NVIDIA پلت فرم GPU انقلابی ولتا را راه اندازی کرد و دوره بعدی AI و محاسبات با کارایی بالا را به وجود آورد

ولتا ، معماری GPU نسل هفتم Nvidia ، با 21 میلیارد ترانزیستور ساخته شده است و عملکرد معادل 100 CPU را برای یادگیری عمیق ارائه می دهد.

حدس و گمان از رمپ GPU Nvidia Volta در انتظار اولین سال 2017

معرفی معماری GPU ولتا NVIDIA توسط جامعه ابر رایانه ای بسیار پیش بینی می شود. همانطور که در ماه ژوئیه گذشته گزارش دادیم ، هنگامی که شایعات مربوط به انتشار ولتا از پیش بینی شده ولتا در اینترنت تندرست شد ، به نظر می رسد راه اندازی GPU های نسل بعدی نسل بعدی TESLA به نظر می رسد همه چیز مشخص است. آخرین گمانه زنی این است که این قطعات اول ولتا بر اساس یک فناوری جدید 12 نانومتری FinFET ساخته شده است که اخیراً توسط شرکت تولید نیمه هادی تایوان (TSMC) ابداع شده است.

قبل از اینکه بیشتر برویم ، لازم به ذکر است که شایعه در مورد کوچک شدن به 12 نانومتر ، براساس یک پست در یک انجمن Beyond3D ، بسیار ریز و درشت است ، اگرچه این باند در WCCftech حداقل از اکتبر آخرین ولتا در مورد یک ولت 12 نانومتری حدس زده است. سال. برای آنچه ارزشش را دارد ، فناوری 12 نانومتری TSMC به عنوان پالایش فرآیند 16 نانومتری آنها مشخص شده است ، همان موردی که برای تولید GPU های فعلی Pascal Nvidia استفاده می شود. گره اصلی فرآیند بعدی TSMC 10 نانومتری است که ظاهراً در اوایل سال جاری آماده خواهد بود ، حداقل برای تراشه های عضلانی کمتر از GPU های سطح بالا.

فناوری 10 نانومتر مطمئناً گره فرایندی بود که Nvidia مایل به استفاده از ولتا های آینده خود بود ، از آنجا که TSMC نویدبخش عملکرد 20 درصدی این فناوری در مقایسه با فرآیند 16 نانومتری آن است. گره 12 نانومتری احتمالاً فقط نیمی از آن را خواهد گرفت. در هر صورت ، فرض می شود که ارائه های آینده محصولات ولتا بر روی فناوری 10 نیوتن متر یا حتی ممکن است فناوری 7 نانومتری در صورتی که معماری دارای طول عمر طولانی باشد تولید شود.

البته ، ولتا همه چیز در مورد انقباض سیلیکون نیست. معماری جدید همچنین با توجه به چند پردازشگر جریان آن (SM) ، موتور محاسباتی که تمام GPU های NVIDIA را تأمین می کند ، برای طراحی اصلاح شده نیز در راستای طراحی است. به روزرسانی SM ، بدون در نظر گرفتن اندازه ترانزیستور ، عملکرد و بهره وری بهتر از پیشین Pascal خود را ارائه می دهد. و طبق حداقل یک گزارش ، تفاوت طراحی بین پاسکال و ولتا بسیار مهمتر از نمونه بین ماکسول و پاسکال خواهد بود.

مسلماً ، این همه حدس و گمان است. دلیل احساس نیاز به بحث در مورد این مسئله این است که GPU Volta معماری خواهد بود که Nvidia برای دو سال بعد به آن اعتماد خواهد کرد تا رقابت های آینده فراتر از اینتل و AMD را از بین ببرد. در مورد اینتل ، GPU Volta Tesla رقیب پردازنده آینده “Knights Hill” خواهد بود ، که باید تا سال 2018 آماده باشد ، و همچنین پردازنده عمیق “Knights Mill” Xeon Phi ، که است. قرار است اواخر امسال در دسترس باشد. در همین حال AMD در طول سال 2017 GPU های Vega خود را در حال زمینه خواهد بود ، که شامل خط جدید Radeon Instinct برای یادگیری عمیق خواهد بود ، و به احتمال زیاد یک GPGPU FirePro به روز شده نیز هست. با کمال تعجب هم اینتل و هم AMD این تراشه ها را با ترانزیستورهای کوچکتر تولید می کنند تا به آنها در بخش عملکرد کمک کنند.

یک نگرانی فوری تر این است که GPU ولتا قلب محاسباتی اجلاس و سیرا خواهد بود ، دو نفر از ابر رایانه های آینده پیش از اگزاسکال که وزارت انرژی ایالات متحده تحت مرجان آژانس مستقر می شود (همکاری اوک ریج ، آرگون ، و برنامه لارنس لیورمور). تا آنجا که می دانیم ، هر دو سیستم در مسیر نصب هستند که باید قبل از پایان سال 2017 نصب شوند و در اوایل سال 2018 به تولید بروند. اگرچه GPU میزبان این دو سیستم CPU Power9 است ، حدود 90 درصد از عملکرد نقطه شناور آنها احتمالاً توسط پردازنده های Volta ارائه می شود. بنابراین ، عملکرد قله و سیرا در درجه اول از قابلیت های سیلیکون ولتا حاصل می شود.

به ویژه ، ابر رایانه اجلاس ، به ویژه ، مورد بررسی زیادی قرار خواهد گرفت ، زیرا انتظار می رود هنگام اعزام در آزمایشگاه ملی اوک ریج تا پایان سال ، بین 150 تا 300 اوج پتفلوپ عملکرد را تحویل دهد. این می تواند برای ایالات متحده برای اولین بار از سال 2012 برای اولین بار در لیست شماره یک در لیست Top500 بازپس گیری کند ، با فرض اینکه به موقع برای اجرای Linpack قبل از نوامبر 2017 نصب شود. این همچنین فرض می کند که چین سیستمی را حتی بزرگتر از اجلاس در موقت قرار نمی دهد. همانطور که هفته گذشته گزارش دادیم ، سیستم Tianhe-2A اکنون به دلیل استقرار آن به تأخیر افتاده است و احتمالاً در سال 2017 با ظرفیت اوج چاه در شمال از 100 petaflops نصب شده است.

خیلی بیشتر از داستان ولتا باید در اوایل ماه مه ، در کنفرانس فناوری GPU NVIDIA (GTC) ، جایی که پیش بینی می شود معماری جدید معرفی شود ، آشکار شود. حتی ممکن است اوج آنچه را که پس از ولتا در GTC می آید بدست آوریم. اما بیایید از خودمان جلو نرویم.

NVIDIA پلت فرم GPU انقلابی ولتا را راه اندازی کرد و دوره بعدی AI و محاسبات با کارایی بالا را به وجود آورد

Nvidia امروز ولتا را راه اندازی کرد – قدرتمندترین معماری محاسبات GPU در جهان ، ایجاد شده برای ایجاد موج بعدی پیشرفت در هوش مصنوعی و محاسبات با کارایی بالا.

این شرکت همچنین اولین پردازنده مبتنی بر ولتا ، GPU NVIDIA® TESLA® V100 Data Center را اعلام کرد که سرعت و مقیاس پذیری فوق العاده ای را برای استنباط و آموزش هوش مصنوعی و همچنین برای تسریع در بارهای HPC و گرافیک به ارمغان می آورد.

جنسن هوانگ ، بنیانگذار و مدیر اجرایی Nvidia ، که از ولتا در نقش اصلی GTC خود رونمایی کرد ، گفت: “هوش مصنوعی بزرگترین پیشرفت های فناوری در تاریخ بشر را هدایت می کند.”. “این اطلاعات را به صورت خودکار انجام می دهد و موجی از پیشرفت اجتماعی را از زمان انقلاب صنعتی بی نظیر می کند.

“یادگیری عمیق ، یک رویکرد هوش مصنوعی پیشگامانه که باعث ایجاد نرم افزار رایانه ای می شود که یاد می گیرد ، تقاضای سیری ناپذیر برای پردازش قدرت دارد. هزاران مهندس NVIDIA بیش از سه سال در ساخت ولتا برای کمک به رفع این نیاز گذراندند و این صنعت را قادر می سازد تا بتواند پتانسیل تغییر زندگی AI را تحقق بخشد. “.

ولتا ، معماری GPU نسل هفتم Nvidia ، با 21 میلیارد ترانزیستور ساخته شده است و عملکرد معادل 100 CPU را برای یادگیری عمیق ارائه می دهد.

این یک پیشرفت 5 برابر نسبت به Pascal ™ ، معماری GPU نسل فعلی NVIDIA ، در Peak Teraflops و 15x بیش از معماری Maxwell ، ، دو سال پیش راه اندازی شده است. این عملکرد با 4 برابر پیشرفت هایی که قانون مور پیش بینی کرده بود پیشی می گیرد.

تقاضا برای تسریع در هوش مصنوعی هرگز بیشتر نبوده است. توسعه دهندگان ، دانشمندان و محققان داده ها به طور فزاینده ای به شبکه های عصبی اعتماد می کنند تا پیشرفت های بعدی خود را در مبارزه با سرطان ، حمل و نقل با وسایل نقلیه خودران ، فراهم آوردن تجربیات جدید مشتری هوشمند و موارد دیگر ، به شبکه های عصبی اعتماد کنند.

مراکز داده باید با پیچیده تر شدن این شبکه ها ، قدرت پردازش بیشتری را ارائه دهند. و آنها برای پشتیبانی از اتخاذ سریع خدمات بسیار دقیق مبتنی بر هوش مصنوعی ، مانند دستیاران مجازی زبان طبیعی و سیستم های جستجوی شخصی و توصیه های شخصی ، باید به صورت کارآمد مقیاس کار کنند.

ولتا به استاندارد جدید محاسبات با کارایی بالا تبدیل خواهد شد. این بستر را برای سیستم های HPC ارائه می دهد تا از هر دو علوم محاسباتی و علوم داده برای کشف بینش برتری داشته باشد. با جفت کردن هسته های CUDA® و هسته جدید Volta Tensor در یک معماری یکپارچه ، یک سرور واحد با GPU Tesla V100 می تواند صدها CPU کالایی را برای HPC سنتی جایگزین کند.

فن آوری های دستیابی به موفقیت
GPU Tesla V100 Leapfrogs نسل های قبلی GPU های NVIDIA با فناوری های پیشگامانه که باعث می شود 100 مانع از عملکرد یادگیری عمیق را خرد کند. آنها شامل:

• هسته های تانسور برای سرعت بخشیدن به بار کار AI طراحی شده است. V100 مجهز به 640 هسته تانسور ، 120 Teraflops از عملکرد عمیق یادگیری ، معادل عملکرد 100 CPU را ارائه می دهد.
• معماری جدید GPU با بیش از 21 میلیارد ترانزیستور. این هسته هسته های Cuda و هسته های تانسور را در یک معماری یکپارچه جفت می کند و عملکرد یک ابر رایانه AI را در یک پردازنده گرافیکی ارائه می دهد.
• nvlink نسل بعدی اتصال دهنده با سرعت بالا با GPU ، و GPU ها را به CPU ، با حداکثر 2 برابر توان نسل قبلی NVLink فراهم می کند.
• درام 900 گیگابایت در ثانیه HBM2, توسعه یافته با همکاری سامسونگ ، به 50 درصد پهنای باند حافظه بیشتر از GPU های نسل قبلی دست می یابد ، برای پشتیبانی از توان محاسباتی فوق العاده ولتا ضروری است.
• نرم افزار بهینه شده ولتا, از جمله نرم افزار CUDA ، Cudnn و Tensorrt ، ، که چارچوب ها و برنامه های پیشرو به راحتی می توانند برای تسریع در هوش مصنوعی و تحقیقات به راحتی وارد شوند.

پشتیبانی اکوسیستم از ولتا
ولتا از شرکتها و سازمانهای پیشرو در سراسر جهان حمایت گسترده ای از صنعت دریافت کرده است:

“Nvidia و AWS مدتهاست که با هم همکاری کرده اند تا به مشتریان کمک کنند بار کار با محاسبه هوش مصنوعی را در ابر انجام دهند. ما اولین نمونه ابر بهینه شده GPU را در سال 2010 راه اندازی کردیم و سال گذشته قدرتمندترین نمونه GPU موجود در ابر را معرفی کردیم. AWS محل زندگی برخی از برنامه های نوآورانه و خلاق AI امروز است ، و ما مشتاقانه منتظر هستیم تا به مشتریان کمک کنیم تا با ایجاد نسل بعدی خانواده نمونه GPU با هدف عمومی ما ، وقتی Volta در اواخر سال در دسترس قرار می گیرد ، به ساخت برنامه های جدید باورنکردنی کمک کنیم.”
— مت گلمن ، معاون رئیس خدمات محاسبات ، خدمات وب آمازون

“ما تبریک می گویم به آخرین نسخه ولتا NVIDIA. از Baidu Cloud گرفته تا رانندگی هوشمند ، بایدو تلاش های خود را در ساخت یک سکوی هوش مصنوعی باز تقویت کرده است. همراه با Nvidia ، ما معتقدیم که توسعه و کاربرد فناوری جهانی هوش مصنوعی را تسریع خواهیم کرد و فرصت های بیشتری را برای کل جامعه ایجاد خواهیم کرد.”
— یاقین ژانگ ، رئیس جمهور ، بایدو

“Nvidia و Facebook شرکای خوبی بوده اند و ما از کمک های Nvidia به Caffe2 Facebook و Pytorch هیجان زده ایم. ما مشتاقانه منتظر پیشرفت های هوش مصنوعی Nvidia ، معماری گرافیکی با عملکرد بالا ولتائی جدید NVIDIA هستیم.”
— مایک شروپفر ، مدیر ارشد فناوری ، فیس بوک

“GPU های NVIDIA عملکرد قابل توجهی برای مشتریان Google Cloud Platform ارائه می دهند. GPU بخش مهمی از زیرساخت های ما است ، ارائه Google و مشتریان سازمانی ما قدرت محاسباتی اضافی برای یادگیری ماشین یا محاسبات با کارایی بالا و تجزیه و تحلیل داده ها. پیشرفت عملکرد Volta باعث می شود GPU ها حتی قدرتمندتر شوند و ما قصد داریم GPU های Volta را در GCP ارائه دهیم.”
— برد کالدر ، معاون مهندسی Google Cloud Platform ، Google

“مایکروسافت و نویدیا سالها در فناوری های هوش مصنوعی ، از جمله Microsoft Azure N-Series ، Project Olympus و ابزار شناختی همکاری کرده اند. معماری جدید ولتا قابلیت های جدید فوق العاده ای را برای مشتریان مایکروسافت باز خواهد کرد.”
— هری شوم ، معاون اجرایی Microsoft AI و گروه تحقیقاتی ، مایکروسافت

“آزمایشگاه ملی اوک ریج شروع به جمع آوری سیستم محاسبات رهبری نسل بعدی ما ، اجلاس ، تابستان امسال خواهد کرد. قله از GPU های Volta استفاده می شود و برتر رایانه ای در U خواهد بود.حرف. برای کشف علمی پس از اتمام سال 2018. این U را حفظ خواهد کرد.حرف. در خط مقدم تحقیقات علمی و کمک به وزارت انرژی به چالش های پیچیده ای با علم محاسباتی و کشف AI-Aliated کمک می کند.”
— جف نیکولز ، مدیر آزمایشگاه دانشیار اداره محاسبات و علوم محاسباتی ، آزمایشگاه ملی اوک ریج

“تنوع زیادی از محصولات ما ، از جمله فناوری صدا در WeChat ، فناوری عکس/فیلم در QQ و QZONE و پلت فرم یادگیری عمیق مبتنی بر Tencent Cloud ، در حال حاضر به هوش مصنوعی متکی هستند. ما معتقدیم ولتا قدرت محاسباتی بی سابقه ای را برای توسعه دهندگان هوش مصنوعی ما فراهم می کند ، و ما از باز کردن این قابلیت ها به زودی از Tencent Cloud تا مشتری های بیشتر هیجان زده می شویم.”
— Dowson Tong ، معاون ارشد اجرایی ، Tencent

جریان را در Nvidia نگه دارید
در وبلاگ NVIDIA مشترک شوید ، ما را در Facebook ، Google+ ، Twitter ، LinkedIn و Instagram دنبال کنید و فیلم های Nvidia را در YouTube و تصاویر در Flickr مشاهده کنید.

درباره Nvidia
اختراع Nvidia (NASDAQ: NVDA) GPU در سال 1999 باعث رشد بازار بازی های رایانه شخصی شد ، گرافیک رایانه ای مدرن را دوباره تعریف کرد و محاسبات موازی را متحول کرد. اخیراً ، GPU Deep Learning هوش مصنوعی مدرن-دوره بعدی محاسبات-را با GPU به عنوان مغز رایانه ها ، روبات ها و اتومبیل های خودران که می توانند جهان را درک و درک کنند ، مشتعل کرد. اطلاعات بیشتر در http: // nvidianews.نویدیا.com/.

اظهارات خاص در این بیانیه مطبوعاتی شامل ، اما محدود به بیانیه های مربوط به: تأثیر ، عملکرد و مزایای معماری ولتا و GPU مرکز داده NVIDIA TESLA V100 ؛ تأثیر هوش مصنوعی و یادگیری عمیق ؛ و تقاضا برای تسریع در هوش مصنوعی اظهارات آینده نگر است که در معرض خطرات و عدم قطعیت هایی قرار دارد که می تواند باعث شود نتایج از نظر مادی متفاوت از انتظارات باشد. عوامل مهمی که می توانند نتایج واقعی را از نظر مادی متفاوت کنند عبارتند از: شرایط اقتصادی جهانی. اعتماد ما به اشخاص ثالث به ساخت ، مونتاژ ، بسته بندی و آزمایش محصولات ما. تأثیر توسعه فناوری و رقابت ؛ توسعه محصولات و فن آوری های جدید یا پیشرفت در محصول و فن آوری های موجود ما. پذیرش بازار محصولات ما یا محصولات شرکای ما ؛ طراحی ، ساخت یا نقص نرم افزاری ؛ تغییر در ترجیحات یا خواسته های مصرف کننده ؛ تغییر در استانداردها و رابط های صنعت ؛ از دست دادن غیر منتظره عملکرد محصولات یا فناوری های ما هنگام ادغام در سیستم ها. و همچنین سایر عوامل که هر از گاهی به تفصیل در گزارش های NVIDIA با کمیسیون اوراق بهادار و بورس یا SEC ، از جمله فرم 10-K آن برای دوره مالی منتهی به 29 ژانویه 2017 ،. کپی گزارش های ثبت شده به SEC در وب سایت این شرکت ارسال شده و بدون شارژ از NVIDIA در دسترس است. این اظهارات آینده نگر تضمین کننده عملکرد آینده نیست و فقط از تاریخ این موضوع صحبت می کند ، و به جز آنچه در قانون لازم است ، Nvidia هرگونه تعهدی را برای به روزرسانی این اظهارات آینده نگر برای بازتاب وقایع یا شرایط آینده رد می کند.

© 2017 شرکت NVIDIA. کلیه حقوق محفوظ است. Nvidia ، آرم Nvidia ، Tesla ، Cuda ، Maxwell ، NVLink ، Pascal ، Tensorrt و Volta علائم تجاری و/یا علائم تجاری ثبت شده شرکت Nvidia در U هستند.حرف. و کشورهای دیگر. سایر نام های شرکت و محصول ممکن است علائم تجاری شرکتهای مربوطه باشد که با آنها در ارتباط هستند. ویژگی ها ، قیمت گذاری ، در دسترس بودن و مشخصات بدون اطلاع قبلی در معرض تغییر است.

انتشار GPU ولتا

Volta Arrives: Nvidia مشخصات کارت گرافیک Titan V [بروزرسانی] را اعلام کرد

توسط استیو بورک 07 دسامبر 2017 در ساعت 11:17 بعد از ظهر منتشر شد

Nvidia GPU جدید Titan V خود را معرفی کرد ، که این شرکت به عنوان “قدرتمندترین GPU در جهان برای رایانه شخصی” معرفی می کند.کارت گرافیک Titan V در محاسبات علمی و شبیه سازی هدف قرار گرفته است ، و کاملاً واضح است که همه و همه مارک های “GTX” یا “بازی” را رها می کند.

Titan V میزبان 21 است.ترانزیستورهای 1B (چشم انداز: 1080 TI دارای 12b ، P100 15 است.3b) ، قادر به رانندگی 110tflops محاسبه تانسور است و از معماری GPU Volta استفاده می کند. ما از مشخصات سطح پایین مطمئن نیستیم و در حال حاضر نمودار بلوک برای کارت نداریم. ما هر دو مجموعه داده را درخواست کرده ایم.

Titan V یک کارت ابر رایانه است ، مناسب برای تمرکز یادگیری ماشین فعلی ولتا. Titan V از همان طراحی هسته Tensor استفاده می کند که به تفصیل با اعلام V100 ، و همچنین برای ترکیب حافظه نهان L1 و حافظه مشترک حرکت می کند ، که باید توسعه (به ویژه نرم افزار Cuda/Tensor) را آسانتر کند.

Titan V Nvidia بر روی سیلیکون 12 نانومتری FFN ساخته شده است ، همراه با 12 گیگابایت HBM2 در Interposer.

این کارت با قیمت 3000 دلار برای خرید مستقیم در دسترس است. البته باید ناگفته پیدا کرد که شما نباید این کار را برای بازی خریداری کنید – در آن خیلی خوب نخواهد بود ، زیرا کارت برای رهبری در یادگیری ماشین و توسعه علمی ساخته شده است.

ما اطلاعات بیشتری را در صورت دریافت منتشر خواهیم کرد.

مشخصات Nvidia titan v

مقایسه مشخصات Nvidia Pascal
تایتان پنجم	تسلا v100	Tesla P100	GTX 1080 Ti	GTX 1080
GPU	GV100	GV100	GP100 Cut-Down Pascal	GP102 Pascal	GP104-400 PASCAL
تعداد ترانزیستور	21.1b	21.1b	15.3b	12b	7.2b
فرآیند قند	12 نانومتری FFN	12 نانومتری FFN	16 نیوتن متر	16 نیوتن متر	16 نیوتن متر
هسته های CUDA / هسته تانسور	5120 /640	5120 /640	3584 /0	3584 /0	2560 /0
سد	320	224	224	160
طناب	?	96 (?)	88	64
ساعت اصلی	1200 مگاهرتز	1328 مگاهرتز	–	1607 مگاهرتز
ساعت	1455 مگاهرتز	1370 مگاهرتز	1480 مگاهرتز	1600 مگاهرتز	1733MHz
fp32 tflops	15tflops	14tflops	10.6tflops	11 پوند.4tflops	9tflops
نوع حافظه	HBM2	HBM2	HBM2	gddr5x	gddr5x
ظرفیت حافظه	12 گیگابایت	16 گیگابایت	16 گیگابایت	11 گیگابایت	8 گیگابایت
ساعت حافظه	1.7 گرم در ثانیه HBM2	1.75 گیگابیت بر ثانیه HBM2	?	11 گرم در ثانیه	10 گرم در ثانیه GDDR5X
رابط حافظه	3072 بیتی	4096 بیتی	4096 بیتی	352 بیتی	256 بیتی
پهنای باند حافظه	653 گیگابایت در ثانیه	900 گیگابایت در ثانیه	?	484 گیگابایت پوند	320.32 گیگابایت در ثانیه
بودجه کل انرژی (“TDP”)	250W	250W	300W	250W	180W
اتصالات برق	1x 8 پین 1x 6 پین	?	1x 8 پین 1x 6 پین	1x 8 پین
تاریخ انتشار	12/07/2017	4Q16-1Q17	TBD	5/27/2016
قیمت آزاد کردن	3000 دلار	10000 دلار	–	700 دلار	مرجع: 700 دلار MSRP: 600 دلار اکنون: 500 دلار

به روزرسانی

Titan V Reference PCB-احتمالاً تنها PCB که وجود خواهد داشت-از یک DRMOS VRM 16 فاز استفاده می کند. محلول خنک کننده همان است که در کارتهای GTX 10 از جمله 1080 TI استفاده می شود ، بنابراین از یک محفظه بخار با فن دمنده شعاعی استفاده می کند. این با TDP 250W مطابقت دارد ، زیرا بیشتر توسط اتصالات قدرت 1x 8 پین + 1x 6 پین تقویت می شود. کولر به هر حال نمی تواند خیلی بیشتر از این باشد. در مورد مشخصات NVIDIA TITAN V ، این کارت با استفاده از یک GPU GV100 با 5120 هسته Cuda و 640 هسته تنش ، با سرعت 1200 مگاهرتز / 1455MHz BOOST در هسته های Cuda استفاده می کند. این کارت همچنین میزبان 320 TMU است. در اینجا نمودار بلوک از اعلامیه اصلی ولتا آمده است:

و در اینجا نمودار بلوک SM V100 از ولتا امسال در ماه مه منتشر شده است: