ZD至顶网服务器频道 04月12日 新闻消息:近日,浪潮与某气象客户紧密合作,完成了区域覆盖面积超500万平方公里、水平分辨率达1Km*1Km的高精度数值天气预报,为气象业务提供了更加精准的天气预报产品,达到了国内领先国际先进的水平。这项工作是在浪潮为该客户建设的天梭超级计算机上完成的,该超算拥有8640个处理器核心,是目前国内数值天气预报业务领域部署的基于x86技术的性能最高的超级计算机,将更好地服务于经济生产、人民生活和防灾减灾等。
浪潮完成500万平方公里1Km分辨率高精度数值天气预报
天气预报:更高精度、更大规模
该客户之前采用的气象业务化集合预报系统,该系统包含11个预报成员,每天完成2次集合预报(0点和12点),预报范围为当地及周边省市,覆盖全国20%~25%的区域,水平分辨率为3km。该预报系统包含前处理、同化、预报、后处理模块,预报4天的天气过程。每个预报成员分配一定数量计算节点进行运算,总耗时在2小时左右。
浪潮气象领域高性能计算专家在该预报系统的之前预报范围基础上增加了一层嵌套区域,将水平分辨率提高到1km,并可预报4天的天气过程。这一改动将增加运算的复杂度,而且计算规模也随之大增。经过浪潮专家的深入并行优化,使用浪潮超级计算机可将运算耗时可以控制在2小时30分钟,不仅能够给出更高精确度的预报结果,而且还能满足预报的时效性。
针对该系统中的高分辨率大规模短期预报(12小时),浪潮超级计算机完成了水平位网格数为2400*2100的1km高精度数值模拟,这一精度的覆盖范围达到504万平方公里,超过中国一半以上的国土面积。在这一超大规模预报模式下,浪潮专家成功将并行规模扩展到8192处理器核心上,并达到近乎线性的加速效率,运行时间耗时大约2.4小时。
超级计算:更低功耗、更强性能
之所以能够支撑更高精度、更大规模的气象数值预报,除了在算法方面的改进和优化外,也得益于浪潮超算系统的优秀设计,并实现了更低功耗、更强性能。
浪潮为客户构建的超级计算机采取刀片+胖节点+高速IB网络的解决方案,峰值计算性能达数百万亿次。同时水冷方案设计相比传统风冷系统节能20%以上,使PUE值大幅降低,实现了绿色超算,做到了高性能与低能耗的融合。
高密度、高性能刀片节点:在高性能计算中,为了节省空间、降低能耗、简化管理,采用刀片服务器已是大势所趋。浪潮为客户设计的超级计算机采用浪潮英信NX5440M4服务器,在8U的空间内可扩展20个计算节点,超高的计算密度为用户后期扩展带来方便。
更高效率、更低延迟:若把强大的计算资源比作"资源仓库",有了高速便捷无拥堵的"路",才能把资源利用到极致。浪潮采用648端口全线速无阻塞核心Infiniband交换机,很好地实现了高速率与低延迟,让计算性能得到充分发挥。
全密闭水冷,冷却效率超95%:水冷相对于风冷方式,具有绿色环保,能效比高的优势,不仅大大的节省了用户的空间,也可以优化用户的成本。浪潮根据机房实际条件,采用IT数据中心专用冷水机组,内置自然冷却模块,利用水侧自然冷却实现节能降耗,冷水机组内置低温套件,实现-20℃~+43℃的全工况启动与运行,可以适应冬季时的极低气温环境,同时针对高密度负荷服务器机柜配置高性能机柜级水冷空调,提高冷冻水供水温度至15℃,进一步实现节能增效。整体制冷方案采用密闭机柜级制冷,冷却效率超过95%。
目前,依托高效能服务器和存储技术国家重点实验室、Inspur-Intel中国并行计算联合实验室、Inspur-NIVDIA云超算创新中心等全球领先的研发创新体系,浪潮拥有从万亿次到千万亿次的超级计算机产品研发、系统建设、运维服务能力,拥有完备的HPC软硬件产品线及丰富的应用移植、应用优化经验,为中国气象预报、环保监测、高校科研、石油勘探、生命基因、工业制造等众多行业用户提供了领先优质的超算系统与应用服务,实现了国产高性能计算机系统的海外出口产业化。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。