملیات‌های ممیز شناور (Floating-point operations) بهینه شده بود و توان پردازشی بالایی داشت. این قابلیت برای پردازش موازی در ابررایانه‌ها حیاتی است.
قیمت مناسب: در مقایسه با قطعات تخصصی سرور و ابررایانه که هر واحد آن می‌توانست بیش از ۱۰ هزار دلار هزینه داشته باشد، هر دستگاه پلی‌استیشن ۳ تنها حدود ۴۰۰ دلار قیمت داشت، که به کاهش چشمگیر هزینه‌های پروژه کمک شایانی کرد.
قابلیت اجرای لینوکس: در آن زمان، پلی‌استیشن ۳ امکان نصب سیستم‌عامل لینوکس را فراهم می‌کرد که این ویژگی به محققان اجازه می‌داد تا نرم‌افزارهای مورد نیاز برای پردازش‌های علمی و نظامی را روی آن اجرا کنند. هرچند بعدها این قابلیت توسط سونی حذف شد، اما نقش مهمی در فاز اولیه پروژه ایفا کرد.
توان پردازشی و کاربردهای استراتژیک ابررایانه پلی‌استیشن ۳
ابررایانه کندر کلاستر با ۱۶۸ واحد پردازنده گرافیکی (GPU) و ۸۴ سرور هماهنگ‌کننده، توانایی انجام ۵۰۰ تریلیون عملیات ممیز شناور در ثانیه (۵۰۰ TFLOPS) را داشت. واحد TFLOPS (TeraFLOPs) معیاری برای سنجش سرعت پردازش در ابررایانه‌ها است و نشان‌دهنده تعداد تریلیون‌ها عملیات ممیز شناور در ثانیه است. این قدرت پردازشی عظیم، کندر کلاستر را قادر ساخت تا در زمینه‌های استراتژیک متعددی مورد استفاده قرار گیرد:
تحلیل تصاویر ماهواره‌ای: پردازش و تحلیل حجم عظیمی از داده‌های تصویری ماهواره‌ای برای شناسایی الگوها و اطلاعات حیاتی.
ارتقاء سیستم‌های راداری: بهبود دقت و کارایی سیستم‌های راداری از طریق پردازش سریع‌تر سیگنال‌ها.
تحقیقات هوش مصنوعی: انجام محاسبات سنگین مورد نیاز برای توسعه و آزمایش الگوریتم‌های هوش مصنوعی، که در آن زمان کاربرد GPUها در این زمینه به گستردگی امروز نبود.
میراث Condor Cluster: تحولی در ساخت ابررایانه‌ها با فناوری‌های مصرفی
پروژه کندر کلاستر نه تنها یک ابررایانه عملیاتی را با بودجه‌ای محدود فراهم کرد، بلکه پیام مهمی را به جامعه علمی و فناوری منتقل کرد: فناوری‌های مصرفی، در صورت استفاده خلاقانه، پتانسیل‌های عظیمی برای کاربردهای فراتر از آنچه در ابتدا در نظر گرفته شده‌اند، دارند. پیش از این، پروفسور کاوراو خانا از دانشگاه ماساچوست دارتموث نیز با ۲۰۰ دستگاه پلی‌استیشن ۳، سیستمی برای شبیه‌سازی‌های اخترفیزیکی ساخته بود که مؤید این ایده بود.
این تجربیات، مسیری را برای استفاده از پردازنده‌های گرافیکی (GPU) در محاسبات سنگین هموار کرد و اهمیت آن‌ها را در دوران پیش از گسترش همه‌جانبه هوش مصنوعی و یادگیری ماشین برجسته ساخت. Condor Cluster به نمادی از نوآوری و بهره‌وری در زمینه ساخت ابررایانه‌ها تبدیل شد و نشان داد که با نگاهی متفاوت به منابع موجود، می‌توان به دستاوردهای بزرگی دست یافت. این رویکرد، در نهایت به توسعه پلتفرم‌های محاسباتی جدید و مقرون‌به‌صرفه با بهره‌گیری از GPUها منجر شد که امروزه در بسیاری از حوزه‌های علمی و صنعتی کاربرد دارند.
مطالب مرتبط
- توشیبا با آزمایش موفق HDD دوازده‌دیسکه مسیر دستیابی به هارد ۴۰ ترابایتی را هموار کرد
- کمپ‌های روباتی چین؛ پایلوت روبات‌های انسان‌نما در فضاهای واقعی
- اسپیکر PlayStation Pulse Elevate برای دسکتاپ در ۲۰۲۶ عرضه می‌شود
- چرا دموی عینک‌های هوشمند متا در Meta Connect شکست خورد؟
من فارغ‌التحصیل رشته مهندسی نرم‌افزار هستم و از همان دوران دانشگاه به دنیای تکنولوژی و تحولات آن علاقه‌مند بودم. فعالیت حرفه‌ای خودم را از سال ۱۳۹۶ با نوشتن مقالات تحلیلی درباره هوش مصنوعی و برنامه‌نویسی در یک وبلاگ شخصی آغاز کردم. پس از کسب تجربه، به عنوان نویسنده و تحلیل‌گر با مجلات و وب‌سایت‌های مختلف تکنولوژی همکاری کردم و اکنون به عنوان دبیر سرویس فناوری‌های نوظهور در یک مجله معتبر تکنولوژی فعالیت می‌کنم. تلاش من این است که آخرین پیشرفت‌ها و دستاوردهای این حوزه را به زبانی ساده و کاربردی برای مخاطبان ارائه دهم.
