至顶网服务器频道 05月30日 新闻消息(文/邹大斌):HPC(超算中心)正在成为越来越多高校的标配,南方科技大学也不例外。尽管建校时间不长,但在超算中心这件事上丝毫不含糊,不到两年先后完成了超算中心的初建和扩建,为学校的教学和科研提供了非常好的支持。特别是去年下半年,在南方科技大学、英特尔、联想共同努力下,南方科技大学超算中心二期完成,荣登2018年下半年的全球超算TOP500强,在支持科研和教学之外,还提升了大学的知名度。
南科大超算中心二期
身处改革开放前沿深圳的南方科技大学(以下简称南科大)是一所新兴的大学,2012年才正式建成,不过科技实力并不弱,在中国众多的大学综合科研实力排名也比较靠前。对于一个新成立的大学科研实力能快速挤进高校前列,与南科大拥有一支高水平的教学和科研队伍分不开,同样也与南科大为这些一流人才创造的良好科研条件密不可分,超算中心的建立就是其中之一。
“我们学校的教授有80%都是从国外请来的,他们要进行科研,对计算资源的需求量在不断增长。还有我们的大学生、博士后等,对计算的要求都比较高。超算中心的建立就是为了满足这些需求。”南方科技大学副校长鲁春在接受采访时表示。鲁春是南科大超算中心的主要发起者和推动者,他也是2015年从国外回来的。回到南科大不久,鲁春就启动了超算中心一期的建设。到2017年,又启动了超算中心二期的建设。
鲁春介绍说,超算中心对于南科大引进人才和留住人才都非常关键。“很多在国外工作的教授回国,不仅仅是看国内的待遇,更要看科研平台、实验条件。如果他需要大量的计算资源、存储资源在国内都没有,他就做不了科研的,自然也就不会回来。”
据悉,早期南科大曾在建一个资源集中的超算中心或者把资源分散给各个教授(比如各自购买工作站)两种方式中进行过权衡,最终还是决定把所有资源集中一起,建一个比较成规模的、计算量、存储量都能在国内高校里领先的超算中心,这样能更好地利用资源,也能为一些大型和超大型的研究工作提供更好地支持。
从建成后的南科大超算中心的实际运行状况看,决策是正确的,今天的超算中心的确给教授的科研提供了很好的条件,二期扩建于去年8月份完成。今天的南科大超算中心计算能力拥有815个双路刀片节点,皆为联想ThinkSystem系列刀片服务器,还搭配了英特尔100GB OPA高速计算网络系统。其中的CPU是英特尔至强Gold 6148,每个节点2个CPU共40个核。存储裸容量是5.5P。还配了一部分的FPGA节点、GPU节点和“胖节点”,以满足一些特殊的需求,比如AI和大数据应用。PUE值为1.5左右。这样的规模的超算中心在中国高校中名列前茅,在国际上也处于前列,2018年下半年的全球超级计算机榜单(HPC TOP500)上南科大的超算中心二期系统也是榜上有名,位列第127位,南科大超算中心的实力由此可见一斑。
鲁春介绍,超算中心的建成也的确给教授们的科研带来很大帮助。比如,此前很多教授需要计算资源的时候会提交各种各样的申请,或者申请去采购超算设备,或者申请租用外面超算中心的计算能力。如今,这样的需求就已经很少了,因为教授们的需求南科大自己的超算中心大部分就能满足,而且更为方便,性能更好。
“教授们的需求很踊跃。不得已,我们现在采用的办法是提交的计算任务超过指定时间,计算资源就会强制收回、释放出来。未来为了优化计算资源的高效使用,超算中心会引入收费制度。”超算中心工作人员解释说。
南方科技大学超算中心的建成不仅为教授们的科研提供很好的支持,同时,也为教学提供了帮助,比如,计算中心学生助理赵佳华同学带领的ASC19南科大代表队在计算中心计算资源的支持下,获得了初赛第二,决赛第七的好成绩,同时由于在总决赛上ShengBTE赛题的出色发挥,还获得了大赛应用创新奖。让更多的学生可以直接接触到这些当下主流的IT技术,这可以为学生以后的职业发展奠定一个很好的基础。
“南科大作为一所大学,最主要的任务是培养人才。每年会招生,学生会毕业,我们希望学生们通过在校这四年的准备期,能够见到、学到更多真正市场在用的东西。”鲁春说。
鲁春表示,近距离接触超算中心,让学生们能开阔它们的眼界。在这里学生不仅仅是看到厂商的硬件和软件,包括集成,同时也让他们了解像英特尔、联想这样的公司是怎么运作的,这些公司在关注哪些前沿的科技,比如,芯片、人工智能、VR、自动驾驶等等。这样学生学习起来更有目的性,以及将来可能要在哪个方向去发展。
同样,对于教授们而言,南科大也希望它们透过超算中心能多了解一些新的技术,特别是那些进行特别前沿研究的专家们也能把自己的研究与现实的技术进行结合。
“学生是一个方面,教授是一个方面,通过超算中心这个窗口,大家能够互相得到一些帮助,收到一些不同的信息,最终更好地支持教师的科研和学生们的学习,学校也能收获综合实力的成长。”鲁春表示。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。