Akademik GPU Hesaplama: Araştırma Grupları İçin

Araştırma gruplarının GPU’ya erişim sorunu tek tiptir: ya donanım yok, ya ortak cluster kuyruğu haftalar alıyor, ya da kurumun satın alma süreci projenin ritmiyle uyuşmuyor. Oysa derin öğrenme modeli eğitmek, büyük ölçekli moleküler dinamik çalıştırmak ya da genomik pipeline’ı tamamlamak için GPU; isteğe bağlı bir aksesuar değil, araştırmanın kendisidir.

Mevasis, araştırma gruplarına ve yükseköğretim kurumlarına proje süresince kiralık, tahsis edilmiş GPU kapasitesi sunar. Donanım Türkiye’de konumlandırılır; veriler sınır dışına çıkmaz; sözleşme yapısı TÜBİTAK ve AB Horizon bütçe kalemlerine uyum sağlar.

Neden GPU, Neden Şimdi?

Hesaplamalı araştırma alanında son beş yılda yaşanan dönüşüm tek bir doğrultuda ilerledi: CPU’dan GPU’ya. Bu geçiş yalnızca derin öğrenme için geçerli değil. Moleküler dinamik, genomik varyant analizi, radyasyon transferi simülasyonu ve görüntü işleme tabanlı bilimsel hesaplamaların büyük bölümü artık GPU ivmeli sürümlere sahip.

Somut örnek: 100 ns GROMACS simülasyonu (100.000 atom), 64 CPU çekirdeğinde yaklaşık 72 saat sürerken tek bir NVIDIA A100 80 GB ile bu süre 4–5 saate iniyor. Dört A100 ile paralel çalıştırıldığında aynı iş 1–1,5 saatte tamamlanıyor. Araştırma döngüsü açısından bakıldığında bu, haftalarca süren bir deney aşamasını bir güne sığdırmak anlamına geliyor.

Ancak akademik ortamda bu donanıma sürekli erişim sağlamak güçtür. Kurumsal GPU cluster’lar çoğunlukla yetersiz kalır ya da birden fazla bölüm arasında bölünür. Ulusal hesaplama altyapısı (TÜBİTAK ULAKBİM) değerli bir kaynak olmakla birlikte, başvuru ve onay süreci, acil deneysel ihtiyaçlarla uyuşmaz. Bulut GPU’ları ise veri egemenliği, KVKK uyumu ve maliyet öngörülebilirliği konularında araştırma ortamı için ciddi soru işaretleri doğurur.

Tipik Akademik GPU İş Yükleri

Aşağıdaki tablo, Türk üniversitelerindeki araştırma gruplarında gözlemlenen yaygın GPU iş yüklerini ve ilgili yazılım araçlarını özetlemektedir.

Not: GPU bellek kapasitesi seçim kriteri olarak kritiktir. AlphaFold 3 büyük proteinler için 80 GB VRAM gerektirir. LLM fine-tuning’de model büyüklüğüne göre tek bir GPU yetmeyebilir; çok-GPU (NVLink bağlı) yapılandırma gerekli olabilir.

Sektörel Kullanım Senaryoları

Yapay Zeka Araştırma Grupları

Bilgisayar mühendisliği ve yapay zeka laboratuvarlarında en yaygın talep, proje başına ayrılmış GPU kapasitesidir. Birden fazla doktora öğrencisinin aynı anda farklı modelleri eğitmesi, paylaşımlı ortamlarda çakışma yaratır. SLURM tabanlı iş kuyruğu ile her kullanıcıya veya alt gruba GPU kotası tanımlanabilir; öncelik politikası grubun kendi belirlediği kurallara göre çalışır.

Model eğitim süreçlerinde Weights & Biases, MLflow veya TensorBoard gibi takip araçları altyapıyla entegre çalışır. Jupyter Lab ve VS Code Remote-SSH erişimi standart olarak sağlanır.

Biyomedikal ve Genomik Araştırma

KVKK kapsamında kişisel sağlık verilerinin yurt dışı sunucularda işlenmesi hukuki risk yaratır. NGS analizi için NVIDIA Parabricks, standart GATK Best Practices pipeline’ını yaklaşık 50 kat hızlandırır; bu avantajı Türkiye’de konumlandırılmış GPU’larla elde etmek, veri egemenliği gereksinimlerini karşılayarak mümkündür.

AlphaFold ve RoseTTAFold kurulumu (~2,2 TB veri tabanı gereksinimleri dahil) anahtar teslim olarak sağlanır; araştırma grubu kurulumla değil, araştırmayla vakit geçirir.

TÜBİTAK ve AB Horizon Projeleri

TÜBİTAK 1001, 1003 veya ARDEB destekli projelerde hesaplama altyapısı gideri “hizmet alımı” kalemi altında bütçelendirilebilir. AB Horizon Europe projelerinde ise “diğer doğrudan maliyetler” veya “altyapı kullanım bedeli” başlığı altında GPU kiralama gideri kabul görmektedir.

Mevasis, proje süresine (tipik olarak 12–36 ay) uyumlu sözleşme yapısı sunar. Proje kapandığında altyapı yükümlülüğü sona erer; sabit donanım yatırımı gerekmez. TÜBİTAK bütçe raporlamasına uygun fatura formatı sağlanır.

Çoklu Grup / Fakülte Düzeyinde Paylaşımlı Erişim

Birden fazla araştırma grubunun ortak kullandığı cluster yapılandırmalarında SLURM fair-share algoritması ile her gruba GPU-saat kotası tanımlanabilir. Faturalama, her grubun tüketime göre ayrı ayrı yapılabilir. Bu model özellikle yeni kurulan ya da belirli proje dönemlerinde kapasiteye ihtiyaç duyan gruplar için esneklik sağlar.

Referans GPU Cluster Yapılandırması

Orta büyüklükte bir araştırma grubu veya çoklu grup paylaşımlı ortam için Mevasis referans mimarisi:

Akademik GPU Cluster — Referans Yapılandırması

Login / Jupyter Hub Node (1–2 adet)
├── GPU Compute Nodes — Eğitim (4–8 adet)
│   ├── 2× Intel Xeon Gold 6438M (32-core)
│   ├── 512 GB DDR5 ECC
│   └── 4× NVIDIA A100 80 GB SXM (NVLink bağlı)
│       Toplam: 16–32 GPU / 1.280–2.560 GB VRAM
│
├── GPU Compute Nodes — Çıkarım / Orta Ölçek (2–4 adet)
│   ├── 2× AMD EPYC 9354 (32-core)
│   ├── 256 GB DDR5 ECC
│   └── 4× NVIDIA L40S 48 GB
│       Toplam: 8–16 GPU
│
├── CPU High-Memory Nodes (2 adet, genomik / büyük MD için)
│   └── 2× AMD EPYC 9654, 1,5 TB DDR5
│
└── Depolama
    ├── NVMe Scratch: BeeGFS, 4–10 GB/s, 100 TB+
    └── Proje Verisi: Yedekli SAS/NL-SAS, ölçeklenebilir

Ağ:
├── GPU node'lar arası: InfiniBand HDR200 (NVLink iş yükleri)
└── Genel erişim: 25 GbE

Yazılım Katmanı:
├── İş kuyruğu: SLURM + GPU GRES kaynak yönetimi
├── Konteyner: Singularity / Apptainer (Jupyter, PyTorch, TF imajları)
├── Modül yönetimi: Lmod + EasyBuild
└── İzleme: DCGM (GPU metrikleri) + Prometheus + Grafana

Veri güvenliği: Türkiye’de konumlandırılmış donanım, KVKK uyumu açısından varsayılan güvenli seçimdir. Klinik, genomik veya kişisel veri içeren araştırmalarda yurt dışı bulut alternatifleri ek hukuki inceleme gerektirir.

Lisans Uyumu

Açık kaynaklı araçlar (GROMACS, NAMD, PyTorch, TensorFlow, Parabricks Akademik, AlphaFold, OpenMM, LAMMPS, BWA-MEM2, STAR) ek lisans maliyeti olmaksızın Mevasis altyapısında çalıştırılabilir.

Ticari yazılımlar (MATLAB, ANSYS Mechanical / Fluent, Gaussian, AMBER) için kurumun mevcut lisans anlaşması kontrol edilmelidir. HPC paketli veya token tabanlı lisanslar genellikle Mevasis altyapısıyla uyumludur; lisans sunucusu entegrasyonu Mevasis tarafından sağlanır.

NVIDIA NGC imajları (PyTorch, TensorFlow, RAPIDS, CUDA araçları dahil) Mevasis ortamında doğrudan kullanılabilir; konteyner desteği standarttır.

Mevasis Akademik GPU Hizmetleri

Araştırma gruplarına ve yükseköğretim kurumlarına sunulan hizmet kapsamı:

• Tahsis edilmiş GPU kiralama: Gruba veya projeye atanmış GPU kapasitesi, aylık veya proje süresi bazlı faturalandırma. Bkz. HPC Kiralama
• Anahtar teslim yazılım kurulumu: AlphaFold, GROMACS, NAMD, Parabricks, PyTorch / TF ortamı, Jupyter Hub kurulumu ve yapılandırması. Bkz. HPC Destek & Danışmanlık
• GPU iş yükü profilleme: Mevcut kodunuzu ve SLURM geçmişinizi analiz ederek en uygun GPU türü ve sayısını belirleme.
• Çoklu grup yönetimi: SLURM fair-share, GPU kotaları ve bölüm bazlı faturalama yapılandırması.
• Veri güvenliği danışmanlığı: KVKK uyumu, veri sınıflandırma ve araştırma verisi saklama politikaları.

Sıkça Sorulan Sorular

GPU erişimi için neden Mevasis, neden bulut değil? Bulut GPU’ları araştırma projelerinde iki temel sorun yaratır: maliyet öngörülemezliği ve veri egemenliği. Spot instance’lar iş yükleri sırasında kesilebilir; On-Demand fiyatlar aylık bütçe planlamasını güçleştirir. KVKK kapsamındaki klinik ve genomik veriler yurt dışı bulut sağlayıcılarda işlenemez. Mevasis sabit aylık kira ve Türkiye lokasyonu ile her iki sorunu doğrudan ortadan kaldırır.

TÜBİTAK proje bütçesinden GPU kiralama karşılanabilir mi? Evet. GPU hesaplama kiralama gideri, TÜBİTAK 1001/1003 projelerinde “hizmet alımı” veya “bilgisayar kullanım ücreti” başlığı altında bütçelendirilebilir. Bütçe planlaması aşamasında sözleşme ve fatura yapısı projeye özel düzenlenir.

Birden fazla araştırma grubu aynı cluster’ı paylaşabilir mi? Evet. SLURM ile her gruba GPU-saat kotası ve öncelik puanı (fair-share) tanımlanır. Farklı grupların iş yükleri birbirini etkilemez; tüketim bazlı fatura her grup için ayrı ayrı kesilebilir.

AlphaFold veya Parabricks kurulumu dahil mi? Evet. Anahtar teslim kurulum, güncel sürüm takibi ve veri tabanı güncellemeleri (AlphaFold için ~2,2 TB) Mevasis destek kapsamındadır. Araştırma grubunun teknik altyapıyla uğraşmak yerine araştırmasına odaklanması amaçlanır.

Kendi CUDA kodlarımı bu altyapıda çalıştırabilir miyim? Evet. CUDA 12.x ve ilgili araçlar (cuDNN, NCCL, cuBLAS) kurulu gelir. Singularity/Apptainer ile özel konteyner imajlarınızı çalıştırabilir; MPI + CUDA hibrit iş yükleri tam olarak desteklenir.

Araştırma grubunuzun GPU ihtiyacını görüşmek için iletişime geçin. Proje bütçenize ve iş yükü profilinize uygun yapılandırma önerisi sunarız.