ZDNet至顶网服务器频道 10月31日 新闻消息:10月31日,清华大学与浪潮集团共同发布了“计算地球科学青年人才基金”。 该基金旨在推进我国地球系统科学与高性能计算交叉领域的研究,促进培养国家在地球科学交叉领域的青年人才。该基金的设立受到了中国科学院、中国工程院、国家863、清华大学等院士、专家和学者的重视与参与。在31日的媒体发布会上,清华大学地球系统科学研究中心主任宫鹏教授、清华大学高性能计算技术研究所所长及地球系统数值模拟教育部重点实验室主任杨广文教授和浪潮电子信息产业股份有限公司副总裁胡雷钧共同出席了发布会并接受媒体访问。
众所周知,全球气候正经历一次以变暖为主要特征的显著变化,对生态和环境产生了严重影响,如海平面上升、冰川融化退缩、冻土面积减少、河川径流流程缩短或断流、泥石流和滑坡发生频次增加、沙漠化不断加剧等。全球变化问题已成为重大的科学问题,愈来愈受到科学界、政治界和社会公众的重视。我国近年来也越来越重视全球气候问题的研究,并将全球变化研究列为我国“十二五”期间重大研究计划,显示出我国政府对全球变化研究的高度重视。
作为研究全球变化问题不可替代的研究方法——计算地球科学的研究成果可帮助解决全球变化问题,保护自然资源基础和开发再生能源,实现人类可持续发展。在计算地球科学的研究上,美国、欧洲等发达国家先后发布了多种典型的计算地球科学的系统模式、软件框架等成果,跟他们相比,我国仍然缺乏支持计算地球科学模式开发的集成平台,适合计算地球科学程序特点的调试、分析与高可用技术研究成果。此次清华大学、浪潮集团共同发布的“计算地球科学青年人才基金”就是要推进我国地球系统科学与高性能计算交叉领域的研究成果,培养国家在地球科学交叉领域的青年人才。
据悉,“计算地球科学青年人才基金”下设“清华——浪潮计算地球科学青年人才奖”和“清华——浪潮计算地球科学优秀学生奖”两个奖项。今年11月为奖项申报时间,12月初基金管理单位将集中对奖项申报资格予以审查,之后由基金奖项的评审专家进行奖项评审,最终获奖情况将于今年12月底向社会公布。
其中,“清华——浪潮计算地球科学青年人才奖” 采取专家推荐的方式,面向年龄在40岁以下,如具有近五年发表或撰写过在地球系统科学领域具有开拓性思想的论文、论著,或具有地学领域原创性科学与技术创新成果的青年人才则可申请。申请奖项的人士可选择的推荐专家包括中国科学院院士、中国工程院院士;重点高等院校校长、重点科研院所院(所)长、国家和部委重点实验室主任;国家重大科学技术研究项目的首席科学家、长江学者、杰出青年基金获得者等。并且每位推荐专家仅限推荐一名候选人参与奖项评比。
而“清华——浪潮计算地球科学优秀学生奖”则面向清华大学的研究生。清华大学的研究生如果以第一作者或第二作者身份在国内外高质量学术刊物和国际会议上发表过论文、获得发明专利或实用新型专利,或在国际科技竞赛中获得优异名次的清华大学研究生均可提出申请。
作为我国高校的顶尖学府——清华大学在计算地球科学领域已走在国内先进领域。清华大学先后成立了“清华大学地球系统科学研究中心”和“地球系统数值模拟教育部重点实验室”,举办计算地球科学领域的国际研讨会、完善计算地球科学的教育课程等等。本次与浪潮集团共同发布“计算地球科学青年人才基金”,一方面归结于两者在2011年合作启动“地球系统模拟器”科学工程,浪潮集团已具备了一定的计算地球科学超级计算机系统构建的经验和能力,一方面也归结于浪潮集团一直致力于推进我国HPC应用人才的培养,这与清华大学的教育理念及推行“计算地球科学基金”的理念不谋而合。
浪潮集团曾先后设立了“浪潮高性能计算创新奖励基金”、组织“首届中国大学生超级计算机竞赛”、连续支持中国高校参加SC、ISC全球超级计算机大赛等活动来全力推进培养我国高性能计算人才的举措;此外还举办“中国高性能计算用户大会”,为高性能计算用户之间构建科研交流、经验分享的平台;另外与中科院成立“中科院北京基因组研究所-浪潮基因组科学联合实验室”、与Intel成立“浪潮-英特尔中国并行计算联合实验室”等,加深与高性能计算高端科研单位的交流,加快自身专业能力的建设。这几年来,浪潮一直致力于不仅为高性能计算用户提供“好用”、“用好”的产品,更为推进我国高性能计算产业的发展、培养高性能计算人才献策献计。
浪潮公司副总裁胡雷钧在媒体发布会上说:“浪潮本次与清华大学共同设立的 “清华——浪潮计算地球科学青年人才基金”将进一步推进国内地球系统科学与高性能计算交叉领域的研究,为培养国家在地球科学领域的交叉青年人才出一把力。”
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。