Exascale-computing: supercomputers die een triljard keer per seconde rekenen

Bijgewerkt: 21 augustus 2026 · 6 min leestijd

Stel je een rekenmachine voor die in één seconde meer sommen maakt dan er zandkorrels zijn op alle stranden en in alle woestijnen van de aarde bij elkaar. Dat is ongeveer wat een exascale-supercomputer doet: minstens een triljard (een 1 met achttien nullen) berekeningen per seconde. Dat aantal wordt uitgedrukt in exaflops, waarbij "flop" staat voor floating point operation, ofwel een bewerking met een decimaal getal, zoals 3,14159 keer 2,71828. Exascale is daarmee geen nieuwe technologie op zich, maar een schaalgrens: de klasse van machines die deze duizelingwekkende snelheid halen.

Waarom zou je zoveel rekenkracht nodig hebben? Denk aan het naspelen van het klimaat van de hele aarde, wolk voor wolk, of aan het virtueel testen van een kernwapen zonder het ooit af te laten gaan. Dat soort simulaties bestaat uit miljarden kleine deelberekeningen die allemaal op elkaar inhaken. Hoe krachtiger de computer, hoe fijnmaziger en realistischer de simulatie. Exascale-machines zijn dan ook geen kantoorcomputers op steroïden, maar complete gebouwen vol apparatuur, gebouwd door overheden en techbedrijven samen, met maar één doel: grenzen verleggen in wetenschap en veiligheid.

Wat is het precies?

Een gewone laptop haalt tegenwoordig al snel enkele tientallen miljarden bewerkingen per seconde, oftewel gigaflops. Ga je met factoren van duizend omhoog, dan kom je via teraflops (biljoen) en petaflops (miljard miljard... nee, duizend biljoen) uiteindelijk bij exaflops: nog eens duizend keer meer dan petascale. Ter vergelijking: het eerste petaflop-systeem ter wereld, Roadrunner van IBM bij het Los Alamos National Laboratory in de Verenigde Staten, werd in 2008 in gebruik genomen. Van die mijlpaal tot de eerste erkende exaflop-machine duurde het ongeveer veertien jaar.

Zo'n supercomputer is geen los apparaat maar een netwerk van tienduizenden tot honderdduizenden reken"knopen" (nodes), elk met eigen processoren (cpu's) en grafische rekenchips (gpu's), die via razendsnelle verbindingen met elkaar praten. Een programma wordt opgeknipt in miljoenen kleine stukjes die tegelijk, parallel, worden uitgerekend en daarna weer worden samengevoegd. Dat opknippen en synchroniseren is technisch lastig: hoe meer onderdelen, hoe groter de kans dat er ergens een haperingetje ontstaat dat het geheel vertraagt.

Om supercomputers onderling te vergelijken, gebruikt men de LINPACK-benchmark: een gestandaardiseerde test waarbij de machine een enorm stelsel lineaire vergelijkingen moet oplossen. De uitkomst bepaalt de positie op de TOP500-lijst, een ranglijst van de snelste supercomputers ter wereld die twee keer per jaar wordt gepubliceerd. Belangrijk is het verschil tussen de theoretische piekprestatie van een machine (wat de hardware op papier zou moeten kunnen) en de daadwerkelijk gemeten snelheid met LINPACK, die meestal een stuk lager ligt. Ook de gebruikte rekennauwkeurigheid doet ertoe: de klassieke exascale-definitie gaat uit van dubbele precisie (FP64), terwijl AI-toepassingen vaak met minder precieze, snellere rekenformaten werken.

Wat wil men ermee bereiken?

Het uiteindelijke doel is simulaties en berekeningen mogelijk maken die met minder rekenkracht simpelweg niet haalbaar zijn. Klimaatmodellen kunnen bijvoorbeeld op veel fijnere schaal individuele wolken en oceaanstromingen doorrekenen in plaats van hele regio's te middelen, wat betrouwbaardere voorspellingen oplevert. In de geneesmiddelenontwikkeling helpt het bij het simuleren hoe eiwitten zich vouwen en hoe moleculen op elkaar reageren, waardoor onderzoekers kansrijke stoffen sneller kunnen selecteren voordat ze in een laboratorium worden getest.

Een minstens zo belangrijke drijfveer is nationale veiligheid. Sinds internationale verdragen kernproeven met echte explosies verbieden, gebruiken landen als de Verenigde Staten supercomputers om de veroudering en betrouwbaarheid van hun kernwapenarsenaal virtueel te controleren, een praktijk die "stockpile stewardship" wordt genoemd. Daarnaast spelen exascale-machines een groeiende rol bij het trainen van grote AI-modellen, het ontwerpen van nieuwe batterijmaterialen en halfgeleiders, en astrofysisch onderzoek naar bijvoorbeeld botsende zwarte gaten. Los van de concrete toepassingen speelt ook prestige mee: welk land over de krachtigste rekenmachines beschikt, geldt als graadmeter voor technologische en industriële slagkracht.

Voorbeelden uit de praktijk

Frontier, gehuisvest bij het Oak Ridge National Laboratory in Tennessee (VS) en gebouwd door HPE Cray met AMD-chips, werd in juni 2022 wereldwijd het eerste systeem dat officieel op de TOP500-lijst als exascale werd erkend, met een gemeten snelheid van ruim 1,1 exaflops, later opgevoerd tot boven de 1,3 exaflops.

Aurora, bij het Argonne National Laboratory in Illinois (VS) en gebaseerd op Intel-hardware, werd in november 2023 bevestigd als tweede exascale-systeem, met iets meer dan 1 exaflops gemeten prestatie. Het wordt onder meer ingezet voor onderzoek naar kankerbehandelingen en materiaalwetenschap.

El Capitan, bij het Lawrence Livermore National Laboratory in Californië (VS) en gebouwd met AMD-technologie, nam eind 2024 de eerste plaats op de TOP500-lijst over. De machine wordt beheerd door de National Nuclear Security Administration en gebruikt voor het virtueel onderhouden van het Amerikaanse kernwapenarsenaal.

In Europa bouwt men aan JUPITER, bij het Forschungszentrum Jülich in Duitsland, gefinancierd via het Europese samenwerkingsverband EuroHPC. Dit systeem, dat draait op Nvidia Grace Hopper-chips, moet Europa's eerste exascale-supercomputer worden en kwam in de loop van 2024 en 2025 stapsgewijs operationeel.

Ook China zou over exascale-rekenkracht beschikken: wetenschappelijke publicaties over systemen als Tianhe-3 en de Sunway OceanLight-machine in Wuxi suggereren dat dit land dat niveau mogelijk al rond 2021-2022 bereikte. Omdat China sinds 2021 geen machines meer aanmeldt voor de TOP500-lijst, is dit echter niet onafhankelijk te verifiëren, en de precieze prestaties blijven daardoor onzeker.

Hoe ver is de techniek?

De exascale-grens is sinds 2022 dus daadwerkelijk doorbroken, en inmiddels draaien er wereldwijd meerdere erkende systemen. Toch blijft opschalen zwaar werk. Het grootste obstakel is energieverbruik: Frontier en El Capitan verbruiken elk ruwweg 20 tot 30 megawatt, vergelijkbaar met het elektriciteitsverbruik van een kleine stad. Om die reden bestaat naast de TOP500-lijst ook de Green500-lijst, die machines rangschikt op rekenkracht per verbruikte watt, en is energie-efficiëntie een van de belangrijkste ontwerpcriteria geworden.

Een tweede obstakel is software. Een programma dat efficiënt gebruikmaakt van honderdduizenden tot miljoenen rekenkernen tegelijk, schrijf je niet zomaar; veel bestaande wetenschappelijke code moest hiervoor grondig worden herschreven. Ook geheugenbandbreedte, hoe snel data tussen opslag en rekenchips heen en weer kan, is vaak een grotere beperking dan de rekensnelheid zelf. En bij zoveel onderdelen tegelijk treden statistisch gezien vaker hardwarestoringen op, wat vraagt om software die daar automatisch omheen kan werken zonder de hele berekening te laten mislukken.

Verwarrend is verder dat niet elk systeem dat "exascale-achtige" prestaties claimt, dat ook haalt volgens de klassieke, strenge maatstaf. Fugaku, het Japanse systeem van onderzoeksinstituut RIKEN en fabrikant Fujitsu, stond lange tijd bovenaan de TOP500-lijst maar haalde in de standaard dubbele-precisie Linpack-test geen volle exaflops; wel scoorde het uitstekend op benchmarks met lagere rekenprecisie, zoals die voor AI-toepassingen gangbaar zijn. Dat maakt duidelijk dat "exascale" strikt genomen een specifieke, veeleisende meetlat is, en dat vergelijkingen tussen systemen altijd de gebruikte maatstaf in het oog moeten houden.

Wie werken eraan?

In de Verenigde Staten trekt het ministerie van Energie (DOE) de kar via het Exascale Computing Project, met de nationale laboratoria Oak Ridge, Argonne en Lawrence Livermore als thuisbasis voor Frontier, Aurora en El Capitan. Industriële partners zijn onder meer HPE, dat in 2019 supercomputerbouwer Cray overnam, en chipmakers AMD, Intel en Nvidia, die de processoren en grafische rekenchips leveren waar deze machines op draaien.

In Europa coördineert het EuroHPC Joint Undertaking, een samenwerkingsverband van de Europese Unie en lidstaten, de bouw en financiering van exascale- en pre-exascale-systemen. Het Jülich Supercomputing Centre in Duitsland huisvest JUPITER, terwijl het Finse CSC eerder al het pre-exascale-systeem LUMI in gebruik nam. In Japan zijn onderzoeksinstituut RIKEN en fabrikant Fujitsu de belangrijkste spelers, met Fugaku als vlaggenschip. China ontwikkelt zijn systemen via onder meer de National University of Defense Technology (verantwoordelijk voor de Tianhe-reeks) en het National Supercomputing Center in Wuxi (verantwoordelijk voor Sunway), beide met aanzienlijke staatsfinanciering maar relatief weinig openbare technische details.