HPC e AI: il calcolo ad alte prestazioni amplia i suoi ambiti di applicazione

L’articolo in breve

L’High Performance Computing (HPC) viene utilizzato da tempo per affrontare problemi che richiedono capacità di elaborazione difficilmente disponibili sulle infrastrutture convenzionali. Simulazioni numeriche di fluidodinamica, meteorologia, fisica delle particelle ed esplorazione sismica, sono alcune delle applicazioni che ne hanno accompagnato lo sviluppo.

Durante l’HPCSIM26 – evento di rilievo per la convergenza tra tecnologie di simulazione avanzate e calcolo ad alte prestazioni – è emerso un perimetro applicativo sempre più ampio. Alle applicazioni scientifiche e industriali consolidate si affiancano workload legati all’intelligenza artificiale e, in particolare, ai Large Language Model. Questa evoluzione interessa sia il modo in cui vengono utilizzate le infrastrutture HPC sia le organizzazioni che possono avere bisogno di accedervi.

Perché alcune elaborazioni richiedono l’HPC?

L’High Performance Computing consente di affrontare problemi caratterizzati da grandi volumi di dati, numerose variabili e operazioni che possono essere distribuite ed eseguite in parallelo.

Alcuni esempi:

• una simulazione fluidodinamica può richiedere il calcolo dell’evoluzione nel tempo di un numero molto elevato di incognite;
• le previsioni meteorologiche elaborano modelli numerici complessi su grandi quantità di dati;
• analisi geofisiche e simulazioni ingegneristiche possono richiedere capacità di calcolo e tempi di elaborazione difficilmente compatibili con sistemi convenzionali.

Le architetture HPC distribuiscono il carico di lavoro tra più nodi di calcolo, che possono utilizzare unità centrali di elaborazione (CPU) e acceleratori come le unità di elaborazione grafica (GPU). In questo modo è possibile eseguire in parallelo operazioni complesse e affrontare problemi computazionali su larga scala.

Negli ultimi anni, a questi utilizzi consolidati si sono affiancati nuovi carichi di lavoro, in particolare quelli legati all’intelligenza artificiale.

I Large Language Model ampliano l’utilizzo dell’HPC

Training, fine-tuning e inferenza su larga scala dei Large Language Model possono richiedere una notevole capacità di calcolo. La quantità di dati da elaborare, la dimensione dei modelli e la necessità di distribuire le operazioni tra più GPU e più nodi rendono le infrastrutture HPC particolarmente utili e spesso indispensabili per queste attività.

Per questo motivo, sistemi tradizionalmente utilizzati per simulazioni scientifiche e ingegneristiche vengono impiegati sempre più spesso anche per sviluppare e specializzare modelli di intelligenza artificiale.

Si amplia così anche il numero di soggetti interessati a queste risorse. Aziende e gruppi di ricerca possono utilizzare capacità HPC per addestrare modelli destinati a compiti specifici e ottimizzarli in funzione delle proprie esigenze.

In alcuni casi, l’elevata capacità di calcolo viene utilizzata proprio nella fase di sviluppo per ottenere modelli più specializzati e compatti, che possano poi essere eseguiti anche su infrastrutture di dimensioni inferiori.

Il progetto ALGO: un esempio di utilizzo dell’HPC per un LLM specializzato

Un esempio di questa apertura arriva direttamente dal Gruppo RES.

Nel 2025 WebRatio e RES IT hanno partecipato con ALGO (Assisted Low-code Generation and Optimisation) a Fortissimo Plus (FFplus), iniziativa europea dedicata a favorire l’adozione dell’High Performance Computing e dell’Intelligenza Artificiale da parte di PMI e startup. ALGO è stato selezionato tra i 18 Innovation Studies dedicati allo sviluppo di modelli di AI generativa.

Il progetto, ancora in corso, punta ad integrare un Large Language Model specializzato all’interno di WebRatio Platform, in grado di generare modelli IFML (Interaction Flow Modeling Language) a partire da specifiche funzionali.

Per ottenere questo risultato, il modello viene addestrato su dati specifici e sottoposto a fine-tuning attraverso elaborazioni distribuite su più GPU e più nodi. Sono attività che richiedono una capacità di calcolo elevata e che, nel caso di ALGO, vengono eseguite anche utilizzando Leonardo, il supercomputer EuroHPC ospitato da CINECA.

L’obiettivo è individuare il modello più piccolo possibile in grado di svolgere efficacemente il compito richiesto, così da favorirne successivamente un’adozione più ampia, compreso il deployment on-premise.

L’HPC viene quindi utilizzato nella fase più intensiva dello sviluppo per costruire un modello specializzato, destinato poi a operare all’interno di un processo applicativo più ampio.

Come possono le aziende accedere alle infrastrutture HPC?

Supercomputer della scala di Leonardo richiedono investimenti, infrastrutture e competenze difficilmente replicabili dalla maggior parte delle singole organizzazioni. L’accesso all’High Performance Computing può però avvenire anche attraverso programmi europei e infrastrutture condivise, che mettono capacità di calcolo avanzate a disposizione di imprese e gruppi di ricerca per progetti specifici.

ALGO, anche in questo caso, rappresenta un esempio.

ALGO è stato finanziato attraverso FFplus e AI Factories, iniziative e progetti sostenuti dalla European High-Performance Computing Joint Undertaking (EuroHPC JU) nell’ambito di Horizon Europe. Parallelamente, il progetto ha ottenuto l’accesso al supercomputer Leonardo, ospitato da CINECA, attraverso i programmi EuroHPC dedicati alle applicazioni AI e data intensive.

Queste risorse vengono utilizzate per attività ad alta intensità computazionale, come la generazione del training set e il fine-tuning del modello.

Per le aziende, quindi, utilizzare l’HPC non significa necessariamente costruire e gestire internamente un’infrastruttura di questa scala. L’accesso può avvenire quando il progetto richiede capacità di calcolo elevate, attraverso un ecosistema che mette in relazione infrastrutture, programmi di accesso e competenze specialistiche.

L’importanza di valutare il risultato ottenuto

L’utilizzo efficace dell’HPC dipende anche dalla capacità di verificare se il modello produce risultati coerenti con l’obiettivo applicativo.

Nel progetto ALGO, per esempio, le metriche testuali tradizionali si sono dimostrate poco adatte a valutare la correttezza degli output XML generati dal modello. È stato quindi sviluppato un sistema specifico per recuperare i risultati, verificarli e validarli automaticamente anche in presenza di differenze non misurabili con gli indici di errore comunemente utilizzati.

Questo passaggio mostra come, accanto alla capacità di calcolo, sia necessario definire criteri di valutazione adatti al tipo di risultato atteso.

Dalla capacità di calcolo al risultato

L’evoluzione dell’HPC riguarda due aspetti strettamente collegati:

• si ampliano le applicazioni che possono beneficiarne;
• crescono le possibilità di accedere a queste risorse anche senza disporre direttamente di infrastrutture proprietarie.

I Large Language Model rappresentano uno degli ambiti in cui questo cambiamento è più evidente. Progetti come ALGO mostrano come l’HPC possa essere utilizzato nelle fasi più intensive dello sviluppo per ottenere modelli specializzati, valutati rispetto a obiettivi precisi e successivamente integrati in applicazioni concrete.

La capacità di calcolo diventa quindi un fattore abilitante. Il suo valore dipende dalla capacità di collegare infrastrutture, competenze e obiettivi applicativi, trasformando risorse computazionali avanzate in soluzioni realmente utilizzabili.