据美国计算机协会(ACM)消息,美国东部时间11月19日,高性能计算领域备受瞩目的戈登贝尔奖出炉。
由中美科学家组成的“深度势能”团队,因“结合分子建模、机器学习和高性能计算相关方法,将具有从头算精度的分子动力学模拟的极限提升至1亿个原子规模”斩获戈登·贝尔奖(Gordon Bell Prize)。
“戈登·贝尔奖”是国际高性能计算应用领域最高奖项,设立于1987年,由美国计算机协会颁发,被誉为“计算应用领域的诺贝尔奖”
据深度势能团队介绍,分子动力学(MD)是一种以计算机模拟的方式,分析分子和原子在固定的时间内如何移动和相互作用的学科。他们采用了“基于深度学习的分子动力学模拟通过机器学习和大规模并行计算”这一全新的研究方法,将原来可能需要60年才能完成的AIMD模拟一个具有1亿个原子的体系缩短到了1天。
ACM评价道,基于深度学习的分子动力学模拟通过机器学习和大规模并行的方法,将精确的物理建模带入了更大尺度的材料模拟中,将来有望为力学、化学、材料、生物乃至工程领域解决实际问题(如大分子药物开发)发挥更大作用。
据悉,深度势能团队的此项应用,此前在由中科院主办的先导杯并行计算应用大奖赛中崭露头角,获得了“开放应用”赛题的特等奖。
先导杯并行计算应用大奖赛由中科院主办,中科曙光予以战略支持,旨在突破计算机软件环境与科学应用方面的瓶颈,充分发挥大赛对于科学发现以及科技创新的驱动力,发现并培养未来先进计算领域的高水平交叉人才。首届“先导杯”大赛中,路登辉作为队长,带领深度势能团队,成功地将基于深度学习的开源分子动力学模拟软件DeePMD-kit移植到新一代国产并行计算平台,并对其新硬件进行程序设计和优化。这一成果解决了长期困扰分子动力学模拟的精度和效率不可兼得的难题,丰富了国产并行计算平台的模拟软件,推动了国内相关计算领域的发展。
据了解,第二届先导杯并行计算应用大奖赛正在紧锣密鼓的筹备中,大赛将秉持办赛理念,凝聚起产业界、学术界、大规模并行计算用户等各方力量,让更多计算与应用交叉学科人才崭露头角,为中国先进计算技术进步、产业发展贡献力量。
好文章,需要你的鼓励
这项研究探索了语言神经元视角下多语言对齐如何增强大语言模型(LLMs)的多语言能力。研究团队提出了一种更精细的神经元识别算法,将激活神经元分为语言特定、语言相关和语言无关三类,克服了现有方法的局限性。基于这种分类,研究将LLMs多语言处理过程划分为四个阶段:多语言理解、共享语义空间推理、多语言输出空间转换和词汇空间输出。通过分析对齐前后不同类型神经元的变化,发现多语言对齐促进了更多语言相关神经元的共享使用,减少了对语言特定神经元的依赖,这也解释了"自发多语言对齐"现象。
这项由弗吉尼亚大学与Adobe研究院合作的研究突破了传统图像到视频生成的空间限制,提出了"Frame In-N-Out"技术,使物体可以自然地离开画面或新物体能够进入画面。研究团队创建了专门的数据集和评估方法,并设计了一种融合运动控制、身份参考和无边界画布的扩散变换器架构。实验结果表明,该方法在生成质量和控制精度上显著优于现有技术,为电影制作和创意内容创作提供了新可能。
浙江大学研究团队开发了首个评估视觉语言模型多视角空间定位能力的综合基准ViewSpatial-Bench,并揭示了现有模型在视角转换理解上的严重缺陷。通过自动化3D标注流水线构建的大规模数据集,他们训练出的多视角空间模型(MVSM)实现了46.24%的性能提升,为人机空间交互提供了新的解决方案,使AI系统能更好地理解人类视角下的空间关系,促进更直观的人机交流。
ByteDance团队提出的DetailFlow是一种创新的图像生成方法,通过"下一细节预测"策略实现从粗到细的自回归生成。它将图像编码为仅需128个令牌的1D序列,比传统方法少5倍,却实现了更高质量(2.96 gFID)和更快速度(提速约8倍)。该方法巧妙地模拟人类创作过程:先勾勒整体结构,再逐步添加细节,并通过自我纠错机制解决并行推理中的错误累积问题,为高分辨率图像生成提供了高效解决方案。