Tối ưu hạ tầng tính toán, tạo nền tảng phát triển AI

Sở Khoa học và Công nghệ TP Hồ Chí Minh vừa tổ chức Hội đồng tư vấn nghiệm thu nhiệm vụ khoa học và công nghệ “Nghiên cứu và phát triển giải pháp nâng cao hiệu năng hệ thống tính toán hiệu năng cao phục vụ ứng dụng trí tuệ nhân tạo”.

Nhiệm vụ do Trường Đại học Bách khoa (Đại học Quốc gia TP Hồ Chí Minh) chủ trì, PGS. TS Thoại Nam làm chủ nhiệm. Kết quả nghiên cứu tập trung vào tối ưu hạ tầng HPC, nâng cao hiệu quả sử dụng tài nguyên tính toán và nghiên cứu khả năng kết hợp HPC với điện toán lượng tử.

Nâng hiệu quả khai thác hệ thống HPC

Theo nhóm nghiên cứu, nhu cầu ứng dụng HPC tại TP Hồ Chí Minh ngày càng tăng, nhất là trong các lĩnh vực chuyển đổi số, phát triển AI, đô thị thông minh và phân tích dữ liệu lớn. Tuy nhiên, các hệ thống HPC phải xử lý khối lượng tính toán lớn với nhiều tác vụ đồng thời, đặt ra yêu cầu cao về phân bổ tài nguyên, giám sát và khai thác hiệu quả CPU, GPU.

Từ yêu cầu này, nhóm nghiên cứu tập trung phát triển các giải pháp kỹ thuật nhằm nâng cao hiệu năng hệ thống, hiệu quả sử dụng tài nguyên và hỗ trợ định hướng phát triển hạ tầng HPC phục vụ AI. Song song với đó, nhóm nghiên cứu mở rộng theo hướng kết hợp tính toán hiệu năng cao với tính toán lượng tử, tạo cơ sở cho việc nghiên cứu, phát triển các ứng dụng AI tiên tiến trong tương lai.

PGS.TS Thoại Nam trình bày báo cáo kết quả thực hiện nhiệm vụ.

Các nội dung nghiên cứu bao gồm phát triển dịch vụ hỗ trợ truy cập HPC; công cụ phân tích hiệu quả sử dụng hệ thống; giải pháp ảo hóa container; công cụ giám sát, phân tích; cảm biến ảo tại các nút tính toán; giải thuật giám sát, phân tích dữ liệu dòng; cùng các công cụ quản lý và phân bổ tài nguyên.

Một kết quả đáng chú ý là hệ thống cổng truy cập gồm ba phân hệ HPC Portal, Access Portal và Resource Portal. Kiến trúc này giúp tập trung hóa hoạt động truy cập, khai thác và quản trị tài nguyên HPC, đồng thời tích hợp đăng nhập một lần (SSO), bảo mật LDAP/LDAPS và mã hóa TLS/HTTPS. Hệ thống cũng có dịch vụ ghi nhận nhật ký hoạt động, hỗ trợ theo dõi và truy vết quá trình sử dụng tài nguyên.

Đề tài đồng thời chuẩn hóa quy trình đóng gói ứng dụng bằng công nghệ container Singularity/Apptainer với định dạng Singularity Image Format (SIF). Kết quả thử nghiệm cho thấy mức suy giảm hiệu năng so với chạy trực tiếp trên phần cứng vật lý dưới 1% đối với các bài kiểm thử Linpack, STREAM và từ 1 - 3% đối với một số ứng dụng khoa học quy mô lớn như LS-DYNA, MILC. Kết quả này góp phần bảo đảm khả năng triển khai ứng dụng nhất quán trên các hạ tầng HPC khác nhau.

Đặc biệt, nhóm nghiên cứu phát triển giải pháp giám sát hệ thống dựa trên cảm biến ảo eBPF (Extended Berkeley Packet Filter). Công nghệ này cho phép thu thập dữ liệu chuyên sâu tại các nút tính toán, đồng thời giảm đáng kể tài nguyên CPU dành cho hoạt động giám sát.

Theo kết quả thử nghiệm, mức tiêu thụ CPU của công cụ giám sát giảm từ khoảng 10,6 - 14% khi sử dụng các script truyền thống xuống còn 0,5 - 1,5%. Phần tài nguyên được tiết kiệm có thể dành cho các tác vụ tính toán thực tế, qua đó nâng cao hiệu quả khai thác hệ thống HPC.

Một kết quả khác là giải thuật nén dữ liệu dòng trực tuyến PLA (Piecewise Linear Approximation), hướng tới xử lý lượng lớn dữ liệu giám sát theo thời gian thực. Trên tập dữ liệu Leibniz HPC-ODA, giải thuật đạt tỷ số nén hơn 195 lần với sai số 1% và hơn 471 lần với sai số 5%, trong khi thông lượng xử lý đạt từ 1 triệu đến gần 4 triệu điểm dữ liệu/giây.

Giải thuật nén dữ liệu đã được chấp nhận đơn đăng ký sở hữu trí tuệ. Một công trình liên quan cũng được trao giải Best Paper ACM SIG AI tại Hội nghị Khoa học Quốc tế IEA/AIE 2026 tại Malaysia.

Tạo nền tảng cho AI và tính toán thế hệ mới

Hội đồng nghiệm thu đánh giá nhiệm vụ có những đóng góp mới trong tiếp cận các kỹ thuật, công nghệ liên quan đến HPC và điện toán lượng tử, một hướng nghiên cứu còn khá mới tại Việt Nam. Các giải pháp được phát triển bám sát xu hướng công nghệ tiên tiến, đồng thời giải quyết bài toán nâng cao hiệu năng, hiệu quả sử dụng và chia sẻ tài nguyên trên các hệ thống tính toán quy mô lớn.

Theo đánh giá, kết quả nghiên cứu có khả năng tạo tác động thực tiễn đối với vận hành và khai thác các hệ thống HPC, trước hết tại những đơn vị có hạ tầng tính toán mạnh. Việc tối ưu phân bổ tài nguyên, giảm tải hoạt động giám sát và nâng cao hiệu quả khai thác GPU có thể giúp tận dụng tốt hơn hạ tầng hiện hữu, tạo điều kiện thúc đẩy nghiên cứu AI, dữ liệu lớn và tính toán hiệu năng cao.

Các giải pháp của đề tài đã được thử nghiệm trên hai hệ thống HPC tại Phòng Thí nghiệm Tính toán Hiệu năng cao, Trường Đại học Bách khoa và Trung tâm Công nghệ thông tin và Địa không gian thuộc Sở Khoa học và Công nghệ TP Hồ Chí Minh. Đây là cơ sở để xem xét mở rộng ứng dụng tại các trường đại học, viện nghiên cứu và doanh nghiệp có hệ thống tính toán mạnh tương tự.

Đáng chú ý, hướng kết nối HPC với điện toán lượng tử được xem là một cách tiếp cận mới, tạo cơ sở để tiếp tục nghiên cứu và phát triển năng lực làm chủ các công nghệ tính toán thế hệ mới. Các sản phẩm phần mềm, công cụ giám sát, giải thuật điều phối tài nguyên và mô hình mô phỏng lượng tử của nhiệm vụ có thể tiếp tục hoàn thiện, chuyển giao và khai thác trong thực tế.

Kết quả nhiệm vụ góp phần nâng cao hiệu quả khai thác hạ tầng HPC hiện hữu, tối ưu nguồn lực tính toán và tạo thêm nền tảng công nghệ cho nghiên cứu, phát triển các ứng dụng AI. Đồng thời, việc đặt nền móng kết nối HPC với điện toán lượng tử mở ra hướng tiếp cận mới đối với các bài toán tính toán phức tạp, hỗ trợ TP Hồ Chí Minh từng bước phát triển hạ tầng tính toán hiện đại phục vụ AI và các công nghệ mới.