Výkon počítače řádově - Computer performance by orders of magnitude

Tento seznam porovnává různá množství výpočetního výkonu v instrukcích za sekundu organizovaných podle řádově v FLOPS.

Vědecká E notace index: 2 | 3 | 6 | 9 | 12 | 15 | 18 | 21 | 24 | >24

Deciscale computing (10−1)

  • 5×10−1 Rychlost průměrného lidského mentálního výpočtu pro množení pomocí pera a papíru

Škálování výpočetní techniky (100)

  • 1 OP / S rychlost výpočtu průměrného přidání člověka pomocí pera a papíru
  • 1 OP / S rychlost Zuse Z1
  • 5 světových rekordů OP / S v přidané sadě

Decascale computing (101)

  • 5×101 Horní konec výpočtu serializovaného lidského vnímání (žárovky neblikají na lidského pozorovatele)

Hectoscale computing (102)

  • 2.2×102 Horní konec serializované lidské propustnosti. To je zhruba vyjádřeno spodní hranicí přesného umístění události na malých časových stupnicích (Houpání paže dirigenta, doba reakce na světla na tažném pásu atd.)[1]
  • 2×102 IBM 602 1946 počítač.

Výpočet Kiloscale (103)

Megascale computing (106)

Gigascale výpočetní technika (109)

Terascale computing (1012)

Petascale výpočetní technika (1015)

Hlavní článek: Výpočet Petascale
  • 1.026×1015 IBM Roadrunner Superpočítač 2009
  • 2×1015 Nvidia DGX-2 systém 2 Petaflop Machine Learning (novější DGX A100 má výkon 5 Petaflop)
  • 11.5×1015 Google TPU pod obsahující 64 TPU druhé generace, květen 2017[6]
  • 17.17×1015 IBM Sequoia Představení LINPACK, červen 2013[7]
  • 20×1015 Podle Kurzweila zhruba hardwarový ekvivalent lidského mozku. Publikováno v jeho knize z roku 1999: The Age of Spiritual Machines: When Computers Exceed Human Intelligence[8]
  • 33.86×1015 Tianhe-2 Představení LINPACK, červen 2013[7]
  • 36.8×1015 Odhadovaný výpočetní výkon potřebný k simulovat lidský mozek v reálném čase.[9]
  • 93.01×1015 Sunway TaihuLight Představení LINPACK, červen 2016[10]
  • 143.5×1015 Summit Představení LINPACK, listopad 2018[11]

Exascale výpočetní technika (1018)

Hlavní článek: Exascale výpočetní technika
  • 1×1018 Americké ministerstvo energetiky a NSA odhadovaly v roce 2008, že kolem roku 2018 budou potřebovat výpočetní techniku ​​exascale[12]
  • 1×1018 Fugaku Superpočítač 2020 v režimu jediné přesnosti[13]
  • 1.88×1018 Americký summit dosahuje špičkové propustnosti tolika operací za sekundu, zatímco analyzuje genomová data pomocí směsi numerických přesností.[14]
  • 2.43×1018 Skládací @ home distribuovaný výpočetní systém během Pandemie covid-19 Odezva[15]

Výpočet Zettascale (1021)

  • 1×1021 Přesný globální odhad počasí na stupnici přibližně 2 týdny.[16] Za předpokladu Moorův zákon zůstává konstantní, tyto systémy mohou být proveditelné kolem roku 2030.

Počítačový systém zettascale mohl generovat více dat s jedinou plovoucí desetinnou čárkou za sekundu, než bylo uloženo jakýmkoli digitálním způsobem na Zemi v prvním čtvrtletí 2011.

Výpočet Yottascale (1024)

  • 257.6×1024 Odhadovaný výpočetní výkon potřebný k simulovat 7 miliard lidských mozků v reálném čase.[Citace je zapotřebí ]

nad (> 1024)

  • 4.4×1027 Odhadovaná výpočetní síla potřebná k simulaci všech lidí, kteří kdy žili: přibližně (1,2 ± 0,3) × 1011 lidské mozky v reálném čase.
  • 4×1048 Odhadovaná výpočetní síla a Matrioshka mozek, kde je zdrojem energie slunce, vnější vrstva pracuje na 10 kelvinů a součásti, které jsou součástí, pracují na nebo v blízkosti Landauerův limit a čerpá energii s účinností a Carnotův motor. Přibližný maximální výpočetní výkon pro a Kardašev 2 civilizace.[Citace je zapotřebí ]
  • 5×1058 Odhadovaný výkon a galaxie ekvivalentní svítivosti k mléčná dráha přeměněn na mozek Matrioshka. Přibližný maximální výpočetní výkon pro civilizaci typu III na Kardaševově stupnici.

Viz také

Reference

  1. ^ „Kolik snímků za sekundu může lidské oko vidět?“. 2004-05-19. Citováno 2013-02-19.
  2. ^ Overclock3D - procesor Sandra
  3. ^ Tony Pearson, IBM Watson - Jak vytvořit svůj vlastní „Watson Jr.“ ve vašem suterénu, Vnitřní úložiště systému
  4. ^ „Systém hlubokého učení DGX-1“ (PDF). NVIDIA DGX-1 přináší 75x rychlejší trénink ... Poznámka: Caffe benchmark s AlexNet, trénující 1,28 miliony obrázků s 90 epochami
  5. ^ „Server DGX“. Server DGX. Nvidia. Citováno 7. září 2017.
  6. ^ https://blog.google/topics/google-cloud/google-cloud-offer-tpus-machine-learning/
  7. ^ A b http://top500.org/list/2013/06/
  8. ^ Kurzweil, Ray (1999). Věk duchovních strojů: Když počítače překračují lidskou inteligenci. New York, NY: Penguin. ISBN  9780140282023.
  9. ^ http://hplusmagazine.com/2009/04/07/brain-chip/
  10. ^ http://top500.org/list/2016/06/ Seznam Top500, červen 2016
  11. ^ „Listopad 2018 | Superpočítačové stránky TOP500“. www.top500.org. Citováno 2018-11-30.
  12. ^ "'Plánování superpočítače společnosti Exaflop začíná “. 2. února 2008. Archivovány od originál dne 01.10.2008. Citováno 2010-01-04. Prostřednictvím IAA vědci plánují provést základní výzkum potřebný k vytvoření počítače schopného provádět miliony bilionů výpočtů za sekundu, jinak známých jako exaflop.
  13. ^ https://www.top500.org/lists/top500/2020/06/
  14. ^ „Genomický kód převyšuje Exaops na superpočítači Summit“. Oak Ridge Leadership Computing Facility. Citováno 2018-11-30.
  15. ^ Pande laboratoř. „Statistika klienta podle OS“. Archiv. Je. Archivovány od originál dne 2020-04-12. Citováno 2020-04-12.
  16. ^ DeBenedictis, Erik P. (2005). "Reverzibilní logika pro superpočítání". Sborník z 2. konference o počítačových hranicích. 391–402. ISBN  1-59593-019-1.
  17. ^ Moore, Gordon E. (1965). „Zaplnění více komponent do integrovaných obvodů“ (PDF). Elektronický časopis. p. 4. Citováno 2006-11-11.

externí odkazy