Dört trilyon kozmik parçacıktan dijital beyne
Dört trilyon karanlık madde parçacığı kullanan bir simülasyon, 100 milyar nöron içeren dijital bir beyin ve bir kilometre çözünürlüklü okyanus tahmin sistemi, Çin'in Sugon 8000 bilişim sistemiyle birlikte Shenzhen'deki büyük bir konferansta sunulan uygulamalar arasında yer aldı.
İçindekiler
- Dört trilyon kozmik parçacıktan dijital beyne
- Bağlantılı 100 bin kart ne iş yapıyor?
- Yapay zekâyı fizik kurallarıyla doğrulayan araştırma döngüsü
- Temmuz'daki faaliyete geçiş ve ekim ayındaki tanıtım
- Evren ve beyin projeleri neleri kapsıyor?
- Malzeme, hava durumu, okyanuslar ve sanal mısır
- Hesaplamaların arkasındaki ağ ve depolama altyapısı
- Soğutma, yoğunluk ve kartları çalışır durumda tutmanın maliyeti
- Sistemin kullanımının kapsamı
- Öne Çıkanlar
Geliştiricisinin, 100 bin hızlandırıcı kart içeren ve tamamen yerli imkânlarla geliştirilen Çin'in ilk yapay zekâ süper kümesi olarak tanımladığı makine, 22. CCF Yüksek Performanslı Hesaplama Ulusal Konferansı'nda tanıtıldı. Etkinlik 17-20 Ekim 2026'da Shenzhen Dünya Fuar ve Kongre Merkezi'nde düzenlendi; 10 öncü uygulama başarısı ise 18 Ekim'de açıklandı.
Dengfeng olarak da anılan Sugon 8000, Henan eyaletinin Zhengzhou kentinde kuruldu ve Ulusal Süper Bilgisayar İnternet Ağı'na bağlandı. Sistemin temel tasarımı, matematiksel ve fiziksel kurallara göre hesaplama yapan yüksek performanslı bilişimi, verilerden örüntüler öğrenen yapay zekâyla bir araya getiriyor.
Pratik amaç, araştırmacılara zor problemleri incelemek için daha hızlı bir yöntem sunmak. Geleneksel bir simülasyon eğitim verisi üretebilir, yapay zekâ olası yanıtları tarayabilir ve ardından başka bir ayrıntılı simülasyon en umut verici sonuçları doğrulayabilir.
Sugon'un tamamlanma duyurusu, sistemin tamamlanma ve ağa bağlanma tarihini 10 Temmuz 2026 olarak veriyor. Bu nedenle ekim ayındaki sunumda; astronomi, malzeme bilimi, yaşam bilimleri, hava durumu ve tarım alanlarındaki çalışmalar da dâhil olmak üzere hâlihazırda kullanılan sistemin uygulamalarına odaklanıldı.
Bağlantılı 100 bin kart ne iş yapıyor?
Yapay zekâ hızlandırıcı kartı, çok sayıda hesabı paralel biçimde gerçekleştirmek için tasarlanmış bir bilgisayar donanımı parçasıdır. 100 bin kartın birbirine bağlanması, veri alışverişini yeterince hızlı yapabildikleri takdirde, kümenin zorlu görevleri çok sayıda işlemciye bölmesini sağlar.
Sugon, sistemin FP64'ten INT8'e kadar değişen sayısal biçimleri desteklediğini belirtiyor. FP64, kayan noktalı bir sayıyı temsil etmek için 64 bit kullanır ve bilimsel hesaplamalarda yüksek sayısal hassasiyet sağlar. INT8 ise tam sayıları sekiz bit kullanarak temsil eder; daha küçük sayılar bellek kullanımını ve hesaplama maliyetlerini azaltabildiğinden bazı yapay zekâ işlemlerinde kullanışlıdır.
Araştırmanın farklı aşamaları farklı hassasiyet düzeyleri gerektirir. Ayrıntılı bir fizik simülasyonu FP64 gerektirebilirken, olası malzemeleri tarayan bir yapay zekâ modeli daha düşük hassasiyetli bir biçim kullanabilir. Sugon 8000, bu iş yüklerini aynı bilişim platformunda destekleyecek şekilde tasarlandı.
10 bin karttan 100 bin karta geçiş, kart sayısında 10 kat artış anlamına geliyor. Ancak elde edilen performans; yazılımın işi ne kadar verimli böldüğüne, verilerin ne kadar hızlı aktarıldığına ve işlemcilerin birbirini bekleyerek ne kadar zaman geçirdiğine de bağlı.
Sugon, yaklaşımını yüksek performanslı bilişim ile yapay zekânın yerel entegrasyonu olarak tanımlıyor. Pratikte altyapı; bilimsel simülasyon, model eğitimi ve çıkarım, yani eğitilmiş bir yapay zekâ modelinin yanıt üretmek için kullanılması işlerini yürütmek üzere tasarlandı.
Yapay zekâyı fizik kurallarıyla doğrulayan araştırma döngüsü
Bilimsel simülasyon ve yapay zekâ farklı noktalardan yola çıkar. Bir simülasyonda atomların nasıl etkileştiğini veya havanın nasıl hareket ettiğini açıklayan denklemler kullanılabilir. Başlangıç durumundan hareketle, çoğu zaman çok sayıda küçük adım üzerinden bir sonraki aşamada ne olacağını hesaplar.
Yapay zekâ modeli örneklerden öğrenir. Yeterli sayıda simülasyon sonucuyla örüntüleri belirleyebilir ve her ayrıntılı hesaplamayı baştan tekrarlamaktan çok daha hızlı biçimde sonuç tahmin edebilir. Araştırmacıların çok sayıda olası tasarımı veya molekül düzenini incelemesi gerektiğinde bu hız önem kazanır.
Sugon 8000'in bütünleşik yaklaşımı üç aşamadan oluşuyor. İlk olarak bilimsel bilişim simülasyon verileri üretir. İkinci olarak yapay zekâ bu verilerden öğrenir ve adayları tarar. Son aşamada ayrıntılı bilimsel hesaplamalar, umut vadeden daha küçük bir aday grubunu doğrular.
Son doğrulama önemlidir; çünkü yapay zekâ, çoğu zaman halüsinasyon olarak adlandırılan, makul görünen ancak hatalı sonuçlar üretebilir. Bilimsel çalışmalarda ilgi çekici bir tahminin, incelenen fiziksel davranışla karşılaştırılarak sınanması gerekir. Bütünleşik iş akışı, maliyetli hesaplamaları ilk taramayı geçmiş adaylara yönlendirir.
Araştırmacılar açısından fayda, bilişim kaynaklarına ayrılan sürenin nasıl kullanılabileceğinin değişmesidir. Her olasılık için en ayrıntılı hesabı çalıştırmak yerine, arama alanını daraltmak için yapay zekâdan yararlanabilir ve daha yüksek hassasiyeti yakından incelenmeyi hak eden durumlara ayırabilirler.
Temmuz'daki faaliyete geçiş ve ekim ayındaki tanıtım
Sugon'un temmuz ayındaki duyurusu ile ekim ayındaki konferans sunumu, sistemin kullanıma alınmasının farklı aşamalarını anlatıyor. Şirket önce sistemin tamamlandığını, ardından operasyonel verileri ve daha sonra kapsamlı bilimsel tanıtımı duyurdu.
- 10 Temmuz 2026: Sugon, Sugon 8000'in tamamlandığını ve Ulusal Süper Bilgisayar İnternet Ağı'na bağlandığını duyurdu.
- 18 Temmuz: Dünya Yapay Zekâ Konferansı sırasında açıklanan veriler, sistemin ilk haftasında tam kapasiteyle kullanıldığını ve günde ortalama 150 binden fazla işin işlendiğini gösterdi.
- 17-20 Ekim: CCF Yüksek Performanslı Hesaplama Ulusal Konferansı Shenzhen'de düzenlendi.
- 18 Ekim: Sugon, konferansta 10 öncü uygulama başarısını tanıttı.
Sugon'un açıkladığı resmî tamamlanma tarihi 10 Temmuz. Ekim ayındaki bir başka açıklamada ise kümenin ağustosta resmen hizmete girdiği belirtiliyor; ancak bu dönüm noktasının temmuzdaki faaliyete geçişle ilişkisi açıklanmıyor.
İlk haftaya ait veriler, günlük en yüksek iş sayısının 500 bini aştığını ve belirtilen günlük ortalama 150 bin eşiğinin üç katından fazla olduğunu gösteriyor. İş, sisteme gönderilen bir hesaplama görevi anlamına geliyor; dolayısıyla bu toplamda büyüklükleri ve süreleri birbirinden çok farklı görevler yer alabilir.
Temmuz ayındaki operasyonel güncellemede, görev türü, veri konumu ve kaynakların kullanılabilirliğini dikkate alan zamanlama sayesinde aynı anda milyonlarca kullanıcı talebinin desteklendiği de belirtildi. Bu tür zamanlama, ortak güzergâh ve ekipmanların darboğaza dönüşmesini önlerken işleri doğru ekiplere dağıtmaya benziyor.
Evren ve beyin projeleri neleri kapsıyor?
Qianyan kozmolojik simülasyonu, evrimin modellenmesi için dört trilyon karanlık madde parçacığı kullandı. Karanlık madde, ışık yaymasa da kütle çekim etkileri gözlemlenebilen maddedir. Simülasyondaki parçacıklar bu maddenin bölümlerini temsil eder ve araştırmacıların büyük ölçekli yapıların nasıl geliştiğini hesaplamasına imkân verir.
Sayısal ölçek, makinenin simüle edilmiş bir evreni kapsayabildiği yönündeki tanımlara somut bir karşılık sunuyor. Araştırmacılar, kozmik maddeyi ve davranışını matematiksel olarak temsil ediyor, ardından bu temsilin nasıl değiştiğini hesaplıyor.
Fudan Üniversitesi'nden bir ekip de konferansta, bu ölçekte dünyanın ilk örneği olarak tanımlanan 100 milyar nöron ölçeğinde bir dijital beyin sundu. Dijital beyin, sinir hücrelerini ve aralarındaki etkileşimleri yazılımda temsil ederek araştırmacıların bunların toplu davranışını incelemesini sağlıyor.
Her iki proje de çok sayıda nesne için depolama alanından fazlasını gerektiriyor. Simüle edilen sistem değiştikçe bilgisayarın etkileşimleri tekrar tekrar hesaplaması ve işlemciler arasında bilgi aktarması gerekiyor.
Astronomi ve beyin projeleri, ekim ayındaki sunumun neden yalnızca kart sayısına değil, uygulamalara odaklandığını gösteriyor. Bir modelin ne kadar karmaşıklığı işleyebildiği, hesaplamalarının ayrıntı düzeyi ve simülasyonun tamamlanma süresi de önemli ölçütler arasında.
Malzeme, hava durumu, okyanuslar ve sanal mısır
Makine öğrenimi tabanlı kuvvet alanı yazılım paketi MatPL, moleküler dinamik simülasyonunu doğruluğu kuantum mekaniği hesaplamalarına yaklaşıyor olarak tanımlanan bir düzeyle bir trilyon atoma çıkardı. Moleküler dinamik, atomların zaman içindeki hareketini izler. Kuvvet alanı ise bu hareketi belirleyen atomlar arası kuvvetleri tahmin eder.
Makine öğrenimi, bu kuvvet tahminlerinin hesaplanmasını, daha ayrıntılı bir kuantum problemini tekrar tekrar çözmekten daha az maliyetli hâle getirebilir. Konferanstaki sunum, MatPL'nin başarısını simülasyon ölçeği ile sayısal doğruluğun kesişiminde konumlandırdı. Bu iki gereksinimi aynı anda karşılamak çoğu zaman zordur.
Küresel ölçekte kısa ve orta vadeli hava tahminleri için geliştirilen Fengqing Ensemble V1.0 sistemi operasyonel kullanıma girmişti. Topluluk tahmini, hava durumunun biraz farklı başlangıç koşullarından veya varsayımlardan nasıl gelişebileceğini incelemek için birden fazla tahmin sürümü çalıştırır.
Okyanus araştırmalarında swLFS, bir kilometre çözünürlüklü dünyanın ilk küresel okyanus sirkülasyonu tahmin sistemi olarak tanıtıldı. Daha yüksek çözünürlük, modelin daha küçük mekânsal özellikleri temsil etmesini sağlarken küresel okyanus genelinde gereken hesaplama miktarını da artırıyor.
Çin Tarım Üniversitesi'nin Virtual Maize platformunun, ıslah döngülerini 10 yıldan uzun bir süreden birkaç yıla indirdiği belirtildi. Platform, yararlı ürün özelliklerinin aranmasında bilişimden yararlanarak araştırmacıların ıslah yoluyla takip edecekleri kombinasyonları daraltmasına yardımcı oluyor.
Açıklanan 10 başarı arasında enerji araştırmaları ve gelişmiş ekipman geliştirme çalışmaları da yer aldı. Öne çıkarılan örnekler, kümeyi hava tahmini, okyanus sirkülasyonunun modellenmesi, atom davranışlarının incelenmesi ve ürün ıslahı seçeneklerinin belirlenmesi gibi somut çalışmalarla buluşturuyor.
Hesaplamaların arkasındaki ağ ve depolama altyapısı
Sugon, yerli altyapısının çiplerden bilişim ekipmanlarına, depolama, ağ, soğutma, uygulama ve hizmetlere kadar uzandığını belirtiyor. Hygon ve yerli imkânlarla geliştirilen diğer çipler bilişim altyapısını sağlıyor. Konferans haberlerinde, daha geniş mimarinin içinde şirket bünyesinde geliştirilen altı çipten de söz edildi.
scaleFabric ağı, yerel uzaktan doğrudan bellek erişimi (RDMA) kullanıyor. Bu teknoloji, verilerin ana işlemcilerin daha az müdahalesiyle makineler arasında aktarılmasını sağlayarak bilgi alışverişindeki bazı ek yükleri azaltıyor.
Büyük ölçekli simülasyon veya yapay zekâ eğitimi sırasında ara sonuçlar tekrar tekrar paylaşıldığı için hızlı bağlantılar kritik önem taşıyor. İşlemciler hesaplamalarını bitirip veri beklemek zorunda kalırsa kurulu bilişim kapasitesinin bir bölümü atıl kalır.
Sugon, dağıtık depolama sistemi ParaStor'u da temel bileşenlerden biri olarak gösteriyor. Dağıtık depolama, verileri birden fazla makineye yayarak büyük iş yüklerinin birçok yol üzerinden bilgi okuyup yazmasını sağlıyor. Şirket, ParaStor'un 2026 IO500 sıralamasında üretim tam düğüm ve 10 düğüm performans kategorilerinde ilk sırada yer aldığını belirtiyor.
Model eğitimi sırasında büyük veri kümelerinin tekrar tekrar okunması, bilimsel simülasyonlarda ise ara sonuçların kaydedilmesi gerekebildiğinden depolama performansı önemlidir. İlerlemeyi kaydetmek, uzun süreli bir hesaplamanın kesintinin ardından kaldığı yerden sürdürülmesine de yardımcı olur.
Bu ölçekte ağ tıkanıklığını yönetmek, yük dengelemesi ve arızaları yalıtmak temel mühendislik görevlerine dönüşüyor. Zamanlayıcının işleri uygun işlemcilerin ve verilerin bulunduğu yerlere yönlendirmesi; ağın ise yerel bir sorunun daha geniş çaplı bir yavaşlamaya yol açmasını önleyerek ortaya çıkan trafiği taşıması gerekiyor.
Soğutma, yoğunluk ve kartları çalışır durumda tutmanın maliyeti
Sugon 8000, faz değişimi sürecini kullanan daldırmalı soğutma sisteminden yararlanıyor. Ekipman ısıyı bir soğutucu sıvıya aktarırken sıvının hâl değiştirmesi de ısının uzaklaştırılmasına yardımcı oluyor. Sugon, tasarımın megavat sınıfında güç yoğunluğuna sahip kabinleri destekleyebildiğini belirtiyor.
Şirket ayrıca yerli imkânlarla geliştirilen soğutucu sıvılardan ve yıl boyunca dış ortam koşullarından yararlanan bir soğutma sisteminden söz ediyor. Bu özellikler temel bir kısıta çözüm getiriyor: Daha fazla bilişim gücünü sınırlı bir alana sığdırmak, sürekli uzaklaştırılması gereken daha fazla ısı üretir.
Temmuz ayındaki operasyonel güncellemede, birim başına bilişim yoğunluğunun diğer süper düğümlere kıyasla 20 kat arttığı öne sürüldü. Sugon'un temmuzdaki tamamlanma açıklamasında ise bu ölçekte bir küme için enerji verimliliği, bellek erişimi ve ağ tasarımının gerekli sınamalar olduğu ayrıca belirtildi.
Elektrik arzı ve soğutma ekipmanlarının hem uzun süreli yoğun kullanımı hem de talepteki değişimleri karşılayabilmesi gerekiyor. Bilimsel simülasyon, yapay zekâ eğitimi ve büyük hacimli çıkarım işlemleri yürüten bir makinenin iş yükü değiştikçe farklı trafik ve güç gereksinimleri ortaya çıkabilir.
İzlenmesi gereken sonraki pratik ölçütler arasında tamamlanan görev başına tüketilen enerji, veri beklerken geçen süre, işlerin tamamlanma süreleri ve arızaların ardından toparlanma yer alıyor. Yayımlanan duyurularda toplam güç tüketimi, işletme maliyetleri, uygulama hızı veya kullanıcı ücretlerine ilişkin karşılaştırılabilir verilerin tamamı bulunmuyor.
Sistemin kullanımının kapsamı
Sugon'un temmuz ayındaki tamamlanma duyurusunda, 20'den fazla alanda 300'den fazla bilimsel bilişim ve yapay zekâ uygulamasının birlikte optimize edildiği belirtildi. 70'ten fazla uygulama 10 bin kart ölçeğine çıkarıldı. Açıklanan örnekler arasında protein katlanması, bir trilyon su atomunu içeren moleküler dinamik ve 100 trilyon ızgara hücresi kullanan türbülans simülasyonu yer aldı.
Temmuz ayındaki operasyonel güncellemede yaklaşık bin uygulamanın uyarlanmasından söz edildi. Ekim konferansında ise 30'dan fazla alanda derinlemesine optimize edilmiş 300'den fazla öncelikli uygulama bulunduğu, bunlardan 20'den fazlasının tüm sistemde çalıştığı belirtildi. Ekim ayındaki başka bir açıklamada 26 alanda 300'den fazla hesaplama görevi olduğu sayıldı. Bu toplamlar; yazılım uyarlaması, öncelikli optimizasyon ve hesaplama görevleri gibi farklı kategorileri kapsıyor.
Ulusal Süper Bilgisayar İnternet Ağı, kümeyi üniversitelerin, araştırma kurumlarının, işletmelerin ve bireysel kullanıcıların erişimine açmayı amaçlıyor. Ağın görevi, bilişim talebini mevcut kaynaklarla buluşturmak ve büyük bir kümeyi kendi başına kurup işletebilen kuruluşların dışındaki kullanıcıların da bu kaynaklara erişmesini sağlamak.
Sugon 8000, 18 Ekim'de başlatılan Bilim için HPC+AI öncü gözlem programı kapsamında örnek uygulama vakası olarak da seçildi. Konferansta, bilişim altyapısı, yazılım ve uygulamalar üzerine ortak çalışmalar için bir sektör iş birliği eylem planı ve açık bir topluluk tanıtıldı.
Sugon, Pekin Yapay Zekâ Akademisi ile stratejik ortaklık kurduğunu ve 100 bin kart içeren tamamen yerli ikinci bir sistem geliştirdiğini duyurdu. İlk makine için ekim ayındaki sonuçlar, tamamlanan bilimsel çalışmalara ve kesintisiz hizmete odaklandı. Önerilen ikinci sistem bu yaklaşımı tek bir kurulumun ötesine taşıyacak.
Öne Çıkanlar
- Sugon 8000, 100 bin yapay zekâ hızlandırıcı kartını birbirine bağlıyor ve Henan eyaletinin Zhengzhou kentinde faaliyet gösteriyor.
- Sugon, sistemin tamamlandığını ve Ulusal Süper Bilgisayar İnternet Ağı'na bağlandığını 10 Temmuz 2026'da duyurdu.
- Shenzhen'de 18 Ekim'de 10 öncü uygulama başarısı tanıtıldı.
- Öne çıkarılan projeler arasında dört trilyon karanlık madde parçacığı kullanan bir simülasyon, 100 milyar nöronlu dijital beyin ve bir trilyon atom ölçeğinde moleküler simülasyon yer alıyor.
- Sistem, ayrıntılı bilimsel hesaplamaları yapay zekâ eğitimi ve çıkarım işlemleriyle aynı platformda birleştiriyor.
- Sugon, 100 bin kart içeren tamamen yerli ikinci bir kümenin geliştirilmesini duyurdu.






