Le Los Alamos National Laboratory a reçu son premier serveur équipé des CPU NVIDIA Vera pour une phase de tests avant l’arrivée des supercalculateurs Mission et Vision. Le laboratoire vise plus de x3 de performances CPU face à Crossroads, et jusqu’à x12 en IA avec les GPU Rubin par rapport à Hopper. L’objectif est de valider logiciels et codes scientifiques sur des charges réelles avant la mise en service, attendue plus tard dans la décennie.
Cette livraison d’un matériel encore en phase d’évaluation marque un jalon concret dans la préparation de deux machines destinées à des calculs de pointe, avec une place croissante donnée à l’IA appliquée à la recherche et à l’ingénierie.
Los Alamos reçoit un serveur NVIDIA Vera pour des tests précoces
Le Los Alamos National Laboratory (LANL) indique avoir réceptionné un premier serveur intégrant les CPU NVIDIA Vera, présenté comme une plateforme de test initiale avant le déploiement à grande échelle. Pour le laboratoire, l’enjeu immédiat n’est pas l’annonce d’un record, mais la mise en place d’un environnement représentatif permettant d’évaluer la compatibilité logicielle, la stabilité et les performances sur des charges de travail internes. Dans les centres HPC, cette étape est déterminante, car les performances théoriques annoncées par les constructeurs doivent se traduire dans des codes concrets, souvent complexes, parfois anciens, et fortement optimisés.
Les ingénieurs prévoient d’utiliser ce serveur pour valider des piles logicielles, compiler et porter des applications, puis mesurer les comportements sur des workloads réels. Le laboratoire mentionne explicitement l’optimisation de codes scientifiques et la mesure de performance dans des conditions proches de l’usage final. Cela implique des tests sur la bande passante mémoire, la latence, le comportement en multi-nuds, mais aussi sur la robustesse des bibliothèques et des outils de profilage, éléments critiques quand une machine doit servir à des programmes sensibles, sur des périodes longues.
Le calendrier est également un signal. Mission et Vision doivent entrer en service plus tard dans la décennie, ce qui laisse une fenêtre de préparation substantielle, mais pas illimitée. Les retours d’expérience issus de ce premier serveur servent à ajuster des paramètres de compilation, des choix de bibliothèques, des stratégies d’I/O et, dans certains cas, des orientations de développement. Dans les grands laboratoires, ces phases amont réduisent le risque d’un effet de ciseau entre livraison du matériel et disponibilité opérationnelle des applications.
Sur le plan industriel, ce type de livraison anticipée reflète une pratique courante sur les programmes majeurs, fournir un early access pour que les équipes puissent monter en compétence avant la mise en production. Le LANL obtient ici un premier contact avec l’architecture Vera Rubin, annoncée comme le socle technologique des futurs systèmes. Le test ne préjuge pas à lui seul du résultat final, mais il constitue un passage obligé pour sécuriser la trajectoire technique.
HPE construira Mission et Vision sur la plateforme NVIDIA Vera Rubin
Selon les informations communiquées, HPE assurera l’intégration des supercalculateurs Mission et Vision autour de la plateforme NVIDIA Vera Rubin, combinaison de CPU Vera et de GPU Rubin. Dans la logique des grands systèmes HPC contemporains, l’architecture vise à répartir les tâches entre calcul généraliste côté CPU et accélération massive côté GPU, tout en assurant une interconnexion et une hiérarchie mémoire capables d’alimenter des applications très exigeantes.
Le laboratoire positionne ces machines sur deux familles d’usages. D’un côté, des workloads HPC classiques, simulation numérique, calculs multi-physiques, résolution de grands systèmes, traitement de données scientifiques. De l’autre, des usages IA de nouvelle génération, dont des approches d’IA agentique destinées à automatiser certaines étapes de la recherche ou de l’analyse d’ingénierie. Cette dualité se retrouve dans les choix d’architecture, où le GPU n’est plus seulement un accélérateur de calcul, mais un composant central pour des pipelines hybrides mêlant simulation et apprentissage.
La bascule vers des systèmes HPC plus IA impose des arbitrages précis. Le laboratoire met en avant des besoins de bande passante mémoire, d’efficacité énergétique et d’accélération IA. Dans la pratique, ces critères s’entrechoquent, augmenter la bande passante et la capacité mémoire peut accroître la consommation, tandis que l’efficacité énergétique dépend aussi de la capacité des logiciels à maintenir un taux d’occupation élevé des unités de calcul. Le choix d’un fournisseur unique pour CPU et GPU peut simplifier certaines intégrations, mais il ne supprime pas les défis de portage et d’optimisation.
Le fait que Mission et Vision soient décrits comme des systèmes phares indique une ambition structurante pour l’infrastructure de calcul du laboratoire. Dans ce type de programme, l’intégrateur, ici HPE, doit gérer la chaîne complète, serveurs, réseau, stockage, refroidissement, outillage logiciel, et support. Les performances finales dépendent autant de la qualité de l’intégration que des puces elles-mêmes, ce qui explique l’importance accordée aux tests précoces et à la validation sur charges réelles.
Objectifs annoncés: x3 en CPU et x12 en IA face à Crossroads et Venado
Los Alamos avance des gains significatifs par rapport à ses systèmes existants. Ben Santos, directeur du programme HPC Platforms du laboratoire, indique que Mission et Vision devraient fournir plus de x3 la performance CPU du supercalculateur Crossroads. Il ajoute que chaque processeur offrirait plus de x4 la mémoire disponible par cur, tout en consommant moins d’énergie. Ces chiffres, s’ils se confirment en pratique, modifieraient l’équilibre entre calcul et mémoire, un point central pour de nombreuses applications scientifiques limitées par la bande passante ou la capacité mémoire plutôt que par la puissance brute.
Sur la partie IA, Santos déclare que les GPU Rubin sont conçus pour délivrer plus de x12 la performance IA des GPU Hopper utilisés dans Venado. Il s’agit d’un objectif de conception, qui devra être interprété selon les métriques retenues, type de précision numérique, nature des modèles, taille des lots, et topologie de communication. Dans les environnements HPC, les gains affichés sur des benchmarks IA ne se traduisent pas toujours à l’identique sur des charges hybrides, où l’I/O, la mémoire et le réseau peuvent devenir des goulots d’étranglement.
Ces annonces s’inscrivent dans une dynamique sectorielle plus large. Les laboratoires cherchent à augmenter la productivité scientifique, non seulement en accélérant un calcul donné, mais en réduisant le temps total d’un cycle expérimental, préparation des données, exécution, validation, itérations, visualisation. L’intégration de l’IA vise aussi à automatiser des tâches, par exemple l’exploration de paramètres, la détection d’anomalies, ou l’assistance à l’analyse, ce qui peut générer des gains même quand la vitesse de calcul n’augmente pas dans les mêmes proportions.
Pour le LANL, ces gains sont présentés comme un moyen de résoudre plus efficacement des problèmes de sécurité nationale et de recherche scientifique. Dans ce contexte, la notion d’efficacité ne se limite pas à la vitesse, elle inclut la consommation électrique, la stabilité, la disponibilité, et la capacité à exécuter des codes irréguliers ou difficiles à paralléliser. Les promesses sur la mémoire par cur et la consommation suggèrent une attention portée au coût opérationnel, devenu un facteur déterminant à l’échelle des mégawatts.
Un codesign Los Alamos, NVIDIA et HPE pour adapter le matériel aux codes
Mission et Vision sont présentés comme le résultat d’un travail de codesign entre Los Alamos, NVIDIA et HPE, c’est-à-dire une co-conception où les besoins applicatifs influencent les choix matériels en amont. Dans les grands programmes HPC, cette approche vise à éviter un schéma classique, du matériel livré puis des logiciels contraints de s’adapter, parfois au prix de réécritures coûteuses ou de compromis sur la précision et la performance.
Dan Ernst, senior director of supercomputing products chez NVIDIA, explique que le calcul scientifique dépend de plus en plus d’une combinaison entre simulation, IA et raisonnement agentique. Il associe la plateforme Vera Rubin à des besoins de bande passante mémoire, d’efficacité énergétique et d’accélération IA. Cette position reflète un changement de doctrine, l’IA n’est plus un usage séparé, mais un composant de workflows scientifiques, par exemple pour créer des modèles de substitution, accélérer des solveurs, ou guider des campagnes de simulation.
HPE met également en avant une collaboration de long terme avec le laboratoire du Department of Energy. Trish Damkroger, senior vice president et general manager HPC & AI Infrastructure Solutions, souligne des décennies de conception de systèmes autour d’exigences de mission spécifiques. Dans la réalité industrielle, cette continuité facilite la gestion des contraintes de sûreté, de chaîne d’approvisionnement, de maintenance et de support, tout en permettant de capitaliser sur des retours d’expérience, notamment sur le refroidissement, les pannes à grande échelle et la gestion des files de travaux.
Galen Shipman, architecte à Los Alamos, indique que les équipes se sont concentrées sur l’amélioration de la bande passante mémoire par cur CPU et sur le support de workloads de calcul irréguliers. Ce point est souvent décisif pour des applications où les accès mémoire sont peu prévisibles, graphes, maillages adaptatifs, méthodes Monte Carlo, ou certaines analyses de données scientifiques. Les gains annoncés en performance et en efficacité, pour plusieurs applications parmi les plus exigeantes du laboratoire, suggèrent que des tests internes ont déjà orienté des choix d’architecture, même si les résultats détaillés ne sont pas publiés à ce stade.
Crédit image : William Blake (England, London, 1757-1827) / Wikimedia Commons (Public domain)
