Exascale Superrechner kommt nach Jülich, Forschungszentrum als Partner im deutschen Gauss Centre for Supercomputing ausgewählt

Jülich, 15. Juni 2022

Das Forschungszentrum Jülich wird Partner im deutschen #Gauss #Centre for #Supercomputing und betreibt künftig den ersten europäischen #Supercomputer der nächsten #Generation. Der Exascale Rechner namans »Jupiter« soll die Grenze von einer Trillion Rechenoperationen pro Sekunde brechen. Beschafft werden soll das System von der europäischen Supercomputing Initiative »EuroHPC JU«.

500 Millionen Euro teuer

Die Gesamtkosten für das System belaufen sich auf 500 Millionen Euro. 250 Millionen Euro werden von der »EuroHPC JU« und 250 Millionen Euro zu gleichen Teilen vom Bundesministerium für Bildung und Forschung sowie dem Ministerium für Kultur und Wissenschaft des Landes #Nordrhein #Westfalen getragen. Ab 2023 wird der Rechner in einem eigens dafür errichteten Gebäude auf dem #Campus des #Forschungszentrums Jülich installiert, heißt es.

Der Superrechner wird von der Rechenleistung her stärker sein als 5 Millionen moderne Notebooks oder PCs. Jupiter wird wie der aktuelle Jülicher Spitzenrechner Juwels auf einer dynamischen modularen Supercomputer Architektur basieren, die das Forschungszentrum Jülich gemeinsam mit europäischen und internationalen Partnern in den europäischen »Deep« Forschungsprojekten entwickelt hat.

Klima und Quanten

Bei einem modularen Superrechner werden unterschiedliche Rechenmodule miteinander gekoppelt. Dies ermöglicht es, Programmteile komplexer Simulationen auf mehrere Module zu verteilen, sodass die jeweils unterschiedlichen #Hardware Eigenschaften optimal zum Tragen kommen. Aufgrund der Bauweise ist das System zudem gut darauf vorbereitet, #Zukunftstechnologien wie Quantencomputer Module oder neuromorphe Module, die die Funktionsweise des Gehirns nachbilden, zu integrieren.

Jupiter wird in seiner Ausgangskonfiguration über ein Booster Modul mit hocheffizienten Grafikprozessor basierten Rechenbeschleunigern verfügen. Massiv parallele Anwendungen lassen sich dadurch ähnlich wie durch einen Turbolader beschleunigen – beispielsweise, um hochaufgelöste #Klimamodelle zu berechnen, neue Materialien zu entwickeln, komplexe Zellprozesse und Energiesysteme zu simulieren, Grundlagenforschung voranzutreiben oder rechenintensive Machine Learning Algorithmen der neuesten #Generation zu trainieren.