Wolfram Compute Services

 (writings.stephenwolfram.com)
2 Punkte von GN⁺ 2025-12-08 | 1 Kommentare | Auf WhatsApp teilen
  • Wolfram Compute Services ist ein vollständig programmierbarer Cloud-Computing-Service, mit dem sich Wolfram Language-Berechnungen im großen Maßstab skalieren lassen
  • Nutzer senden mit dem Befehl RemoteBatchSubmit komplexe Berechnungen an einen entfernten Server und erhalten nach Abschluss automatisch die Ergebnisse
  • Bis zu 192 Kerne und 1,5 TB RAM können gewählt werden, und mit RemoteBatchMapSubmit wird parallele Verarbeitung über mehrere hundert Kerne unterstützt
  • Jobs lassen sich über E-Mail- und Dashboard-Benachrichtigungen, Zeit- und Kreditlimits sowie automatische Abhängigkeitsverarbeitung verwalten
  • Der Dienst stellt sofort die Supercomputer-Skalierbarkeit der Wolfram Language bereit und vereinfacht so Rechenumgebungen für Forschung und Industrie

Überblick über Wolfram Compute Services

  • Wolfram Compute Services ist ein System, das die Ausführung von Wolfram Language-Berechnungen großskalig in der Cloud ermöglicht
    • Wenn Sie Code mit RemoteBatchSubmit einreichen, wird die Berechnung auf Wolfram-Servern ausgeführt und das Ergebnis zurückgegeben
    • Ab Wolfram Desktop 14.3 können Sie es mit dem Befehl RemoteBatchSubmissionEnvironment["WolframBatch"] sofort aktivieren
  • Bestehende Parallelfunktionen wie ParallelMap und ParallelTable werden erweitert, um den Zugang zu großen Rechenressourcen zu automatisieren
  • Alle Berechnungen werden auf Basis symbolischer Ausdrücke verarbeitet und können daher numerische, Bild-, Graphik- oder Videodaten sowie weitere Datentypen direkt handhaben

Rechenskala und Ausführungsumgebung

  • Nutzer können die Größe von Jobs durch die Wahl verschiedener Maschinenklassen anpassen
    • Beispiel: Basic1x8 (1 Kern/8 GB), Compute192x384 (192 Kerne/384 GB), Memory192x1536 (192 Kerne/1,5 TB)
  • RemoteBatchMapSubmit ist eine erweiterte Variante von ParallelMap, die großskalierte parallele Verarbeitung auf mehreren Maschinen ermöglicht
    • Für jeden Kern werden automatisch verteilte „child jobs“ erzeugt, die Ergebnisse können mit Catenate zusammengeführt werden
  • Der Jobstatus ist über das Web-Dashboard in Echtzeit einsehbar, und nach Abschluss wird eine Ergebnisschau per E-Mail bereitgestellt

Beispiel: PentagonTiling und Suche nach zellulären Automaten

  • Ein Beispiel mit der Funktion PentagonTiling für die Erzeugung nicht überlappender Fünfeckmuster wird gezeigt
    • 20 Fünfecke werden lokal schnell berechnet, bei mehr als 500 werden sie über Compute Services ausgeführt
    • Die Ergebnisse werden per E-Mail übermittelt und können in einem Wolfram Notebook sofort für Folge-Berechnungen genutzt werden
  • Ein Beispiel für großskalierte parallele Suche durch 100 Millionen Regeln für zelluläre Automaten wird vorgestellt
    • Auf einer 192-Kern-Maschine erfolgt die Ausführung innerhalb weniger Stunden, mit RemoteBatchMapSubmit sind Ergebnisse in 3 Minuten verfügbar
    • Insgesamt werden 8 Stunden Rechenzeit parallel genutzt

Programmierbare Steuerung und Verwaltungsfunktionen

  • Für jeden Job können Optionen wie Zeitlimit (TimeConstraint), Kreditlimit (CreditConstraint) und Jobname (RemoteJobName) festgelegt werden
  • Über das Benachrichtigungssystem (RemoteJobNotifications) lassen sich Statusänderungen, Kreditverbrauch und verstrichene Zeit als E-Mail- oder SMS-Nachricht empfangen
  • Die Ergebnisse werden standardmäßig zwei Wochen lang gespeichert und bei Bedarf mit CloudPut dauerhaft in der Wolfram Cloud abgelegt
  • Bei einem Fehler ist eine detaillierte Protokollanalyse unter anderem über "JobLogTabular" möglich und ein Abbruch über RemoteBatchJobAbort möglich

Zukünftige Erweiterungen

  • Compute Services startete als Batch-Computing-Umgebung und soll künftig auch eine Funktion für synchrones Remote-Kernel-Computing erhalten
  • Über Wolfram HPCKit können Organisationen ihre eigene HPC-Infrastruktur als RemoteBatchSubmit-Backend einrichten
    • Die Anbindung benutzerdefinierter Batch-Provider zusätzlich zu "WolframBatch" ist ebenfalls vorgesehen
  • Dieser Service ist der aktuelle Stand der Wolfram-Cloud-, Application Server- und Engine-Linie, die sich seit Mathematica 1988 entwickelt hat
  • Ziel ist es, Supercomputing-Kapazitäten sofort bereitzustellen, sodass Forscher und Entwickler große Rechenaufgaben einfach durchführen können

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2025-12-08
Hacker-News-Meinungen

  • Ich habe Wolfram Language früher wirklich gern benutzt
    Wenn man es eher aus der Perspektive eines Forschers als eines Programmierers angeht, fühlt es sich wie ein deutlich mächtigeres Werkzeug für Exploration und Prototyping an
    Irgendwann zwischen 2016 und 2020 habe ich damit coole Experimente gemacht, etwa das Datum zu berechnen, an dem Sonnenlicht durch eine Glaswand ins Innere fällt, und das dann als Animation zu visualisieren
    Heute würde ich wohl einfach Claude fragen, aber in der Zeit vor LLMs war WL das beste Denkwerkzeug
    (Zur Info: Es gibt auch unbefristete Lizenzen)

    • Ich denke, die Stärke der Sprache kam aus ihrer knappen Syntax und der riesigen Mathematica-Bibliothek
      Wenn Python „batteries included“ ist, dann ist Mathematica eher auf dem Niveau von „Raumschiff inklusive“
      Wäre es Open Source geworden, hätte es die IT-Industrie vielleicht stark verändert, aber als teure kommerzielle Software bleibt es wohl ein Nischenprodukt mit Schwerpunkt Wissenschaft
    • Die Kombination Mathematica + LLM ist wirklich stark
      Wenn man die weltweit größte Bibliothek mathematischer Routinen mit Visualisierungswerkzeugen und dem Schub eines LLM kombiniert, wird das für Experimente, Bildung und Visualisierung zu einem nahezu überwältigenden Werkzeug
      Ich nutze es seit 1992, aber inzwischen ist es viel schneller, Claude einfach zu sagen: „Visualisiere mir das“
    • Ich habe es immer bedauert, nie mit Werkzeugen wie Mathematica oder MatLab gearbeitet zu haben
      Es hat mich überrascht, dass manche Leute allein mit MatLab sogar GUIs und Deep-Learning-Modelle bauen
      Mathematica ist teuer, könnte aber vielleicht motivieren, Mathematik zu lernen
      Mich würde interessieren, wie Leute ohne Fachhintergrund MatLab, Mathematica und Maple verwenden
    • Ich habe es seit über 20 Jahren auf meinem Laptop installiert und benutze es vielleicht einmal im Jahr
      Jedes Mal fühlt es sich an, als würde man mit einer 500-Tonnen-Presse eine Walnuss knacken
      Mathematica wird auch in Industrie und Wissenschaft viel zu sehr unterschätzt

  • Ich finde, die Tech-Branche braucht mehr Menschen wie Stephen Wolfram
    Ein bisschen exzentrisch, aber die Haltung, wirklich etwas Gutes bauen zu wollen, wirkt erfrischend
    Es ist schön zu sehen, wie jemand sich ohne den kurzfristigen Gewinndruck von VCs oder MBAs ganz auf Forschung konzentriert

    • Stimme zu. Wolfram wird oft kritisiert, aber die über Jahrzehnte aufgebauten wissenschaftlichen und technischen Leistungen sind wirklich bewundernswert

  • Es wäre schön, wenn Mathematica selbst mit der Leistung eines Supercomputers in unter 30 Sekunden starten würde
    Ich verstehe nicht, warum Software, die seit 1988 fast dasselbe macht, immer noch so langsam ist

    • Trotzdem gibt es noch kein System, das das Werkzeug-Ökosystem von Mathematica ersetzt
      Erstaunlich, dass es nach 37 Jahren immer noch keine vollständige Alternative gibt
      Jupyter Notebook ist nicht auf demselben Niveau
    • Das wirkt wie ein extremes Beispiel des „Not-Invented-Here“-Syndroms
      Dadurch gibt es zwar viele originelle Funktionen, aber dass es bis in die 2010er hinein Undo/Redo nicht gab, war schon heftig
    • Eigentlich trifft dieses Gefühl auf fast jede Consumer-Software zu

  • Die Strategie „eine proprietäre Sprache mit einem proprietären Dienst erweitern“ ist für bestehende Kunden gut, hat aber Grenzen bei der Gewinnung neuer Nutzer
    Es wirkt wie ein Vorzeichen dafür, die Cloud-Nutzung erzwingen zu wollen
    Viel innovativer wäre es, wenn Wolfram einen Simulationsdienst bauen würde, der mithilfe von LLMs natürliche Sprache in Mathematica-Code umwandelt
    Auch MathWorld ließe sich dabei als Basis-Asset nutzen

    • Guter Punkt

  • Viele reden bei Stephen Wolfram nur über seine Persönlichkeit oder über Bits und Bytes,
    aber eigentlich hätte allgemeine Programmierung inzwischen das Abstraktionsniveau von Wolfram erreichen müssen
    Wahrscheinlich sind Agenten- und LLM-basierte Codegenerierung der Weg zur nächsten Stufe
    Allerdings dürfte die Automatisierung als Nebenwirkung die Teamgrößen verkleinern

    • Wenn du mit „Wolfram überall“ konkret wirst: Was genau meinst du — Zugänglichkeit von Datensätzen? Mathematische Funktionen? CAS-Funktionalität?
    • Halb im Scherz, halb ernst würde ich gern fragen: „Stephen, bist du das?“
      Tatsächlich gibt es bereits Umgebungen, in denen derselbe Code auf verschiedenen Plattformen (x86, ARM, WASM usw.) laufen kann
      Eine einzelne Sprache für Grafik, Full-Stack, Embedded und HPC würde jedoch zu übermäßiger Komplexität führen

  • Mir hat diese Art der Vorstellung neuer Funktionen wirklich gefallen
    Problemdefinition → Lösungsansatz → Beispiel → schrittweise Erklärung war klar aufgebaut und leicht verständlich
    Normalerweise ist man nach dem Lesen noch verwirrter, aber diesmal nicht

    • Interessant ist, dass Stephen Wolfram zugleich echter Nutzer und letzter Entscheidungsträger seiner eigenen Software ist
      Früher hat er Besprechungen zu neuen Funktionen sogar live auf YouTube gestreamt, und dabei konnte man merken, wie sehr ihm das Produkt am Herzen liegt
      Das hatte etwas von einer Führung im Stil von Jobs

  • Es sieht so aus, als hätte Stephen Cloud Computing nun endlich ernsthaft eingeführt
    Ich hatte früher einmal einen Erfahrungsbericht zu RemoteKernel gelesen, und diesmal wirkt es deutlich besser
    Schön wäre allerdings, wenn man es in der eigenen Cloud hosten könnte
    Ich habe Mathematica einmal auf einer VM mit 512 GB RAM und 128 Kernen laufen lassen, aber die Kosteneffizienz war nicht besonders gut

    • Als damals der headless kernel herauskam, habe ich mich gefragt, ob man ihn auf Kubernetes betreiben könnte
      Tatsächlich gibt es Wolfram Application Server for Kubernetes, aber seit über einem Jahr keine Updates mehr

  • Ich benutze Mathematica seit den 1990er Jahren und habe mich über 20 Jahre lang gefragt, warum sie keinen Cloud-Rechendienst herausbringen
    Jetzt kann man endlich remote auf großen Servern rechnen, und mein erster Gedanke war nur: „Endlich!“

  • Ich habe mich gefragt, ob auch Quant-Trader Mathematica verwenden
    Die Sprache ist elegant, hat viele eingebaute Werkzeuge und starke Visualisierung, also wirkt sie wie geschaffen für Finanzanalyse
    Der Preis dürfte tragbar sein, und für HFT gibt es vermutlich auch einen Compiler

    • Tun sie tatsächlich

  • Der Integrationsgrad der Standardfunktionen in Mathematica ist erstaunlich
    So etwas als Open Source zu implementieren wäre großartig — selbst 10 % davon wären schon nützlich
    Deshalb habe ich in Rust ein Projekt namens Woxi gestartet (github.com/ad-si/Woxi) und suche Mitwirkende

    • Es gibt bereits das Open-Source-Replikationsprojekt Mathics, das ungefähr auf 10 % kommt
    • Ich baue auch etwas Ähnliches in Go
      Ungefähr 300 Symbole funktionieren bereits, und komplexe Zahlen sowie ein grundlegendes Regelsystem sind ebenfalls in Arbeit
      Die Factor-Funktion ist mathematisch komplex, deshalb forsche ich daran noch
      Es gibt keine grafische Ausgabe, nur ein Terminal-Interface
      Mit einem Claude-Modell lerne ich gleichzeitig AI-Programmierung und mathematische Konzepte
    • Ich persönlich denke, dass ein Evaluator mit zwei Durchläufen sinnvoll ist
      Wenn man pest-Tokens direkt in Funktionen verwendet, ist das langsam und schwer zu optimieren