चीन का Sugon 8000 मस्तिष्क, ब्रह्मांड और मौसम के सिमुलेशन के लिए 100,000 AI कार्ड का उपयोग करता है

चार ट्रिलियन ब्रह्मांडीय कणों से डिजिटल मस्तिष्क तक

चार ट्रिलियन डार्क मैटर कणों का उपयोग करने वाला सिमुलेशन, 100 अरब न्यूरॉनों वाला डिजिटल मस्तिष्क और एक किलोमीटर रिज़ॉल्यूशन वाली महासागर पूर्वानुमान प्रणाली उन अनुप्रयोगों में शामिल हैं, जिन्हें शेनझेन में हुए एक बड़े सम्मेलन में चीन के Sugon 8000 कंप्यूटिंग सिस्टम के साथ प्रस्तुत किया गया।

इसके डेवलपर ने इसे चीन का पहला पूरी तरह घरेलू स्तर पर विकसित AI सुपरक्लस्टर बताया है, जिसमें 100,000 एक्सेलरेटर कार्ड हैं। इसे हाई परफॉर्मेंस कंप्यूटिंग पर 22वें CCF राष्ट्रीय सम्मेलन में प्रदर्शित किया गया। यह आयोजन 17 से 20 अक्टूबर, 2026 तक शेनझेन वर्ल्ड एग्ज़िबिशन एंड कन्वेंशन सेंटर में हुआ और 18 अक्टूबर को सीमांत अनुप्रयोगों की दस उपलब्धियां जारी की गईं।

Sugon 8000, जिसे Dengfeng भी कहा जाता है, हेनान प्रांत के झेंगझोउ में बनाया गया और इसे राष्ट्रीय सुपरकंप्यूटिंग इंटरनेट से जोड़ा गया। इसकी मूल संरचना में हाई परफॉर्मेंस कंप्यूटिंग शामिल है, जो गणितीय और भौतिक नियमों के आधार पर गणना करती है, और आर्टिफिशियल इंटेलिजेंस, जो डेटा से पैटर्न सीखती है।

इसका व्यावहारिक उद्देश्य शोधकर्ताओं को जटिल समस्याओं की पड़ताल के लिए तेज़ तरीका देना है। पारंपरिक सिमुलेशन प्रशिक्षण डेटा बना सकता है, AI संभावित उत्तरों की तलाश कर सकता है और फिर एक अन्य विस्तृत सिमुलेशन सबसे आशाजनक नतीजों की जांच कर सकता है।

Sugon की पूरा होने की घोषणा के अनुसार, सिस्टम 10 जुलाई, 2026 को पूरा हुआ और नेटवर्क से जुड़ा। इसलिए अक्टूबर में हुई प्रस्तुति में पहले से इस्तेमाल हो रहे सिस्टम के अनुप्रयोगों पर ध्यान दिया गया, जिनमें खगोल विज्ञान, सामग्री विज्ञान, जीव विज्ञान, मौसम और कृषि से जुड़े काम शामिल थे।

आपस में जुड़े 100,000 कार्ड वास्तव में क्या करते हैं

AI एक्सेलरेटर कार्ड कंप्यूटिंग हार्डवेयर का ऐसा हिस्सा है, जिसे बड़ी संख्या में गणनाएं समानांतर रूप से करने के लिए बनाया जाता है। 100,000 कार्डों को जोड़ने से क्लस्टर कठिन काम कई प्रोसेसरों में बांट सकता है, बशर्ते वे पर्याप्त तेज़ी से डेटा का आदान-प्रदान कर सकें।

Sugon के मुताबिक, यह सिस्टम FP64 से INT8 तक के संख्यात्मक फॉर्मेट का समर्थन करता है। FP64 में फ्लोटिंग पॉइंट संख्या को दर्शाने के लिए 64 बिट का इस्तेमाल होता है, जिससे वैज्ञानिक गणनाओं में पर्याप्त संख्यात्मक सटीकता मिलती है। INT8 में पूर्णांकों को आठ बिट से दर्शाया जाता है। यह कुछ AI प्रक्रियाओं में उपयोगी है, जहां छोटी संख्याओं से मेमोरी का इस्तेमाल और गणना की लागत घट सकती है।

शोध के अलग-अलग चरणों में सटीकता के अलग-अलग स्तरों की जरूरत होती है। विस्तृत भौतिक सिमुलेशन के लिए FP64 की आवश्यकता हो सकती है, जबकि संभावित सामग्रियों की छंटाई करने वाला AI मॉडल कम सटीकता वाले फॉर्मेट का इस्तेमाल कर सकता है। Sugon 8000 को एक ही कंप्यूटिंग प्लेटफॉर्म पर इन कामों का समर्थन करने के लिए बनाया गया है।

10,000 से 100,000 कार्डों तक की बढ़ोतरी कार्डों की संख्या में दस गुना वृद्धि है। उपयोगी प्रदर्शन इस बात पर भी निर्भर करता है कि सॉफ्टवेयर काम को कितनी कुशलता से बांटता है, डेटा कितनी तेज़ी से आगे बढ़ता है और प्रोसेसर एक-दूसरे का इंतज़ार करते हुए कितना समय बिताते हैं।

Sugon अपने तरीके को हाई परफॉर्मेंस कंप्यूटिंग और AI के मूलभूत एकीकरण के रूप में बताता है। व्यावहारिक तौर पर, इस ढांचे का उद्देश्य वैज्ञानिक सिमुलेशन, मॉडल प्रशिक्षण और इन्फरेंस संभालना है। इन्फरेंस वह प्रक्रिया है जिसमें प्रशिक्षित AI मॉडल से उत्तर प्राप्त किया जाता है।

भौतिकी के जरिए AI की जांच करने वाला शोध चक्र

वैज्ञानिक सिमुलेशन और AI की शुरुआत अलग-अलग जगहों से होती है। सिमुलेशन में परमाणुओं के बीच परस्पर क्रिया या हवा की गति बताने वाले समीकरण इस्तेमाल किए जा सकते हैं। इसकी शुरुआत किसी शुरुआती अवस्था से होती है और फिर कई छोटे चरणों में आगे क्या होगा, इसकी गणना की जाती है।

AI मॉडल उदाहरणों से सीखता है। पर्याप्त सिमुलेशन नतीजे मिलने पर वह पैटर्न पहचान सकता है और हर विस्तृत गणना को दोहराने की तुलना में कहीं तेज़ी से परिणामों का अनुमान लगा सकता है। जब शोधकर्ताओं को बहुत बड़ी संख्या में संभावित डिज़ाइनों या अणुओं की संरचनाओं की जांच करनी हो, तो यह गति उपयोगी होती है।

Sugon 8000 का संयुक्त तरीका तीन चरणों में काम करता है। पहले, वैज्ञानिक कंप्यूटिंग सिमुलेशन डेटा तैयार करती है। दूसरे, AI उस डेटा से सीखकर संभावित विकल्पों की छंटाई करता है। तीसरे, विस्तृत वैज्ञानिक गणनाओं से कम संख्या में चुने गए आशाजनक उत्तरों की जांच की जाती है।

अंतिम जांच महत्वपूर्ण है, क्योंकि AI विश्वसनीय लगने वाले लेकिन गलत नतीजे दे सकता है, जिन्हें अक्सर हैलुसिनेशन कहा जाता है। वैज्ञानिक काम में आकर्षक पूर्वानुमान की भी उस भौतिक व्यवहार के आधार पर जांच जरूरी है जिसका अध्ययन किया जा रहा है। संयुक्त कार्यप्रणाली में महंगी गणनाएं उन विकल्पों पर केंद्रित की जाती हैं, जो शुरुआती छंटाई में सफल रहे हों।

शोधकर्ताओं के लिए इसका लाभ यह है कि कंप्यूटिंग समय का इस्तेमाल करने का तरीका बदल सकता है। हर संभावना पर सबसे विस्तृत गणना चलाने के बजाय, वे खोज का दायरा घटाने के लिए AI का इस्तेमाल कर सकते हैं और अधिक सटीक गणनाएं उन मामलों के लिए बचा सकते हैं जिनकी बारीकी से जांच जरूरी है।

जुलाई में शुरुआत और अक्टूबर में प्रदर्शन

Sugon की जुलाई की घोषणा और अक्टूबर सम्मेलन में हुई प्रस्तुति सिस्टम के शुरू होने के अलग-अलग चरणों का वर्णन करती हैं। कंपनी ने पहले सिस्टम के पूरा होने की घोषणा की, फिर संचालन से जुड़े आंकड़े जारी किए और उसके बाद वैज्ञानिक अनुप्रयोगों का व्यापक प्रदर्शन किया।

• 10 जुलाई, 2026: Sugon ने Sugon 8000 के पूरा होने और राष्ट्रीय सुपरकंप्यूटिंग इंटरनेट से इसके जुड़ने की घोषणा की।
• 18 जुलाई: विश्व आर्टिफिशियल इंटेलिजेंस सम्मेलन के दौरान जारी आंकड़ों में संचालन के पहले सप्ताह में सिस्टम के पूरी क्षमता से इस्तेमाल और प्रतिदिन औसतन 150,000 से अधिक काम पूरे किए जाने की जानकारी दी गई।
• 17 से 20 अक्टूबर: हाई परफॉर्मेंस कंप्यूटिंग पर CCF राष्ट्रीय सम्मेलन शेनझेन में हुआ।
• 18 अक्टूबर: Sugon ने सम्मेलन में सीमांत अनुप्रयोगों की दस उपलब्धियां पेश कीं।

Sugon के अनुसार सिस्टम पूरा होने की आधिकारिक तारीख 10 जुलाई है; अक्टूबर की एक रिपोर्ट में क्लस्टर के अगस्त में औपचारिक रूप से सेवा शुरू करने का भी उल्लेख था, लेकिन यह नहीं बताया गया कि यह पड़ाव जुलाई में हुई शुरुआत से कैसे जुड़ा था।

पहले सप्ताह के आंकड़ों में दैनिक उच्चतम संख्या 500,000 कामों से अधिक बताई गई, जो रोज़ाना 150,000 के औसत के बताए गए स्तर से तीन गुने से भी अधिक है। किसी काम से आशय कंप्यूटिंग के लिए भेजे गए कार्य से है, इसलिए कुल संख्या में बहुत अलग-अलग आकार और अवधि के काम शामिल हो सकते हैं।

जुलाई के संचालन संबंधी अपडेट में यह भी बताया गया कि कार्य के प्रकार, डेटा की जगह और संसाधनों की उपलब्धता को ध्यान में रखने वाली शेड्यूलिंग के जरिए एक ही समय में लाखों उपयोगकर्ता अनुरोधों को संभाला जा सकता है। ऐसी शेड्यूलिंग कंप्यूटिंग में काम को सही टीमों को सौंपने जैसी है, ताकि साझा रास्ते और उपकरण बाधा न बनें।

ब्रह्मांड और मस्तिष्क परियोजनाओं में क्या शामिल है

Qianyan ब्रह्मांडीय सिमुलेशन में ब्रह्मांड के विकास का मॉडल बनाने के लिए चार ट्रिलियन डार्क मैटर कणों का इस्तेमाल किया गया। डार्क मैटर ऐसा पदार्थ है जिसके गुरुत्वाकर्षण प्रभाव देखे जा सकते हैं, हालांकि यह प्रकाश उत्सर्जित नहीं करता। सिमुलेशन में कण उस पदार्थ के हिस्सों को दर्शाते हैं, जिससे शोधकर्ता गणना कर सकते हैं कि बड़ी संरचनाएं कैसे विकसित होती हैं।

संख्याओं का यह पैमाना उस दावे को ठोस आधार देता है कि मशीन में एक सिमुलेटेड ब्रह्मांड समा सकता है। शोधकर्ता ब्रह्मांडीय पदार्थ और उसके व्यवहार का गणितीय निरूपण तैयार करते हैं और फिर गणना करते हैं कि समय के साथ उसमें क्या बदलाव आता है।

फुदान विश्वविद्यालय की एक टीम ने 100 अरब न्यूरॉनों के स्तर का डिजिटल मस्तिष्क भी प्रस्तुत किया, जिसे सम्मेलन में इस पैमाने का दुनिया का पहला मॉडल बताया गया। डिजिटल मस्तिष्क में तंत्रिका कोशिकाओं और उनके बीच की परस्पर क्रियाओं को सॉफ्टवेयर में दर्शाया जाता है, ताकि शोधकर्ता उनके सामूहिक व्यवहार की जांच कर सकें।

दोनों परियोजनाओं में बड़ी संख्या में वस्तुओं को रखने के लिए केवल स्टोरेज की जरूरत नहीं होती। सिमुलेटेड सिस्टम में बदलाव के साथ कंप्यूटर को बार-बार उनकी परस्पर क्रियाओं की गणना करनी होती है और प्रोसेसरों के बीच जानकारी भेजनी होती है।

खगोल विज्ञान और मस्तिष्क से जुड़ी परियोजनाएं बताती हैं कि अक्टूबर की प्रस्तुति में सिर्फ कार्डों की संख्या के बजाय अनुप्रयोगों पर ध्यान क्यों दिया गया। इनके उपयोगी पैमानों में यह शामिल है कि मॉडल कितनी जटिलता संभाल सकता है, उसकी गणनाएं कितनी विस्तृत हैं और सिमुलेशन पूरा होने में कितना समय लगता है।

सामग्री, मौसम, महासागर और वर्चुअल मक्का

मशीन लर्निंग फोर्स फील्ड सॉफ्टवेयर पैकेज MatPL ने आणविक गतिकी सिमुलेशन को एक ट्रिलियन परमाणुओं तक विस्तारित किया। इसकी सटीकता को क्वांटम यांत्रिकी की गणनाओं के करीब बताया गया। आणविक गतिकी समय के साथ परमाणुओं की गति पर नज़र रखती है। फोर्स फील्ड उनके बीच लगने वाले बलों का अनुमान लगाता है, जो उनकी गति तय करते हैं।

मशीन लर्निंग से इन बलों का अनुमान लगाना, बार-बार अधिक विस्तृत क्वांटम समस्या हल करने की तुलना में कम खर्चीला हो सकता है। सम्मेलन की प्रस्तुति में MatPL की उपलब्धि को सिमुलेशन के आकार और संख्यात्मक सटीकता के मेल के रूप में बताया गया, जिन दोनों जरूरतों को एक साथ पूरा करना अक्सर कठिन होता है।

कम और मध्यम अवधि के वैश्विक मौसम पूर्वानुमानों के लिए Fengqing Ensemble V1.0 प्रणाली परिचालन इस्तेमाल में आ चुकी थी। एन्सेम्बल पूर्वानुमान में किसी पूर्वानुमान के कई संस्करण चलाए जाते हैं, ताकि थोड़ी अलग शुरुआती स्थितियों या मान्यताओं के आधार पर मौसम के संभावित विकास का पता लगाया जा सके।

महासागर अनुसंधान के लिए swLFS को एक किलोमीटर रिज़ॉल्यूशन वाली दुनिया की पहली वैश्विक महासागर परिसंचरण पूर्वानुमान प्रणाली के रूप में पेश किया गया। अधिक महीन रिज़ॉल्यूशन से मॉडल छोटे स्थानिक लक्षणों को दर्शा सकता है, लेकिन इससे पूरे वैश्विक महासागर के लिए आवश्यक गणनाएं भी बढ़ जाती हैं।

चाइना एग्रीकल्चरल यूनिवर्सिटी के Virtual Maize प्लेटफॉर्म को प्रजनन चक्रों को दस साल से अधिक से घटाकर कुछ साल करने का श्रेय दिया गया। यह प्लेटफॉर्म उपयोगी फसल लक्षणों की खोज में कंप्यूटिंग का इस्तेमाल करता है और शोधकर्ताओं को प्रजनन के जरिए आजमाए जाने वाले संयोजनों का दायरा घटाने में मदद करता है।

दस उपलब्धियों में ऊर्जा अन्वेषण और उन्नत उपकरणों के विकास से जुड़े काम भी शामिल थे। कुल मिलाकर, बताए गए उदाहरण क्लस्टर को ठोस कामों से जोड़ते हैं: मौसम का पूर्वानुमान, महासागर परिसंचरण का मॉडल, परमाणुओं के व्यवहार का अध्ययन और फसल प्रजनन के विकल्प चुनना।

गणनाओं के पीछे नेटवर्क और स्टोरेज

Sugon का कहना है कि इसका घरेलू बुनियादी ढांचा चिप, कंप्यूटिंग उपकरण, स्टोरेज, नेटवर्किंग, कूलिंग, अनुप्रयोगों और सेवाओं तक फैला है। Hygon और अन्य घरेलू स्तर पर विकसित चिप कंप्यूटिंग का आधार हैं। सम्मेलन की रिपोर्टों में व्यापक संरचना के भीतर आंतरिक रूप से विकसित छह चिपों का भी उल्लेख किया गया।

scaleFabric नेटवर्क में नेटिव रिमोट डायरेक्ट मेमोरी एक्सेस, यानी RDMA, का इस्तेमाल होता है। इससे डेटा मुख्य प्रोसेसरों की कम भागीदारी के साथ मशीनों के बीच जा सकता है और जानकारी के आदान-प्रदान में लगने वाला कुछ अतिरिक्त समय घटता है।

तेज़ कनेक्शन जरूरी हैं, क्योंकि बड़े सिमुलेशन या AI प्रशिक्षण के दौरान बीच में तैयार हुए नतीजे बार-बार साझा किए जाते हैं। यदि प्रोसेसर गणना पूरी कर लें लेकिन डेटा के लिए इंतज़ार करना पड़े, तो स्थापित कंप्यूटिंग क्षमता का कुछ हिस्सा निष्क्रिय रहता है।

Sugon ने ParaStor वितरित स्टोरेज को एक अन्य प्रमुख घटक बताया है। वितरित स्टोरेज डेटा को कई मशीनों में फैलाता है, ताकि बड़े कार्य कई रास्तों से जानकारी पढ़ और लिख सकें। कंपनी के मुताबिक, 2026 की IO500 रैंकिंग में ParaStor ने प्रोडक्शन फुल नोड और 10 नोड प्रदर्शन श्रेणियों में पहला स्थान हासिल किया।

मॉडल प्रशिक्षण के दौरान स्टोरेज का प्रदर्शन महत्वपूर्ण होता है, जब बड़े डेटासेट को बार-बार पढ़ना पड़ता है। वैज्ञानिक सिमुलेशन में भी इसका महत्व है, क्योंकि बीच में तैयार हुए नतीजे सहेजने पड़ सकते हैं। प्रगति सहेजने से किसी रुकावट के बाद लंबे समय से चल रही गणना फिर शुरू करने में भी मदद मिलती है।

इस पैमाने पर नेटवर्क की भीड़, लोड संतुलन और खराबी को अलग-थलग रखना इंजीनियरिंग के मुख्य काम बन जाते हैं। शेड्यूलर को काम ऐसे स्थान पर रखना होता है जहां उपयुक्त प्रोसेसर और डेटा उपलब्ध हों, जबकि नेटवर्क को उस ट्रैफिक को बिना किसी स्थानीय समस्या को व्यापक धीमापन बनाए संभालना होता है।

कूलिंग, घनत्व और कार्डों को सक्रिय रखने की लागत

Sugon 8000 में चरण परिवर्तन प्रक्रिया के साथ इमर्शन कूलिंग का इस्तेमाल होता है। उपकरण गर्मी को कूलिंग लिक्विड तक पहुंचाते हैं और लिक्विड की अवस्था में बदलाव उस गर्मी को बाहर ले जाने में मदद करता है। Sugon का कहना है कि यह डिज़ाइन मेगावॉट श्रेणी के पावर डेंसिटी वाले कैबिनेट का समर्थन कर सकता है।

कंपनी घरेलू स्तर पर विकसित कूलेंट और पूरे साल बाहरी वातावरण की स्थितियों का लाभ उठाने वाली कूलिंग प्रणाली का भी उल्लेख करती है। ये सुविधाएं एक बुनियादी चुनौती का समाधान करती हैं: सीमित जगह में अधिक कंप्यूटिंग पावर रखने से ज्यादा गर्मी पैदा होती है, जिसे लगातार बाहर निकालना जरूरी है।

जुलाई के संचालन अपडेट में अन्य सुपरनोड की तुलना में प्रति यूनिट कंप्यूटिंग घनत्व में बीस गुना बढ़ोतरी का दावा किया गया। Sugon के जुलाई के पूरा होने संबंधी बयान में इस पैमाने के क्लस्टर की जरूरी कसौटियों के रूप में ऊर्जा दक्षता, मेमोरी एक्सेस और नेटवर्क डिज़ाइन का अलग से उल्लेख किया गया।

बिजली आपूर्ति और कूलिंग उपकरणों को लगातार भारी उपयोग के साथ-साथ मांग में बदलाव भी संभालना होता है। वैज्ञानिक सिमुलेशन, AI प्रशिक्षण और बड़ी मात्रा में इन्फरेंस चलाने वाली मशीन को कार्यभार बदलने के साथ ट्रैफिक और बिजली की खपत के अलग-अलग पैटर्न का सामना करना पड़ सकता है।

आगे के व्यावहारिक मापदंडों में प्रति पूरा किए गए काम पर खर्च होने वाली ऊर्जा, डेटा के इंतज़ार में लगा समय, काम पूरा होने की अवधि और खराबी के बाद पुनर्बहाली शामिल हैं। जारी घोषणाओं में कुल बिजली खपत, संचालन लागत, अनुप्रयोगों की गति या उपयोगकर्ताओं से ली जाने वाली फीस के तुलनीय आंकड़ों का पूरा सेट उपलब्ध नहीं है।

सिस्टम का इस्तेमाल कितने व्यापक स्तर पर हो रहा है

Sugon की जुलाई की पूरा होने संबंधी घोषणा में कहा गया कि 20 से अधिक क्षेत्रों में वैज्ञानिक कंप्यूटिंग और AI के 300 से अधिक संयुक्त अनुप्रयोगों को अनुकूलित किया गया था। 70 से अधिक अनुप्रयोगों का विस्तार 10,000 कार्डों के स्तर तक किया गया था। बताए गए उदाहरणों में प्रोटीन फोल्डिंग, एक ट्रिलियन पानी के परमाणुओं से जुड़ी आणविक गतिकी और 100 ट्रिलियन ग्रिड कोशिकाओं का इस्तेमाल करने वाला टर्बुलेंस सिमुलेशन शामिल थे।

जुलाई के संचालन अपडेट में लगभग 1,000 अनुप्रयोग अनुकूलन का उल्लेख था। अक्टूबर सम्मेलन में दिए गए आंकड़ों के मुताबिक, 30 से अधिक क्षेत्रों में 300 से अधिक प्राथमिकता वाले अनुप्रयोगों को गहराई से अनुकूलित किया गया था, जिनमें से 20 से अधिक पूरे सिस्टम पर चल रहे थे। अक्टूबर के एक अन्य विवरण में 26 क्षेत्रों के 300 से अधिक कंप्यूटिंग कार्यों की गिनती की गई। इन कुल संख्याओं में अलग-अलग श्रेणियां शामिल हैं, जैसे सॉफ्टवेयर अनुकूलन, प्राथमिकता वाले अनुप्रयोगों का अनुकूलन और कंप्यूटिंग कार्य।

राष्ट्रीय सुपरकंप्यूटिंग इंटरनेट का उद्देश्य विश्वविद्यालयों, शोध संस्थानों, कारोबारों और व्यक्तिगत उपयोगकर्ताओं के लिए क्लस्टर तक पहुंच आसान बनाना है। इसकी भूमिका कंप्यूटिंग की मांग को उपलब्ध संसाधनों से जोड़ना है, जिससे उन संस्थानों से परे भी पहुंच मिल सके जो स्वयं बड़ा क्लस्टर बनाने और चलाने में सक्षम नहीं हैं।

18 अक्टूबर को शुरू किए गए विज्ञान के सीमांत अवलोकन कार्यक्रम के तहत Sugon 8000 को HPC+AI प्रतिनिधि अनुप्रयोग उदाहरण के रूप में भी चुना गया। सम्मेलन में कंप्यूटिंग बुनियादी ढांचे, सॉफ्टवेयर और अनुप्रयोगों पर मिलकर काम करने के लिए उद्योग सहयोग कार्ययोजना और एक खुला समुदाय पेश किया गया।

Sugon ने बीजिंग एकेडमी ऑफ आर्टिफिशियल इंटेलिजेंस के साथ रणनीतिक साझेदारी और 100,000 कार्डों वाला दूसरा पूरी तरह घरेलू सिस्टम विकसित करने की घोषणा की है। पहले सिस्टम के लिए अक्टूबर के नतीजों में पूरे किए गए वैज्ञानिक कार्य और लगातार सेवा पर ध्यान दिया गया। प्रस्तावित दूसरा सिस्टम इस तरीके को एक ही स्थापना से आगे ले जाएगा।

मुख्य बातें

• Sugon 8000 में 100,000 AI एक्सेलरेटर कार्ड जुड़े हैं और यह हेनान प्रांत के झेंगझोउ में काम करता है।
• Sugon ने 10 जुलाई, 2026 को इसके पूरा होने और राष्ट्रीय सुपरकंप्यूटिंग इंटरनेट से जुड़ने की घोषणा की।
• सीमांत अनुप्रयोगों की दस उपलब्धियां 18 अक्टूबर को शेनझेन में प्रस्तुत की गईं।
• बताई गई परियोजनाओं में चार ट्रिलियन डार्क मैटर कणों का सिमुलेशन, 100 अरब न्यूरॉनों वाला डिजिटल मस्तिष्क और एक ट्रिलियन परमाणुओं का आणविक सिमुलेशन शामिल हैं।
• यह सिस्टम एक ही प्लेटफॉर्म पर विस्तृत वैज्ञानिक गणनाओं को AI प्रशिक्षण और इन्फरेंस के साथ जोड़ता है।
• Sugon ने 100,000 कार्डों वाला दूसरा पूरी तरह घरेलू क्लस्टर विकसित करने की घोषणा की है।