NVIDIA-DGX A100

Nvidia DGX A100 SupercomputerF. Bauer FG EEO
KI-Supercomputer für die Energieforschung: Fachgebiet Energieeinsatzoptimierung setzt auf NVIDIA DGX™ A100

Das Fachgebiet Energieeinsatzoptimierung (EEO) setzt auf einen Nvidia DGX A100 Supercomputer auf Basis der Ampere-Architektur. Die Anschaffung markiert einen Meilenstein für die Forschung am Fachgebiet EEO, insbesondere im Bereich der Optimierung von Energiesystemen und bietet neue Möglichkeiten zur Entwicklung und Anwendung Künstlicher Intelligenz (KI).

Das System ist ausgestattet mit acht Tesla-A100-Tensor-Core-Grafikprozessoren, sechs NVLink™ Switches, zwei AMD Epyc-Prozessoren, 1 TB DDR4-RAM, 15 TB NVMe-SSD-Speicher und neun Mellanox ConnectX-6-Adaptern. Die Grafikprozessoren untereinander sind derzeit über sechs NVLink™-3.0-Switches mit Übertragungsraten von 600 GByte/s (bi-direktional) zwischen allen GPUs verbunden.

Optimierung und Effizienz in Energiesystemen neu gedacht

Univ.-Prof. Dr. Peter Bretschneider, Leiter des Fachgebietes Energieeinsatzoptimierung, hebt hervor, dass konventionelle Computersysteme bei der Verarbeitung großer Datenmengen oft an ihre Grenzen stossen. „Gerade im Bereich der Energiesystemforschung sind große Datenmengen und komplexe Algorithmen erforderlich, um nachhaltige und effiziente Lösungen zu entwickeln. Mit dem NVIDIA DGX™ A100 können wir diese Prozesse enorm beschleunigen und neue Maßstäbe setzen.“

Breites Anwendungsspektrum für KI und ML

Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) sind zentrale Technologien in den Forschungsaktivitäten des Fachgebietes. Der DGX A100 ermöglicht es, KI-Modelle mit großen Datensätzen zu trainieren und dabei eine deutlich höhere Effizienz und Genauigkeit zu erreichen. Einsatzgebiete umfassen unter anderem:

  • Optimierung von Stromnetzen: Intelligente Methoden und Algorithmen zur Prognose energetischer Bedarfsgänge, fluktuierender Einspeisungen sowie zur Optimierung der Energiebeschaffung.
  • Simulation nachhaltiger Energienutzung: Entwicklung von Strategien zur optimalen Nutzung von Strom, Gas und Wärme/Kälte durch Integration erneuerbarer Energien, sowie Einbindung von Speicher- und Flexibilitätspotenzialen.
  • Verbesserung industrieller Prozesse: Entwicklung von Strategien zur datengetriebenen Anpassung von Energiesystemmodellen an reale Prozesse. Sowie zur Berechnung von optimalen Energiefahrplänen unter Berücksichtigung von Unsicherheiten.
  • Entwicklung datengetriebener Algorithmen für Energie Management Systeme: Nutzung von Reinforcement Learning für das Energiemanagement in Haushalten und Untermehmen zur Optimierung der Demand Response von flexiblen Verbrauchern, Speichern und Erzeugern.
 
 
 
Aufbau der NVIDIA-DGX A100Nvidia
Aufbau des NVIDIA DGX A100
Ausblick: Kooperationen und überregionale Nutzung

Das Fachgebiet Energieeinsatzoptimierung der TU Ilmenau plant, den DGX A100 nicht nur für interne Forschungsprojekte zu nutzen, sondern auch in Kooperationen mit anderen Universitäten, Forschungsinstituten und Industriepartnern einzusetzen. Ziel ist es, die Ergebnisse der Forschung praxisnah zu implementieren und so einen direkten Beitrag zu einer nachhaltigen Energiewirtschaft zu leisten.