0

0
1

文字

分享

0
0
1

交通號誌燈模擬:省時省油的好方法

昱夫
・2014/08/04 ・1248字 ・閱讀時間約 2 分鐘 ・SR值 517 ・六年級

Traffic light tree. Credit: William Warby
Traffic light tree. Credit: William Warby

每天傍晚5~7點,卡在車陣中的我總是感到焦躁不安,既煩悶又空虛,望向前方的紅綠燈,竟然給我ㄧ片通紅⋯⋯逢年過節,有些路段要移動5公尺甚至得耗上半小時以上,簡直是煉獄。

長時間的塞車消磨人心也浪費汽油,更會排放出多餘的廢氣造成污染。你應該有過這樣的疑惑,為什麼紅燈老是在交通擁塞時一直亮起呢?難道沒有好的號誌設定可以讓交通變得更順暢嗎?其實,這類複雜的網絡問題早已有許多理論模型被提出,其中一些是以縮短交通時間為目的,另外也有部份是針對汽油消耗最佳化的模型,只是以往這兩者鮮少被混合應用在同ㄧ個模型上。

前些日子,麻省理工(Massachusetts Institute of Technology, MIT)的Carolina Osorio團隊,發展了ㄧ套新的交通號誌演算模型,可以結合交通時間與燃料消耗兩個因素,來達到最佳化效果[1]。他們以瑞士的洛桑(Lausanne)作為研究對象,針對進入傍晚尖峰時間的第一個小時,分析區域內47條道路和15個路口的交通狀況(其中包含9個有安裝交通號誌的路口,每個號誌的變換週期設定為90秒或100秒),透過模擬結果,他們的新演算方法可以減少車輛群體平均花在行進的時間高達22%,效果顯著。

Photo Credit: Jose-Luis Olivares/MIT
Photo Credit: Jose-Luis Olivares/MIT

針對交通號誌的控制,常見的演算方法分為兩類型,一種是大尺度、以流量統計分析為基礎,這種方法的精準度較差,但相對節省計算資源;另一種方法,則是導入每一輛行車的資料,在各別路口與路段重新做計算,「由下往上」建立整體的模型,此類型方法會遇到的困難,就是其結果往往極度非線性,需要很大量的資料和重複計算,才能得到與現實接近的狀況。而Osorio團隊的想法,便是希望以大尺度方法的模型為基礎,從中引入小單元的行車資訊,提高精準度,同時又可以避免消耗過多的計算資源。

-----廣告,請繼續往下閱讀-----

「在現實中,當我們想要調整號誌時間來提高效率,常常都會將設定的目標侷限在很小的區域,但這樣的效果卻不一定很好;在我們的研究裡,我們將目標區域擴展至整個城市,以宏觀的角度去分析路段間的關係與行車的流量,從而有效縮短了交通時間」Osorio說道。

除了麻省理工的這項研究,在交通網絡的領域也有很多新奇的點子,希望改善交通擁塞的問題:有人提出可以直接讓車輛和交通號誌做網路連結,建立一個「智慧交通」系統,當車子接近時,號誌可以主動根據該路口的車流量,來調整燈號變換的時機[2]。

目前,紐約已開始和麻省理工合作,希望將Osorio的研究實際應用到城市交通網上,測試它的實用性;如果成功,希望類似的計劃也能在近幾年內快速普及至各大城市,畢竟,改善塞車,不只可以減緩空氣污染,更是挽救了千千萬萬人煩悶的心啊~

 

延伸閱讀:

-----廣告,請繼續往下閱讀-----

 參考資料:

  1. 此論文將刊登於下一刊的Transportation Science上 :Carlina Osorio and kanchana Nanduri, Energy-efficient urban traffic management: a microscopic-based approach, Transportation Science
  2. Smart Traffic Light Could help Cars Save Gas [IEEE, Oct 27, 2010]

資料來源:Better Traffic Light Simulations Could Cut Travel Time and Gas Use [IEEE, July 10, 2014]

-----廣告,請繼續往下閱讀-----
文章難易度
昱夫
57 篇文章 ・ 2 位粉絲
PanSci實習編輯~目前就讀台大化學所,研究電子與質子傳遞機制。微~蚊氫,在宅宅的實驗室生活中偶爾打點桌球,有時會在走廊上唱歌,最愛929。

0

1
0

文字

分享

0
1
0
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

1

3
1

文字

分享

1
3
1
從號誌開始還路於民:增設行人專用時相真的能保護行人嗎?
PanSci_96
・2023/09/02 ・3577字 ・閱讀時間約 7 分鐘

「好不容易綠燈了,怎麼又有路人擋在斑馬線上?現在汽機車要停讓行人,不是只會讓路口更塞嗎?」

「怎麼一綠燈,腳才剛踏出去,就差點被撞到,台灣真的是行人地獄啊!」

話說道路設計的最高原則,就跟XX製藥一樣,是先研究不傷身體,再講求效果。包括行人、駕駛者等用路人的安全要確保,再來才是讓所有用路人都能在安全的條件下,快速地到達目的地。

那麼駕駛轉彎時須等候行人的規定,你怎麼看呢?身為行人的我覺得,這只是遲來的行人正義,本該如此啊!以前每次過馬路都要急急忙忙,還擔心被司機怒瞪,感覺真的很差。不過握上方向盤的我卻又覺得,哇靠,現在每次汽車轉彎遇到行人就要停下來,結果根本如入行車地獄,一整排車子在路上塞爆,綠燈都結束了,車子還卡在路中間!

-----廣告,請繼續往下閱讀-----

與其讓每個人都陷入行人與駕駛的無間道,也許我們該思考的是最根本的燈號設計問題,調整號誌設置加上增設行人專用時相(Pedestrian Scramble),被認為是擺脫行人地獄惡名的關鍵一招,但這招真的有用嗎?該怎麼用才真的好棒棒呢?

紅綠燈秒數該如何設計?

最近交通改革的呼聲很高,820「還路於民大遊行」也即將登場。台灣交通雖然不會因為一次的遊行,在一夕之間改變,但能讓更多人在乎交通的癥結,願意理性討論,我認為都是很好的發展。

因為多起令人傷心的事故,「道路設計」如今備受重視,然而設計道路不是看心情或靠直覺,不論是車道寬度、人行道寬度或是標線位置,都是集合交通學、數學和心理學分析的綜合結果。其中,紅綠燈的設計相對來說比較簡單,因為那就是解數學題嘛。

喔?這數學題該怎麼解呢?我們先以最簡單的雙時相號誌來舉例。這裡所謂的時相,就是指號誌的狀態。例如一個最一般的十字路口,會由一個南北向綠燈、東西向紅燈的時相,加東西向綠燈、南北向紅燈的另一個時相,組成雙時相系統。如果又加上禁止直行、僅允許轉彎的情況,那就是又多了一個時相。而由三個以上組成的系統,就是我們常聽到的「多時相交通號誌」。

-----廣告,請繼續往下閱讀-----
雙時相號誌例圖。圖/轉動高雄青春夢-高雄市政府交通局

現在我們眼前有一個雙時相號誌路口,我們的目標,是設計一個在固定時間內,能讓更多車通過,駕駛可以花更少時間抵達目的地的路口。唯一的條件,是它的紅燈與綠燈時間必須一樣長,那麼你會希望紅燈長一點還是短一點呢?蛤,短一點比較好?真的是這樣嗎?

當我們在設計號誌週期 (signal timing) 時,通常會將號誌畫成類似於 PM 常用的甘特圖,更加一目了然。現在我們有第一種設計:紅燈、綠燈各一分鐘,一個號誌週期是兩分鐘。以及第二種設計:紅燈、綠燈各 30 秒,一個週期是一分鐘。實際畫成甘特圖,雖然一次的紅燈等待時間變短了。但長時間來看,你遇到綠燈跟等紅燈的時間,是一樣多的,也就是在相同時間內,前進的距離是一樣的。

設計號誌週期不同,實際有效時間也會不同。圖/PanSci YouTube

當然啦,相信你也看出來了,現實情況不是這樣,就算是藤原豆腐店的送貨員,從零加速到一百,喔不對,一般道路速限是 50 公里。從零加速到 50,也是需要起步時間的,如果遇到紅燈也需要煞車時間。再加上黃燈的轉換時間,這些時間加起來會產生不少的時間損耗。如果遇到一次紅燈,就會損失 5 秒。那麼在週期為兩分鐘的道路上行駛兩分鐘,實際上的有效時間,只有 60-5 秒,也就是 55 秒的時間。在週期為一分鐘的路口呢?雖然行駛兩分鐘的綠燈時間總計也是一分鐘,卻因為會多遇到一次紅綠燈。所以有效時間會損失 2 次 5 秒,也就是有效時間只剩下 50 秒,比週期是兩分鐘的道路還少了五秒。

結論就是,雖然綠燈長一點,紅燈也需要等久一點,但比起不斷地走走停停,能將速度維持在速限的時間更久,就能節省更多時間。

-----廣告,請繼續往下閱讀-----

號誌連鎖,幹道更順暢

當然,以上假設是紅燈與綠燈一樣長的情形,大部分的道路規劃都存在幹道、支道的區分。幹道是交通的命脈,也是車流量最大的地方,因此綠燈時間就會設計的比紅燈還要長,在號誌設計上也會有其他的考量。

例如,大家在路上看到一整排綠燈,一路大順暢,心情一定也十分舒暢,這被稱為號誌同步 (Signal Synchronization)。剛才討論的是單一紅綠燈的時間長短,現在我們同時考慮整條路上的紅綠燈,依照經驗也知道,沒有號誌同步的幹道,遇到的紅燈次數自然也會比較多,那麼因為頻繁減速、加速而出現的時間損失又多起來了。

但是,號誌同步真的是最優的作法嗎?其實不見得。當我們將號誌再次畫成圖,把號誌的時間和空間擺在一起,形成時空圖(Time-Space Diagram),並且加入行駛速限的考量。

號誌時空圖(Time-Space Diagram)。圖/Traffic Signal Timing Manual

我們會發現,放入合適的時差,能讓號誌如波浪般傳遞下去,每次你剛好到下一個路口,就會剛好遇到綠燈,達到真正的一路大順暢。這種安排方式被稱為號誌連鎖 (Signal Coordination)。而要讓雙向的道路都能受益於號誌連鎖的好處,就需要透過嚴密的車流量與數學計算。

-----廣告,請繼續往下閱讀-----

在這些基礎之上,還需要加入時間、車流、轉彎道等資訊,才能做出最有效的號誌設計,實在不簡單。在這個基礎之上,若要解決行人屢屢遭遇事故的困境,該怎麼設計紅綠燈呢?

行人專用時相是什麼?

前陣子,關於駕駛轉彎時須等候行人的議題又再度浮上水面,有人提出既然每次汽車轉彎遇到行人就要停下來,不如增設「行人專用時相」(Pedestrian Scramble)來解決問題。在這個時相內,只有行人可以移動,反過來說,在汽車移動的時候,行人是不能移動的。

這有什麼好處呢?首先,因為行人穿越馬路時所有汽車都得靜止,因此行人可以穿越對角線,穿越馬路的次數從兩次變為一次。對於駕駛來說也有好處,因為駕駛行駛時已經沒有行人會穿越斑馬線,因此右轉車輛可以不受影響,降低等待時間。而最重要的是,行人移動時沒有任何交通工具正在移動,直接降低了車禍的風險。倫敦交通局在 2010 年的報告中,便說明行人專用時相可以降低 38% 的行人傷亡。

行人專用時相可以降低 行人傷亡。圖/Giphy

既然這麼立竿見影,那把所有路口都加設「行人專用時相」就解決問題了嗎?其實也不是。增加一個時相,就意味整個週期拉長了。因此不論是行人還是車輛,要等的紅燈時間也會拉長。在少部分城市,就觀察到駕駛更容易因為等得不耐煩而搶跑、闖紅燈,例如加拿大的多倫多,就因此在 2015 年取消了行人專用時相。

-----廣告,請繼續往下閱讀-----

一般認為,適合設置行人專用時相的地方,僅在行人人流量高的路口,例如鬧區、車站前、幹道交叉口等等。在行人數量不多的路口,增加時相可能反而會使塞車問題更加嚴重。

還有什麼方法能讓行人更安全的過馬路?

事實上,台灣交通安全協會理事長陳宏益也表示,行人專用時相只是短期應急作法,更好的做法是搭配不同路口採用不同的措施。例如設置「行人早開時相」(Leading Pedestrian Interval),讓行人比車輛早 3~7 秒綠燈,增加行人被駕駛看到的機會、減少人車爭道。

或是呢,設置行人庇護島或將行穿線退縮,除了庇護島能多一分保障外,重要的是行穿線退縮能增加汽車的等候空間,並且因為車輛在轉入時已經轉直,比較不容易因為 A 柱死角而看不見行人。

行穿線退縮也能保護行人安全。圖/PanSci YouTube

這樣聽起來,只要根據每個路口車流、人流,調整燈號設計,台灣的「行人地獄」應該有解囉?你覺得呢?有可能改變嗎?

  1. 當然有解,那麼多國家都提出了交通零死亡願景,事在人為啊!
  2. 教育才是最佳解,從幼兒園開始重新學習行人路權觀念,保守估計下一代……大概就會成功了。
  3. 我不入地獄,誰入地獄,這個肉身臭皮囊,還是靠自己長眼顧好吧!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
所有討論 1
PanSci_96
1262 篇文章 ・ 2419 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

7
4

文字

分享

0
7
4
超級電腦爭霸戰的新一頁開始了:Exascale(10 的 18 次方)之戰
Y.-S. Lu
・2022/09/10 ・5230字 ・閱讀時間約 10 分鐘

2023 即將上線的超級電腦(Supercomputer)

歐洲最大的超級電腦(Supercomputer),將要在 2023 年上線啦!今年六月中時,德國于利希研究中心(Forschungszentrum Jülich GmbH)的超級計算中心(Jülich Supercomputing Centre, JSC)發佈新聞稿[1],表示歐盟的歐洲超級電腦中心聯合承辦組織(EuroHPC Joint Undertaking)選定該研究中心的超級計算中心,做為歐洲第一個設立 Exascale 超級電腦 Jupiter 的地點[2],歐盟出資一半,而另一半的資金將由德國教育部(BMBF)以及北萊茵威斯特法倫州(Nordrhein-Westfalen)文化部共同出資,其意昧著這台超級電腦也將優先提供給德國的科學家,以及北威州的研究單位使用[註一]。表示現今的超級電腦軍備競賽,已打到了 Exascale 了,Jupiter 將是繼美國設立世界第一台 Exascale[註二]的超級電腦 Frontier 後[3],即將出現的次世代超級電腦(如果德國的施工期有好好的踩點)

位於阿貢國家實驗室的 IBM Blue Gene/P 超級計算機。圖/wikipedia

Exascale 的超級電腦具有「每秒百億億次(1018)」(也就是 100 京)的每秒浮點運算(FLOP)能力,實際規模也將具有國家高速運算中心台灣杉二號[4]的 111 倍以上的運算能力,也就是要建立超過百台規模的台灣杉二號才具有 Exascale 的規模,但也同時考驗硬體的處理能力、主機間節點的連線架構、資料讀寫能力,更甚者,則是軟體是否具有 Exascale 的使用能力,也就是硬體與軟體都必須要能夠良好的契合才行。

什麼是超級電腦?可以幫助都市成為超級都市嗎?

「這些顯示器太舊了」雷迪亞茲說。

「但它們後面是世界最強大的電腦,每秒可以進行五百萬億次浮點運算。」

~ 劉欣慈《三體:黑暗森林》

劉欣慈《三體:黑暗森林》(2007)提到人類「當時」最強的電腦,為五百萬億的運算能力「而已」,沒想到 15 年後的今天,地表最強的超級電腦 Frontier 是出現在美國的橡樹嶺國家實驗室(Oak Ridge National Laboratory),而不是小說裡說的,在洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory),而且 Frontier 的效能還是小說裡超級電腦的五千多倍,可說是現實終於有超過小說的時候了(但我們依就沒有飛天滑板可以借東京都的死神小學生)

超級電腦是科學家進行高速/高效計算(High Performance Computing)的主要設備。超級電腦的架構,可以說是非常的簡單:用網路線連結各台主機,讓主機間互相溝通,才能夠進行平行運算。

-----廣告,請繼續往下閱讀-----

一般超級電腦的架構大致上如下:一機板上可能會有一個到數個 CPU,而一個或是數個機板會組成一個節點(Node),有時數個結點會組成一個機櫃(Rack/Cabinet)。節點與節點間的連結,就是依靠網路線在進行 CPU 之間的溝通,因此網路變成非常重要的元件。

節點與節點間的連結,就是依靠網路線在進行 CPU 之間的溝通,因此網路變成非常重要的元件。圖/pixabay

在此架構下,如何讓結點間有效溝通,也是一門學問了[5]。這些 CPU 可以想象是每個拿著工程計算機的研究生,正等著教授指派任務給他們算,而一個節點就是一個房間,在同一個房間內的溝通一定是比較快的,當不同房間需要溝通時,就會需要走出房間去給資料,如果所有的人一起拿資料回報給教授,那這教授可能就會崩潰,所以如何讓研究生(CPU)互相溝通,又不至於塞車,就是電腦工程專家們的專業了。

現在超級電腦的架構也與過往的超級電腦不同了。除了採用巨量 Arm 晶片的日本富岳(具 158,976 節點)、自主研發晶片的中國神威太湖之光(具 40,960 節點)外,前十大超級電腦[3]都是採用 CPU 加上 GPU 的混合架構(如在機板上插上 GPU 增加運算效率),才達到 100 Peta-Flop(1Peta = 1015) 以上的計算量,也意味著未來要在超級電腦上進行高效計算,GPU 運算也成為很重要的應用,因此也有許多計畫正在將軟體朝 GPU 運算的方向前進與推動。

軟體是否能配合平行化,也是非常是否能進行高效運算的重點之一。所謂的高效計算,也是利用許許多多的運算元件(CPU 或是 GPU),採平行運算的方法,將一個問題切成許多碎片,以螞蟻雄兵的方法一一解決,所以不要再怪為什麼你家的電腦 CPU 無論幾核心都只用了一核心,那是因為你的軟體沒有進行平行處理。早期土木界在進行坡面的圓弧破壞面計算時,據說就是用人力一人算一片圓弧的切片,也算是(人力)平行運算的先驅之一了。一般電腦中使用平行運算最多的,應該就是你手上那張 GPU 顯卡,在 GPU 的加持下,電腦螢幕中每個點、每個邊、每個平面上的顏色與光影,才能完美的呈現在使用者的眼前,所以與其用顯卡挖礦,還不如投身虛幻而真實的遊戲世界

-----廣告,請繼續往下閱讀-----

不過有了地表最強的超級電腦,並不代表我們今天就能夠像小說形容的一樣,能幾秒內預測核子彈的破壞能力,或是在一天內算出地球百年後的氣候狀況,因為平行計算加快了計算的速度,但有其極限。

有了地表最強的超級電腦,並不代表我們能夠像小說一樣,在一天內算出地球百年後的氣候狀況,因為平行計算加快了計算的速度,但有其極限。圖/pixabay

資料的讀入或是寫出,也是瓶頸之一,電路板與網路速度,以及資料存取方式都會造成資料讀寫的延遲,更不用說,若是打算模擬地球,其將耗盡 80 exabyte 等級的儲存空間,其為 CERN 的 ATLAS 與 CMS 計畫所產生的資料量的十倍[6]

為什麼氣候模擬要用到 Exascale?

Exascale 的超級電腦除了可以提供更多的運算能力,給更多的使用者進行模擬與計算外,也是挑戰超大型計算的開始。不過為什麼要 Exascale?到底為什麼一個模擬要用到上千甚至是上萬顆的 CPU 在運算?氣象氣候模擬已經將 Exascale 喻為下一階段應使用的救星[7],在氣象上除了要能做到一小時內達成氣象預測外,也希望能夠進行叢集式運算(像是利用隨機方法產生上百個因亂度而有不同結果的預測),進而進行機率式預測分析,或是提高水平距離至 2.5 公里以下的網格精度,此精度也為可進行對流模擬 (Convection-Permit)[8] 的精度。氣候模擬也需要高效能的運算,除了高精度的全球模型外,也需要進行長程的氣候模擬,幾十年到幾百萬年的模擬時間,也將需要 Exascale 等級的超級電腦來加速模擬,縮短實驗時間。越多的計算核心以及有效的平行運算,才能讓最真實的模擬結果讓人類使用,畢竟,誰都希望出遊不要遇上下大雨,也會希望能夠提前幾天知道颱風的路徑。

地球系統模擬中,其中一個挑戰便是進行模擬時程:挑戰一日(24 小時)的超級電腦計算可以得到多少年的模擬結果(simulated years per wall-clock day, SYPD)[6]還真的是「度日如年」,而此地球系統的精度為水平方向僅一公里的超高解析度,用來進行最終極的地球系統模擬:數位攣生(Digital Twins)[9]。數位攣生計畫主要是要建立地球的複製體,以方便人們對地球進行各種「實驗」,了解到經濟或政策面對地球生態或是氣候的影響,因此要達成此目的,強大具 Exascale 能力的電腦,便成為了目標。

目前已經有部份超級電腦都在進行 SYPD 的挑戰,如中國的神威太湖之光,其已完成了每日 3.4 年的地球系統模擬[10],只不過其地面僅有 25 公里的水平精度,海面僅 10 公里的水平精度,還有非常多的進步空間。只可惜,這個實驗並沒有進行進行資料輸出,無法得到正確的效能結果(資料的寫入與輸出也是非常費時的),以及真正的運算結果:因為沒有資料,就沒有辦法分析。

從高速電腦看量子電腦:量子電腦會是傳統的救星嗎?

量子電腦目前也成為了熱門名詞,從 2019 年開始,IBM 與 MIT 共同開始了量子計算課程,各學術單位也在搶攻量子電腦領域,但對地球模擬領域而言,量子電腦還太遙遠,對「傳統物理」的地球科學來說,我們解偏微分、解多項式,用的是傳統的數值方法,跟量子電腦界在進行的運算,也差了十萬八千里。

-----廣告,請繼續往下閱讀-----

編按:這邊所說的數值方法,簡單講就是「暴力解」。例如要求圓周率,就先設定一個半徑為 1 的圓面積公式,然後問電腦答案是多少,電腦的第一步會把所有正整數代入公式中從一個初始數字(Initial State)開始,先找到答案會在 3 到 4 之間,之後又把 3 到 4 之間的所有數,帶回一開始的公式,得知答案在 3.1 到 3.2 之間,之後又將這個區間的所有數帶回一開始的公式,如此重複很多次後,就會得到相對接近的正確答案。

量子電腦就比較詭異了,量子態的平行運算與邏輯閘,使得兩者的運算邏輯完全不同,以上面的圓周率問題為例,量子電腦會直接給出在 3.1415925 至 3.1415927 之間,存在正確答案的可能性是最高的,但是這個範圍也有可能是錯的,而且就算是錯的,以我們現在的能力也很難說明它錯在哪裡。

從表面上來看,傳統電腦用暴力解,以排除錯誤答案的方式逼近正確答案,而量子電腦不排除錯誤答案,直接找到最有可能的答案會在哪個區域,但不保證運算過程中的正確性。

因為這個區別,若將現在成熟的模擬方法直接導入量子電腦中,最有可能出現的就是不知道怎麼解讀得到的數據,這包含了答案的正確程度,以及改動特定變數後所產生的答案變動是從何而來?

IBM 與 GOOGLE 正在爭奪追逐量子霸權(Quantum Supremacy)的同時[11],(不過 Google 號稱的量子霸權,也就是一萬倍的計算速度,在 2021 年被中國科學院理論物理所的 Feng 等人用了 15 個 NVIDIA V100 GPU 給追上[12][註五]),其離傳統電腦計算的距離,也有十萬八千里遠,離應用於地球科學計算上還有一定的距離,但只要哪一天能夠應用在普通的大氣循環模式(GCM),就可以算是第一步吧。但是在量子力學進入大氣科學前,我們氣候與氣象模擬還是只能使用傳統的電腦主機,靠著 2 位元的方法進行大氣模擬,所以目前傳統超級電腦還沒有被取代的機會。

結語:超大主機與超大計算

依摩爾定律,每十八個月,CPU 晶片的製成就會進步一倍,同時,超級電腦中心卻是一直受益於摩爾定律帶來的好處,也就是 CPU 的能力越來越強,而價格也越來越親民,也讓氣候氣象模擬的空間精度也隨之升高。

Neumann 等人也預計在 2030 年代後,進行 1 公里等級的超高精度計算也將不是夢想[7],而在 Exascale 主機降臨前的這個年代,有些超級計算中心已經以節點(Node)做為計算資源耗費的單位(Node per hour),而非 CPU per hour,顯示出大型主機對計算資源消耗的想法以從 CPU 規模上升到了 Node 規模。

一方面使用者受益於更多的 CPU 資源,但同時這些主機也要求更新更大量的計算能力,如瑞士的 Piz Daint 與瑞典的 LUMI,皆要求使用者的計算必須是含有 GPU 運算能力,而純粹靠 CPU 運算的軟體,將無法享受到同等的巨量資源。

-----廣告,請繼續往下閱讀-----
IBM為橡樹嶺國家實驗室開發的Summit超級計算機(或 OLCF-4)。圖/flickr

而相應的挑戰也隨之而生,除了硬體將進入 Exascale 的時代,軟體也將一同進入這場大戰,才能享受同等的資源。另外一個挑戰則是綠色挑戰,1 公里精度的氣象模擬,每一模擬年將耗盡 191.7 百萬瓦時[6],相當於台灣一個家庭可以用上 43 年的電量[註三],也可以讓特斯拉的 Model 3LR 從地球開到月球來回開 1.5 次[註四],其耗能之巨,也是我們計算或是模擬界科學家應該要注意到的問題,也是為何除了 HPC Top500 外,亦有 Green 500[13]的原因吧,而具有超高效能的 Frontier,也同時奪下了 Green 500 之冠,也算是 Exascale 的好處吧。

註解與文獻

  • [註一] 若需使用 JSC 的超級電腦,必須透過不同的計畫項目進行申請,其計畫主持人(PI)為歐洲或是德國的研究者[14]
  • [註二] 日本的富岳其實也可以進行到 Exscale 的運算,只是要超頻而已,想當然爾是非常規設定。
  • [註三] 根據台電 2021 年新聞稿中,家庭離峰平均用電為 339 度以及 6-9 月為 434 度推估。
  • [註四] 根據 Tesla M3 LR 為 25kWh per 100 Miles,月球至地球為 384400 公里推估
  • [註五] Feng 也公開了他的程式碼
  • [1] Forschungszentrum Jülich 新聞稿
  • [2] EUROPE HPC 新聞稿
  • [3] 2022 年六月 HPC Top 500 名單
  • [4] 國家高速網路中心台灣杉二號介紹
  • [5] 司徒加特超級電腦中心:HAWK 主機之連線架構
  • [6] T. C. Schulthess, P. Bauer, N. Wedi, O. Fuhrer, T. Hoefler and C. Schär, “Reflecting on the Goal and Baseline for Exascale Computing: A Roadmap Based on Weather and Climate Simulations,” in Computing in Science & Engineering, vol. 21, no. 1, pp. 30-41, 1 Jan.-Feb. 2019, doi: 10.1109/MCSE.2018.2888788.
  • [7] Neumann P et al. 2019, Assessing the scales in numerical weather and climate predictions: will exascale be the rescue?. Phil. Trans. R. Soc. A 377: 20180148. http://dx.doi.org/10.1098/rsta.2018.0148
  • [8] Kendon, E. J., Ban, N., Roberts, N. M., Fowler, H. J., Roberts, M. J., Chan, S. C., Evans, J. P., Fosser, G., & Wilkinson, J. M. (2017). Do Convection-Permitting Regional Climate Models Improve Projections of Future Precipitation Change?, Bulletin of the American Meteorological Society, 98(1), 79-93
  • [9] Bauer, P., Dueben, P.D., Hoefler, T. et al. The digital revolution of Earth-system science. Nat Comput Sci 1, 104–113 (2021). https://doi.org/10.1038/s43588-021-00023-0
  • [10] Zhang, S., Fu, H., Wu, L., Li, Y., Wang, H., Zeng, Y., Duan, X., Wan, W., Wang, L., Zhuang, Y., Meng, H., Xu, K., Xu, P., Gan, L., Liu, Z., Wu, S., Chen, Y., Yu, H., Shi, S., Wang, L., Xu, S., Xue, W., Liu, W., Guo, Q., Zhang, J., Zhu, G., Tu, Y., Edwards, J., Baker, A., Yong, J., Yuan, M., Yu, Y., Zhang, Q., Liu, Z., Li, M., Jia, D., Yang, G., Wei, Z., Pan, J., Chang, P., Danabasoglu, G., Yeager, S., Rosenbloom, N., and Guo, Y.: Optimizing high-resolution Community Earth System Model on a heterogeneous many-core supercomputing platform, Geosci. Model Dev., 13, 4809–4829, https://doi.org/10.5194/gmd-13-4809-2020, 2020. https://gmd.copernicus.org/articles/13/4809/2020/
  • [11] 「嗨量子世界!」~ Nature Newsletter
  • [12] Feng Pan, Keyang Chen, and Pan Zhang, Solving the sampling problem of the Sycamore quantum circuits, accepted by Phys. Rev. Lett.
  • [13] 2022 年六月 HPC Green 500 名單
  • [14] JSC 系統申請辦法

-----廣告,請繼續往下閱讀-----
Y.-S. Lu
4 篇文章 ・ 6 位粉絲
自從來到學界後,便展開了一段從土木人到氣象人的水文之旅。主要專業是地球系統數值模擬,地下水與地表模式的耦合系統,以及大氣氣象模擬。目前是于利希研究中心(Forschungszentrum Jülich GmbH)超級電腦中心的博士後研究員。