به رایانه‌ای اطلاق می‌گردد که در زمان معرفی آن در زمینهٔ میزان ظرفیت محاسبه در واحد زمان در جهان پیشرو باشد From Wikipedia, the free encyclopedia
اَبَررایانه[1] (به انگلیسی: Supercomputer) به رایانه‌ای گفته می‌شود که در زمان معرفی آن در زمینه میزان ظرفیت محاسبه در واحد زمان در جهان پیشرو باشد. این واژه برای نخستین‌بار توسط مجله «نیویورک ورلد» برای اشاره به جدول‌سازهای آی‌بی‌ام در دانشگاه کلمبیا به‌کار رفت.[2] اولین ابر رایانه در جهان در سال ۱۹۶۰ ساخته شد.[3]
ساخت ابررایانه در ایران از سال ۱۳۸۹ شروع شد و تا به امروز دو ابر رایانه شیخ بهایی و سیمرغ ساخته شده‌است.
ابررایانه‌هایی را که در دههٔ ۱۹۶۰ ساخته و ارائه شدند سیمور کری از بنگاه کنترل اطلاعات (CDC) طراحی کرده بود و تا دههٔ ۱۹۹۰ هم بازار در دست این ابررایانه‌ها بود. زمانی که سیمور کری جدا شد و رفت تا شرکت خودش به نام تحقیقات سیمور را راه‌اندازی و اداره کند با طرح‌های جدیدش بازار ابررایانه‌ها را در دست گرفت و تا پنج سال (۱۹۸۵–۱۹۹۰) یکه‌تاز بازار ابر محاسبه بود. خود کری هرگز واژهٔ ابررایانه را استفاده نکرد و کمتر کسی به خاطر دارد که او تنها کلمهٔ رایانه را استفاده می‌کرد. در سال ۱۹۸۰ هم‌زمان با ظهور بازار رایانه‌های کوچک که یک دهه پیش به وجود آمده بودند شمار زیادی رقبای کوچک وارد بازار شدند. اما بسیاری از این‌ها در دههٔ ۱۹۹۰ با بروز مبارزات بازار ابررایانه حذف شدند. امروزه ابررایانه‌ها طراحی‌های سفارشی کم‌نظیری هستند که شرکت‌های صنعتی مثل آی‌بی‌ام و اچ‌پی تولید می‌کنند. همان شرکت‌هایی که بسیاری از شرکت‌های دههٔ ۱۹۹۰ را خریدند تا از تجربه‌شان استفاده کنند. البته بنگاه کری هنوز به صورت حرفه‌ای به ساخت ابررایانه ادامه می‌دهد. اصطلاح ابررایانه چندان پایدار و ثابت نیست. ممکن است ابررایانه امروز فردا تبدیل به یک رایانه معمولی شود. نخستین دستگاه‌های CDC پردازنده‌های نرده‌ای (اسکالر) خیلی سریع بودند؛ ده برابر سریع‌تر از سریع‌ترین ماشین‌های دیگر شرکت‌ها. در دههٔ ۱۹۷۰ اکثر ابررایانه‌ها به انجام محاسبات برداری پرداختند و بسیاری رقبا و تولیدکنندگان جدید پردازنده‌های خودشان را با قیمت پایین با همان روش کار به بازار ارائه کردند تا در بازار حاضر شوند. در ابتدا و میانهٔ دههٔ ۱۹۸۰ ماشین‌هایی با پردازنده‌های اندک برداری که به صورت موازی کار می‌کردند تبدیل به استاندارد شدند. هر ماشینی معمولاً چهارده تا شانزده پردازندهٔ برداری داشت. در اواخر دهٔ ۱۹۸۰ و ۱۹۹۰ دوباره توجه‌ها از پردازنده‌های برداری به سامانه‌های پردازندهٔ موازی معمول معطوف شد که هزاران ریزپردازنده معمولی داشتند و برخی از آن‌ها نمونه‌های آماده و برخی هم سفارش‌های مشتریان بودند (در اصطلاح کاری، این را حملهٔ میکروهای کشنده می‌نامند). امروزه طرح‌های موازی بر اساس ریزپردازنده‌های آمادهٔ نوع سرور ساخته می‌شوند از جمله Power PC, Itanium, x۸۶–۶۴ و مدرن‌ترین ابررایانه‌ها بسته (کلاستر)های رایانه‌ای با تنظیمات دقیق هستند که پردازنده‌های کم حجم و رابط‌های داخلی سفارشی و بسته به مورد دارند.
ابزارهای نرم‌افزاری برای پردازش توزیع شده شامل APIهای استاندارد از جمله MPI, PVM و ابزارهای نرم‌افزاری متن باز ازجمله Beowulf, Warewulf, Open mosix هستند که ساختن یک ابررایانه را از شماری سرورها یا واحدهای کاری ممکن می‌کنند. فناوری‌هایی مثل ZerConf (Rendez-Vous/Bonjourقرار ملاقات/سلام) برای ساخت بسته‌های رایانه‌ای موردنیاز برای نرم‌افزارهای تخصصی مثل shake اپل هستند. در علوم رایانه هنوز یک زبان برنامه‌نویسی ساده برای ابررایانه‌ها نیست و موضوع خوبی برای تحقیق خواهد بود. برنامه‌های کاربردی هزاران دلار هزینه داشت اما امروزه به لطف جامعهٔ متن باز (که گاهی در این زمینه فناوری‌های جالب توجهی به وجود می‌آورد) رایگان هستند.
ابررایانه‌ها با رم‌ها و کار آیی‌های بسیاری که دارند معمولاً برای عملیات حساس روی محاسبه از جمله مسائل فیزیک کوانتوم، هواشناسی، تحقیقات آب و هوا (از جمله تحقیق دربارهٔ گرم شدن کرهٔ زمین) مدل‌سازی مولکولی (مطالعهٔ ساختارها و محتویات ترکیبات شیمیایی، ماکرومولکول‌های بیولوژیکی، پلیمرها و بلورها) شبیه‌سازی‌های فیزیکی (مثل شبیه‌سازی هواپیماها در تونل‌های هوا، شبیه‌سازی انفجار سلاح‌های هسته‌ای و تحقیق دربارهٔ پیوست هسته‌ای) تحلیل مخفی و … استفاده می‌شوند. دانشگاه‌های بزرگ، مراکز نظامی و آزمایشگاه‌های تحقیقات علمی بزرگ‌ترین کاربران آن هستند. نوع خاصی از مسائل به نام مسائل بسیار مشکل، مسائلی که حل کامل شان نیازمند منابع رایانه‌ای نیمه بی پایان هستند. یک مطلب قابل توجه در این مقال تفاوت بین محاسبهٔ، توانایی محاسبه و ظرفیت است چنان‌که گراهام و همکارانش بررسی کرده‌اند. محاسبهٔ توانایی یعنی استفاده از ماکزیمم توان محاسبه برای حل یک مسئلهٔ بزرگ در کم‌ترین زمان. این سامانه اغلب می‌تواند مسئلهٔ را با حجم و پیچیدگی که هیچ رایانه دیگری نمی‌تواند حل کند حل نماید. اما محاسبهٔ ظرفیت یعنی استفاده از توان محاسبهٔ مقرون به صرفه و کارآمد برای حل مسائل کم و بیش بزرگ یا شمار زیادی مسائل کوچک یا آمادگی برای اجرا روی سامانه توانایی استفاده می‌شود.
ابررایانه‌هایی که پردازنده‌های سفارشی داشتند پیش‌تر سرعتی که روی رایانه‌های معمولی داشتند را از طراحی‌های ابتکاری شان به دست می‌آوردند که اجازه می‌داد مثل یک مهندسی به هم پیچیده چند کار را به صورت موازی انجام دهند. آن‌ها را تنها برای انواع مشخصی از محاسبات مثل محاسبات عددی استفاده می‌کردند و در محاسبات کلی تر رایانه‌ای ضعیف عمل می‌کردند. سلسله مراتب حافظهٔ آن‌ها به دقت طراحی می‌شد تا دائماً اطلاعات و دستورالعمل در دسترس پردازنده قرار گیرد. در اصل عمده‌ترین تفاوت بین ابررایانه‌هاو رایانه‌های کندتر در سلسله مراتب حافظه‌شان است. سامانه ورودی/خروجی آن‌ها برای پهنای باندهای بالا با تأخیر بسیار پایین طراحی شده‌است چرا که اساساً ابررایانه‌ها برای پردازش انتقالات طراحی نشده‌اند. در این‌جا هم مثل هر سامانه موازی قانون آمدال صدق می‌کند. طراحی‌های مختلف ابررایانه‌ها برای حذف تتابع (serialization) نرم‌افزارها تلاش بسیاری می‌کنند و برای رفع مشکلات و تنگناهای باقی‌مانده و تسریع آن‌ها از سخت‌افزار استفاده می‌کنند.
فناوری‌های تولید شده برای ابررایانه‌ها شامل این‌ها می‌شوند:
فنون پردازش برداری اوائل برای ابررایانه‌ها طراحی و ایجاد شده‌اند و برای کاربردهای سطح بالا و تخصصی استفاده می‌شوند. این فنون به وفور وارد بازار معماری DSP و راهکارهای پردازش SIMD رایانه‌های همه منظوره هم شده‌اند. به‌ویژه کنسول‌های جدید بازی‌های رایانه‌ای از SIMD خیلی استفاده می‌کنند و به این دلیل است که برخی تولیدکنندگان ادعا می‌کنند ماشین‌های بازی شان ابررایانه هستند. واقعیت این است که برخی کارت‌های گرافیک توان محاسبهٔ چندین ترافلاپ (teraFLOP) را دارند. نخستین پردازش‌های رایانه‌ای طبیعتی داشت که هدف خاصی را دنبال می‌کرد و کاربردهایی که می‌توان برای این قدرت داشت را محدود می‌کرد با پیش رفته تر شدن بازی‌های رایانه‌ای واحدهای پردازش گرافیکی (GPUها) متحول شده‌است به عنوان پردازنده‌های برداری همه منظوره مفیدتر شده‌اند و یک دیسیپلین کامل علوم رایانه‌ای به وجود آمد تا از این توانایی استفاده کند به نام محاسبه‌های همه منظوره بر واحدهای پردازش گرافیکی(GPGPU).
سامانه‌عامل ابررایانه‌ها که اغلب امروزه انواعی از لینوکس و یونیکس هستند و اگر پیچیده‌تر از ماشین‌های کوچک‌تر نباشند همان قدر پیچیده هستند. ظاهری که کاربر می‌بیند ساده‌تر است چون سازندگان OSها منابع برنامه‌نویسی کمتری برای سرمایه‌گذاری بر بخش‌های غیرضروری OSها (یعنی بخش‌هایی که مستقیماً به بهترین کاربرد سخت‌افزار نمی‌شود) دارند. دلیل اصلی آن این است که این رایانه‌ها میلیون‌ها دلار قیمت دارند اما بازار خریدشان بسیار کوچک است لذا بودجه‌های R&D شان اغلب محدود است. وجود یونیکس و لینوکس اجازه می‌دهد ظاهر کاربری (user interface) نرم‌افزار دسکتاپ معمولی دوباره مورد استفاده قرار بگیرد. جالب آنجا ست که در تاریخ صنعت ابررایانه‌ها این روند هم چنان ادامه پیدا کرده‌است و رهبران قدیمی این فناوری از جمله Silicon Graphics در برابر امثال nVIDIA عقب نشسته‌اند چرا که این‌ها می‌توانند محصولات ابتکاری ارزان و پرفایده و پرکاربرد را به لطف مشتریان بسیارشان که R&D آن‌ها را تأمین می‌کنند تولید نمایند. از نظر تاریخی تا ابتدا و میانهٔ دههٔ ابررایانه‌ها اغلب سازگاری گروه دستورات و قابلیت جابجایی کدها را فدای عملکرد و سرعت پردازش و دسترسی به حافظهٔ رایانه می‌کردند. اغلب ابررایانه‌ها تا به امروز برخلاف رایانه‌های گران‌قیمت فنی high end main frames سامانه‌های عامل بسیار متفاوتی دارند. Cray-۱ به تنهایی شش OS ویژه خودش را داشت که جامعهٔ رایانه هیچ خبری از آن‌ها نداشت. مشابه آن کامپایلرهای برداری‌کننده و مواز ی‌کنندهٔ بسیاری هم برای فرترن موجود بود. اگر به خاطر سازگاری گروه دستورات اولیه بین Cray-۱ و Cray x-mp و پذیرش انواع OSهای یونیکس مثل CrayUnicos و لینوکس نبود این اتفاق برای ETA-۱۰ هم می‌افتاد. به همین دلیل در آینده سامانه‌هایی با بالاترین کاربرد احتمالاً رنگ و بویی از یونیکس خواهند داشت اما با خاصیت‌های ویژه سامانه ناسازگار به‌ویژه برای سامانه‌های بسیار فنی و گران‌قیمت با امکانات امن مطمئن.
معماری موازی ابررایانه‌ها ایجاب می‌کند فنون برنامه‌نویسی خاصی برای سرعت بالایشان استفاده شود. کامپایلرهای هدفمند فرترن معمولاً می‌توانند کدهای سریع تری از C یا C++ تولید کنند. به این دلیل فراترن همچنان بهترین انتخاب برای برنامه‌نویسی علمی و البته برای اکثر برنامه‌هایی که روی ابررایانه‌ها اجرا می‌شود باقی می‌ماند. برای بهره‌وری از موازی بودن ابررایانه‌ها، محیط‌های برنامه‌نویسی خاصی برای برنامه‌نویسی آن‌ها استفاده می‌شود از جمله برای بسته‌های رایانه‌ای پراکنده و دور از هم PVM و MPI و برای ماشین‌های حافظه اشتراکی بسیار نزدیک به هم OpenMP استفاده می‌شود.
چنان‌که در فهرست نوامبر ۲۰۰۶ می‌بینیم ده رایانه برتر فهرست پانصد رایانه برتر (و البته بسیاری رایانه دیگر در این لیست) معماری سطح بالا اما مشابهی دارند. هر کدام مجموعه‌ای از مولتی پروسسورهای تماماً SIMD هستند. هر ابررایانه‌ای بسته به‌شمار مولتی پروسسورهای مجموعه، شمار پروسسورهای هر مولتی پروسسور و نیز شمار عملیاتی که می‌تواند به صورت هم‌زمان در هر پروسسور SIMD انجام بدهد از دیگر ابررایانه‌ها متفاوت می‌شود. در این سلسله چنین چیزهایی داریم:
طبق بررسی ماه نوامبر سال ۲۰۰۶ قانون مور (Moore) و اقتصاد مقیاسی (economy of scale) فاکتور اصلی در طراحی ابررایانه‌ها هستند. یک PC دسکتاپ مدرن امروزه قوی تر از یک ابررایانه پانزده سال پیش است و این طراحی‌هایی که سابقاً اجازه می‌داد ابررایانه‌ها از ماشین‌های دسکتاپ بهتر عمل کنند در طراحی PCها استفاده می‌شوند. به علاوه هزینه‌های ایجاد تراشه‌ها (چیپchip) باعث می‌شود طراحی تراشه‌های سفارشی برای کاربرد محدود مقرون به صرفه نباشد بلکه تولید انبوه تراشه‌ها را تأیید می‌کند که مشتری داشته باشند و هزینهٔ تولید را پوشش بدهد. یک واحد کاری مدل هسته چهارگانه Xeon با عملکرد GHz۲٫۶۶ از یک ابررایانه C۹۰ کری چند میلیون دلاری که در دههٔ ۱۹۹۰ استفاده می‌شد بهتر است و حجم بسیار بالایی از کار که در دههٔ ۱۹۹۰ به چنین ابررایانه‌ای نیاز داشت امروزه با یک واحد کاری کمتر از ۴۰۰۰ دلاری انجام می‌شود. مسایلی که ابررایانه‌ها آن‌ها را حل می‌کردند اکثراً باید موازی‌سازی می‌شدند (یعنی تقسیم کار بزرگ به چند کار کوچک‌تر برای انجام هم‌زمان) آن هم به قطعات بزرگ تا حجم اطلاعاتی که بین واحدهای پردازندهٔ مستقل انتقال پیدا می‌کرد کاهش پیدا کند. این است که می‌توان به جای بسیاری ابررایانه‌های سنتی از بسته‌های طراحی استاندارد بهره برد که با برنامه‌ریزی قابلیت عملکرد یگانه و همگرا را دارند.
ابررایانه هدفمند ابزارهای محاسباتی با عملکرد بسیار سطح بالا و معماری سخت‌افزاری مناسب حل یک مسئلهٔ خاص هستند. می‌توان در آن‌ها از تراشه‌های FPGA برنامه‌ریزی شده یا چیپ‌های VLSI سفارشی استفاده نمود که عمومیت شان را از دست می‌دهند اما در عوض نسبت قیمت به کاربرد بالاتری ارائه می‌دهند. از آن‌ها برای محاسبات نجومی و کد شکنی‌های بسیار قوی استفاده می‌شود. پیش آمده‌است که یک ابررایانه هدفمند جدید از برخی نظرها از سریع‌ترین ابررایانه وقت سریع تر عمل کند مثلاً GRAPE-۶ که در سال ۲۰۰۲ در برخی مسائل سریع تر از شبیه‌ساز زمین عمل کرد. مثال‌هایی از ابررایانه هدفمند
سرعت ابررایانه بر اساس FLOPS محاسبه می‌شود که مخفف عملیات دقیق شناور در هر لحظه می‌باشد و معمولاً هم یک پسوند SI مثل ترا یا پتا با آن است. در حالت ترا بودن آن را TFLOPS ترافلاپ ده به توان دوازده FLOP و در حالت پتا بودن PFLOPS پتافلاپ ده به توان پانزده می‌گویند. این محاسبهٔ بر اساس مقیاسی که مارتیس بزرگ را تجزیه ی(LU decomposition می‌کند صورت می‌گیرد. این نمونه مسائل حقیقی را بررسی می‌کند اما خیلی راحت‌تر از محاسبهٔ مسائل جهان واقعی است.
از سال ۱۹۹۳ نتایج LINPAK پانصد ابررایانه سریع جهان را همواره رتبه‌بندی نموده‌است. البته ادعا نمی‌شود این فهرست کاملاً بی ایراد است اما بهترین از سرعت رایانه را در هر زمان دارد.
پس از Tianhe-1A، نوبت به این غول چینی رسید تا رکورد سرعت را با ثبت عدد ۳۳٫۸۶ پتافلاپس بشکند. Tianhe-2 از پردازنده‌های Xeons و Xeon Phi اینتل از سری آیوی بریج استفاده می‌کند و در مجموع ۳ میلیون و ۱۲۰ هزار هسته پردازشی دارد. این ابر رایانه که ۱۷٬۸۰۸ کیلووات مصرف انرژی دارد، بر روی کاغذ قادر است به سرعت ۵۴٫۹ پتافلاپس هم دست یابد. پس اگر لازم شد، شاید بتواند برای حفظ جایگاه خود، سرسختانه بجنگد. منبع
برخی انواع محاسبات توزیع شدهٔ مقیاس وسیع برای مسائل بسیار موازی‌سازی شده را می‌توان اوج ابر محاسبهٔ دسته‌بندی شده نامید؛ مثلاً پلتفرم BOINC (که میزبان شماری پروژهٔ محاسبهٔ توزیع شده هستند) در بیست و هفتم مارس سال ۲۰۰۷ از طریق ۱۷۹۷۰۰۰ رایانه اضافه روی شبکه بالای ۵۳۰٫۷ ترافلاپ سرعت عملکرد به ثبت رساند. سریع‌ترین پروژه بود SETI@home که با ۱۳۹۰۰۰۰ رایانه اضافه ۲۷۶٫۳ ترافلاپ کار می‌کرد. یک پروژهٔ توزیع شدهٔ دیگر Folding@home بود که در اواخر سپتامبر ۲۰۰۷ قدرت عملکرد برابر ۱٫۳ پتافلاپ گزارش داد. مشتریانی که از پلی استیشن استفاده می‌کنند از توان محاسبهٔ بالا ۱ پتافلاپ استفاده می‌کنند. تحقیق Mersenne Prime توزیع شدهٔ GIMP تا اکتبر ۲۰۰۷ قدرت برابر ۲۳ ترافلاپ به ثبت رسانده‌اند. سامانه موتور جستجوی گوگل با ۱۲۶ تا ۳۱۶ ترافلاپ احتمالاً سریع‌ترین باشد.
در نهم سپتامبر سال ۲۰۰۶ دفتر مدیریت امنیت هسته‌ای ملی انرژی آمریکا (NNSA)، آی بی ام(IBM) را برای طراحی و ساخت نخستین ابررایانه جهان انتخاب کرد. سامانه‌ای که برای تولید ماشینی پردازندهٔ موتور پنهای باند سلولی (cell BE) ماشینی با توان پایستهٔ یک پتافلاپ یا یک هزار تریلیون محاسبه در ثانیه بسازد. پروژهٔ دیگری که IBM به آن مشغول است ساخت Cyclops۶۴ است که قرار است روی یک تراشه یک ابررایانه نصب کند. دکتر کارمارکار در هند پروژه‌ای را برای ساخت ابررایانه یک پتافلاپی رهبری می‌کند. CDAC هم در حال ساخت رهبری می‌کندی است که تا سال ۲۰۱۰ بتواند به یک پتافلاپ برسد. NSF هم پروژه‌ای بیست میلیون دلاری برای ساخت یک ابررایانه یک پتافلاپی در دست دارد. NCSA هم در دانشگاه ایلینوی اوربانا شامپاین مشغول چنین پروژه‌ای است و برآورد می‌شود تا سال ۲۰۱۱ آن را تکمیل کند.
این‌جا جدولی از سریع‌ترین ابررایانه‌های رکورددار همه منظورهٔ موجود در جهان با سال کسب رکوردشان را می‌بینید. منبع عناوینی که سال ثبتشان پیش از سال ۱۹۹۳ است مختلف است اما برای عناوین پس از سال ۱۹۹۳ از فهرست پانصد رایانه برتر جهان استفاده کرده‌ایم.
قدتمندترین سوپر کامپیوتر جهان در سال ۲۰۲۱ معرفی شده‌است و فوگاکو (Fugaku) نام دارد. این سوپر کامپیوتر از توان پردازشی ۴۴۲ ترافلاپس بهره می‌برد و نسبت به سوپر کامپیوتر Summit متعلق به IBM که در جایگاه دوم لیست برترین ابرکامپیوترهای جهان قرار دارد و از توان پردازشی ۱۴۸٫۸ ترافلاپس بهره می‌برد، سه برابر قدرتمندتر است.
| Year | Supercomputer | Peak speed | Location |
|---|---|---|---|
| ۱۹۴۲ | Atanasoff–Berry Computer (ABC) | ۳۰ OPS | دانشگاه ایالتی آیووا، Ames, Iowa، USA |
| TRE Heath Robinson | ۲۰۰ OPS | Bletchley Park | |
| ۱۹۴۴ | Flowers Colossus | ۵ kOPS | Post Office Research Station, Dollis Hill, UK |
| ۱۹۴۶ | UPenn انیاک (before 1948+ modifications) |
۱۰۰ kOPS | آبردین پروو گراوند، مریلند، مریلند، USA |
| ۱۹۵۴ | IBM NORC | ۶۷ kOPS | U.S. Naval Proving Ground, Dahlgren، ویرجینیا، USA |
| ۱۹۵۶ | MIT TX-۰ | ۸۳ kOPS | Massachusetts Inst. of Technology, Lexington، ماساچوست، USA |
| ۱۹۵۸ | IBM AN/FSQ-۷ | ۴۰۰ kOPS | ۲۵ U.S. Air Force sites across the continental USA and 1 site in کانادا (۵۲ computers) |
| ۱۹۶۰ | UNIVAC LARC | ۲۵۰ kFLOPS | آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA |
| ۱۹۶۱ | IBM 7030 "Stretch" | ۱٫۲ MFLOPS | آزمایشگاه ملی لاس آلاموس، نیومکزیکو، USA |
| ۱۹۶۴ | CDC ۶۶۰۰ | ۳ MFLOPS | آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA |
| ۱۹۶۹ | CDC ۷۶۰۰ | ۳۶ MFLOPS | |
| ۱۹۷۴ | CDC STAR-۱۰۰ | ۱۰۰ MFLOPS | |
| ۱۹۷۵ | Burroughs ILLIAC IV | ۱۵۰ MFLOPS | مرکز پژوهشی ایمز ناسا، کالیفرنیا، USA |
| ۱۹۷۶ | Cray-۱ | ۲۵۰ MFLOPS | آزمایشگاه ملی لاس آلاموس، نیومکزیکو، USA (80+ sold worldwide) |
| ۱۹۸۱ | CDC Cyber ۲۰۵ | ۴۰۰ MFLOPS | (numerous sites worldwide) |
| ۱۹۸۳ | Cray X-MP/۴ | ۹۴۱ MFLOPS | آزمایشگاه ملی لاس آلاموس; آزمایشگاه ملی لارنس لیورمور; Battelle; بوئینگ |
| ۱۹۸۴ | M-۱۳ | ۲٫۴ GFLOPS | Scientific Research Institute of Computer Complexes، مسکو، USSR |
| ۱۹۸۵ | Cray-۲/۸ | ۳٫۹ GFLOPS | آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA |
| ۱۹۸۹ | ETA۱۰-G/۸ | ۱۰٫۳ GFLOPS | دانشگاه ایالتی فلوریدا، فلوریدا، USA |
| ۱۹۹۰ | NEC SX-۳/۴۴R | ۲۳٫۲ GFLOPS | NEC Fuchu Plant, Fuchu، ژاپن |
| ۱۹۹۳ | Thinking Machines CM-۵/۱۰۲۴ | ۶۵٫۵ GFLOPS | آزمایشگاه ملی لاس آلاموس; آژانس امنیت ملی ایالات متحده آمریکا |
| فوجیتسو Numerical Wind Tunnel | ۱۲۴٫۵۰ GFLOPS | National Aerospace Laboratory، توکیو، ژاپن | |
| اینتل Paragon XP/S ۱۴۰ | ۱۴۳٫۴۰ GFLOPS | آزمایشگاه ملی سندیا، نیومکزیکو، USA | |
| ۱۹۹۴ | فوجیتسو Numerical Wind Tunnel | ۱۷۰٫۴۰ GFLOPS | National Aerospace Laboratory، توکیو، ژاپن |
| ۱۹۹۶ | Hitachi SR۲۲۰۱/۱۰۲۴ | ۲۲۰٫۴ GFLOPS | دانشگاه توکیو، ژاپن |
| Hitachi/تسوکوبا، ایباراکی CP-PACS/۲۰۴۸ | ۳۶۸٫۲ GFLOPS | Center for Computational Physics، دانشگاه تسوکوبا، تسوکوبا، ایباراکی، ژاپن | |
| ۱۹۹۷ | اینتل ASCI Red/۹۱۵۲ | ۱٫۳۳۸ TFLOPS | آزمایشگاه ملی سندیا، نیومکزیکو، USA |
| ۱۹۹۹ | اینتل ASCI Red/۹۶۳۲ | ۲٫۳۷۹۶ TFLOPS | |
| ۲۰۰۰ | IBM ASCI White | ۷٫۲۲۶ TFLOPS | آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA |
| ۲۰۰۲ | NEC Earth Simulator | ۳۵٫۸۶ TFLOPS | Earth Simulator Center، یوکوهاما-shi، ژاپن |
| ۲۰۰۴ | IBM Blue Gene/L | ۷۰٫۷۲ TFLOPS | U.S. Department of Energy/IBM، USA |
| ۲۰۰۵ | ۱۳۶٫۸ TFLOPS | U.S. Department of Energy/U.S. National Nuclear Security Administration، آزمایشگاه ملی لارنس لیورمور، کالیفرنیا، USA | |
| ۲۸۰٫۶ TFLOPS | |||
| ۲۰۰۷ | ۴۷۸٫۲ TFLOPS | ||
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
