尖端建模的超大规模计算

关键的外卖

• 超大规模计算及其与数字革命的关系。
• 为什么自动化和其他尖端模型需要超大规模的计算。
• 云计算作为超规模化的经济模型。

超大规模计算将同一网络中的多个工作站连接起来，以增强系统的总体处理能力。

阿尔伯特·爱因斯坦在回复一个年轻学生的信中有一句名言:“不要担心你在数学上的困难;我可以向你保证，我的更伟大。”虽然这句话引起了某种程度的哲学思考，但爱因斯坦实际上是在拿数学家所面临的工作的现实开玩笑。虽然这是一句愚蠢而即兴的评论，但这句话背后的思想在现代计算科学中仍然有份量。虽然设备变得更快、更强大，但人们对它们的期望却急剧增加。这是意料之中的:技术反馈的一部分是开发硬件来分析和构建那些过去在计算上不可测试的东西。

尽管如此，现代计算模型可以迅速压倒即使是最强大的工作站，但其中许多模型对于推动技术向前发展的前沿设计的开发是必要的。超大规模计算着眼于将系统内的计算能力公社化，系统地组合多台机器的资源，以解决最紧迫的设计问题。

超级规模计算的背景和介绍

20世纪的数字革命颠覆了无数传统的商业模式和服务，劳动力围绕计算机化系统(硬件、软件等)的设计而出现，企业现在仅通过新的界面进行运营。原因很明显:计算机可以准确无误地执行微小和重复的任务，使它们达到业务设置的底线。当然，这涵盖了世界上所有的行业，但是起草(及其后来的首字母缩写ECAD)代表了本博客读者的一个特殊兴趣点。

不断增长的技术进步使设计师在数字空间中获得了新的复杂性，以便更好地规划和开发用于制造的电路板。在过去的大半个世纪里，随着技术限制的慢慢突破，速度、内存大小和其他关键计算元素的持续和可预测的增长导致了新的软件功能，这是摩尔定律的普遍现象。

然而，这一进展速度近年来有所放缓。罪魁祸首:不断缩小的模具似乎与具体的物理现实擦肩而过。尽管过去和现在的发展仍在继续，但提高效率变得越来越具有挑战性。尽管如此，数学和其他相关学科并不直接依赖于技术突破来推动该领域的创新，它们仍在不断前进。技术上的可实现和抽象上的合理之间的结果产生了一道鸿沟，可能要到下一次技术革命才能完全克服。

虽然这似乎暂时是失败的，但好消息是设计团队已经利用当今的技术形成了一种变通办法。超大规模计算的理念是，某些涉及的流程在今天的架构下可能是不切实际的，相反，使用多个工作站或服务器的组合能力可以解决难题。超扩展概念的优势在于，它可以利用现有硬件进行协作式数字运算。共享资源还允许将进程分解为更基本的版本，使合并后的系统在速度和方法数量上有很大的提高。

超大规模计算可以应用于任何计算密集型问题，但最常用于以下应用:

• 数据网络，特别是与大型系统相关或需要对物联网捕获数据进行大量分析的数据网络。的数据的规模之大足以压倒较小的系统，但超伸缩性可以保持核心功能不变，而不会牺牲数据导航的速度。
• 集群文件系统在某种程度上是超伸缩性的逆转:后者试图解决超出其能力的问题，CFS通过在网络上存储和构建数据而不是在本地计算机中创建一个大型计算机。
• 云计算，对于单个系统来说过于复杂的问题，利用分散网络的综合能力和存储来解决。

自动化是进步的关键

在产品开发生命周期中，自动化已被证明是在生产速度和准确性方面达到新里程碑的关键。技术迅速地增强或彻底地改变了劳动实践，以至于没有它现代工业就不可能存在。虽然机器和工艺总是在不断发展以提高效率，但这一点上的大部分焦点都集中在制造的后期有形阶段，而不是更抽象的设计步骤。毕竟，简化定义良好的过程是很容易的，当要完成的工作本质上完全是概念性的时候就不那么容易了。

最近，自动化的范围已经扩大．曾经被认为过于基础而无法进入自动化设计领域的技术，在很短的时间内就取得了显著的进步。更强大、更丰富、更便宜的计算技术已经开始打开设计自动化的大门:

• 效率-效率构成了自动化的基础，在设计步骤方面也没有什么不同。电路板可以更有效地利用空间和电源进行优化，并以远远超过人类的速度快速迭代设计新的可行分叉。自主软件可以与设计师的常规工作流程并行运行，作为探索或增加的评估工作。
• 灵活性-训练有素的学习模型不需要持续的监督，因此它可以与人类设计师协同工作，也可以完全分开，这取决于不同的项目需求。
• 错误检测学习模型和自动化还处于起步阶段，无法完全消除设计师作为监督者的角色，但仍有空间将设计规则等系统发展成更具预测性而不是反应性的方法。

自动化的使用需要强大的计算能力来充分利用其算法。不同的学习格式和模型在已知数据采样的预备阶段或模型的主动决策部分可能需要或多或少的资源。在任何一种情况下，系统的综合努力越强大，当前算法在研究和作用的最终结果就越好明智的选择．

设计自动化将成为产品开发的下一个重大革命，但目前有一些重大因素抑制了该领域的发展。随着数据科学不断创新自主学习的新过程，神经网络等算法仍在进行中，但一个隐藏的基础设施元素被忽视了。自主设计需要强大的计算能力来解决复杂的数学模式，而公司可能没有足够的原始资源或能力来投入大量的硬件，以使自主建模超越人类用户。升级或直接购买新硬件的成本和空间可能令人望而却步，特别是对于中小型公司。为了解锁自动化和其他强大的工具，一种新的范式可能是有用的。

随着计算能力的提高，设计自动化变得更容易实现。

云计算对主动扩展的好处

在讨论了设计过程中的自动化之后，焦点必须回到这种系统的物流上。向系统添加计算能力并不复杂，但是可变和可伸缩的计算就有点棘手了。计算机能力在单一意义上是二元的——简单地说就是选择使用或忽略现有技术。静态模型可以满足一系列操作的特定设计，但是如果没有一个更全面的框架，开发的灵活性就会受到阻碍。传统的扩展方法包括购买具有固定永久级别的新硬件，减去软件方面的微小调整。

云计算的目标是解决购买物理硬件升级的标准实践中固有的许多标准问题。

• 虚拟存储-大多数人对云计算的印象可能很简单用于文件存储的在线备份，这是一个有用的功能，但这也可以通过硬件来看待。简单地说，高级自动化和其他工具需要使用可伸缩的网络来积极地解决问题现实世界的基础设施．这表现为精心设计的服务器室，以最大限度地提高性能和长期可靠性。云计算将物理考虑因素与保持硬件在高水平运行所需的相关特征一并外包。
• 适应性-将硬件扩展到设计中需要一个简单的过程，但这种可伸缩性也可以扩展到硬件。物理服务器群将要求公司倾向于一个过于全面的系统，而不是缺乏功能，因为后一种情况将完全破坏最初实现的目的。这意味着对技术的长期利益有更大的承诺，在购买时增加买入。但是，将网络功能留给云计算服务可以让团队专注于最终使用，而不是系统设计和维护。
• 〇专家管理如前所述，集成计算网格需要更专用的方法，而不是简单地将新硬件插入网格。一个相当大的系统需要考虑热负荷，这可能会降低性能，并成为另一个必须适当考虑的物理系统的一个方面。

云计算为设计团队提供了一种短期或长期的硬件升级解决方案，并通过以大大减少的开销购买物理系统的方式授予行业新人一些已建立业务的技术能力，从而大大降低了行业新人的进入门槛。对于一些前沿领域，它代表了产生有意义工作所必需的最小架构。

基于云的设计提供了提高效率的潜力，这可能是其他开发方法无法轻易实现的。

超大规模计算是解决电子开发中更高精度的困难和必要模型的标准模式的一种替代方案。设计团队希望整合更强大的解决方案，包括那些利用基于云的解决方案，应该看看Cadence的目录PCB设计和分析软件．当建模满意，需要进行制造或进一步测试时，OrCAD PCB Designer为设计师提供了一个功能强大，但易于使用的布局工具。