En un edificio discreto de la Base de la Fuerza Aérea Kirtland, en el desierto de Nuevo México, supercomputadoras refrigeradas por líquido procesan con un zumbido constante algunos de los problemas matemáticos más complejos que el gobierno estadounidense busca resolver: simular cómo se desplazarían las armas nucleares hipersónicas a través de la atmósfera terrestre o qué sucedería si una ojiva nuclear detonara cerca de otra.
Durante más de una década, los chips que manejaban este trabajo secreto y exigente provenían de empresas de semiconductores convencionales como Nvidia o Advanced Micro Devices (AMD).
Pero con estas empresas diseñando cada vez más sus chips para inteligencia artificial y enfrentando escasez de suministro, los gerentes a cargo de los sistemas en los Laboratorios Nacionales Sandia, que operan las máquinas en Kirtland y son uno de los tres laboratorios estadounidenses encargados del desarrollo y mantenimiento del arsenal de armas nucleares del país, tienen cada vez más dudas sobre cómo obtendrán la potencia de cálculo necesaria para trabajos científicos de alta precisión como el suyo.
“La presión que sentimos ahora mismo se centra en el ámbito de la computación y también en la cadena de suministro”, declaró Steve Monk, director del equipo de computación de alto rendimiento de Sandia, explicando la dificultad de conseguir chips que satisfagan sus necesidades. “De cara al futuro, resulta algo estresante en cuanto a nuestra capacidad para cumplir con la misión”.
Te recomendamos: Japón desarrollará una nueva supercomputadora dirigida a avanzar en la IA
Nuevos competidores en el mercado de chips
La difícil situación del laboratorio demuestra cómo la carrera por mejores chips de IA está teniendo la consecuencia no deseada de abrir mercados que antes dominaban las grandes empresas a actores más pequeños como NextSilicon, una startup israelí cuyos chips están siendo probados por un programa de Sandia.
También pone de manifiesto el papel que desempeña Sandia, que colaboró extensamente con Nvidia durante el ascenso de esta última en el campo de la supercomputación y que aún colabora con Nvidia en nuevas tecnologías de memoria, en la incubación y el desarrollo de nuevas tecnologías informáticas.
Una de las principales preocupaciones de los responsables de Sandia es la computación de punto flotante de doble precisión, un término técnico que describe la capacidad de calcular números muy grandes y muy pequeños sin perder precisión debido a errores de redondeo. Durante años, Nvidia y AMD buscaron liderar la aceleración de este tipo de computación, consiguiendo contratos de supercomputación con universidades y laboratorios gubernamentales.
Sin embargo, el trabajo con IA no se beneficia de la computación de doble precisión de la misma manera que la simulación de problemas de física. Si bien AMD está lanzando una versión de sus chips orientada a la computación científica, el rendimiento de doble precisión de los próximos chips Rubin de Nvidia disminuyó en algunos aspectos, lo que preocupa a muchos científicos de la industria de la computación de alto rendimiento, de acuerdo con Ian Cutress, analista jefe de More Than Moore, una consultora de chips.
Daniel Ernst, director sénior de productos de supercomputación en Nvidia, afirmó que la compañía mantiene su compromiso con la computación científica, con el objetivo de crear un chip equilibrado que pueda ejecutar aplicaciones científicas reales junto con el trabajo con IA.
Sin embargo, la evolución del mercado de chips ha llevado a los responsables de Sandia a probar productos de recién llegados como NextSilicon, cuyo chip utiliza un enfoque informático completamente diferente al de las unidades de procesamiento gráfico (GPU) o las unidades centrales de procesamiento (CPU) de Nvidia y AMD.
Con información de Reuters
Inspírate, descubre y comparte. ¡Síguenos y encuentra lo que buscas en nuestro Instagram!
