至顶网服务器频道 05月15日 新闻消息: 近日,第18届国际超算高峰论坛(HPC Connection Workshop)于ASC18世界大学生超级计算机竞赛期间在南昌大学举行。本届高峰论坛以"下一个尖端:人工智能, 计算与科学"为主题,来自美国橡树岭国家实验室、国家超级计算无锡中心、华沙大学、挪威科技大学、中山大学等中美欧著名专家分享并探讨了百亿亿次超级计算机、人工智能等与超算发展密切相关的重要议题。

第18届国际超算高峰论坛(HPC Connection Workshop)现场
美国6月将重归全球最快超算榜首
全球超级计算机排行榜TOP500发起人,美国工程院院士,橡树岭国家实验室及田纳西大学Jack Dongarra教授在《高性能计算与大数据:未来的挑战》主题报告中指出,目前全球TOP500超级计算机中,已经有181套系统的运算能力突破千万亿次。而广受关注的美国Summit超级计算机已基本完成建造,预计于今年6月在橡树岭国家实验室正式投入使用。这套最新的超算系统将拥有4,600个节点,峰值运算能力突破每秒20亿亿次,比当前最快的超级计算机"神威·太湖之光"性能提升60%。
同时,美国也正在推动下一代百亿亿次超级计算机的建造,预计在2021年左右交付至阿贡实验室,初步规划峰值运算能力超过每秒130亿亿次,内存超过8PB,系统功耗约为40MW。
Jack Dongarra认为,超级计算持续发展的动力,很大程度上是为了更好的应对越来越庞大的数据处理挑战。以平方公里阵列望远镜(SKA)为例,这一全球最大天文学国际合作项目的一期工程将在2020开始运行,每天新产生的图片数据高达100PB,比滴滴出行每日新增轨迹数据高出约1000倍,这些数据需要每秒30亿亿次的运算能力才能完成处理。而到2028年,每天的图片数据量将增加100倍,达到10000PB,需要每秒完成3000亿亿次运算,相当于240台"神威·太湖之光"同时运算。
欧洲投10亿欧元建百亿亿次超算
华沙大学数学建模和计算机交叉科学中心副主任Marek Michalewicz博士介绍了欧洲的百亿亿次超级计算机项目--欧洲先进计算合作项目(Partnership for Advanced Computing in Europe,简称PRACE),这一项目的使命是实现高影响力的科学发现和跨学科研究和开发,并寻求通过各种措施加强欧洲工业用户的HPC能力,以增强欧洲的竞争力,为社会造福。PRACE通过同行评审过程提供世界级的计算和数据管理资源和服务来实现这一使命,并致力于提高计算系统的能效和减少其环境影响。欧盟委员会计划为PRACE投资10亿欧元。
国家重点研发计划"高性能计算"重点专项总体专家组组长钱德沛教授也在现场分享了中国百亿亿次超级计算机的进展与挑战,首套百亿亿次超级计算机预计将在2020年交付。
神威·太湖之光帮助地震模拟
国家超级计算无锡中心副主任、清华大学付昊桓副教授分享了荣获2017年"戈登·贝尔奖"的"基于太湖之光超级计算机的非线性地震模拟"的科研成果。该报告指出,中国拥有23个地震带,高烈度地震区(M7以上)覆盖陆地面积的50%以上,地震预测对于降低危害和风险,保障人民生命安全具有重大意义。预测地震的主要困难在于要同时对时间、空间和地震强度三大要素进行预测,因此将地震预测问题转化为地震模拟"亚"问题更为可行并具有现实意义。付昊桓现场分享了如何利用"神威·太湖之光",开展对已知地点发生的地震进行时间、地震强度的模拟,以及针对余震预测、震级-频度关系、基于地震过程情景模拟的震害预测等问题的研究。
好文章,需要你的鼓励
周一AWS美东数据中心DNS故障导致数百万用户和上千家企业断网,Reddit、Snapchat、银行和游戏平台均受影响。专家认为这凸显了冗余备份的重要性,CIO需要根据业务关键性进行风险评估,优先保护核心系统。单一供应商策略仍可行,但需通过多区域部署分散风险,建立故障转移计划。金融、医疗等高风险行业需更高冗余级别。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。