DiRAC选择基于NVIDIA HDR InfiniBand 互连的 HGX平台加速其四大超算的科学研究
加利福尼亚州圣克拉拉——ISC——2021年6月28日——NVIDIA于今日宣布,其NVIDIA HGX™高性能计算平台将助力位于爱丁堡大学的 DiRAC 新一代超级计算机 —— Tursa。
Tursa超级计算机专为粒子物理计算进行了优化,是目前四台DiRAC新一代超级计算机中的第三台正式宣布将采用一或多个NVIDIA HGX平台技术进行加速,包括NVIDIA A100 Tensor Core GPU、NVIDIA HDR 200Gb/s InfiniBand网络和NVIDIA Magnum IO软件。最后一台DiRAC新一代超级计算机也将采用 NVIDIA InfiniBand网络。
研究人员能够使用Tursa对亚原子粒子的特性进行超高精度的计算,从而解析来自大型强子对撞机等大规模粒子物理学实验的数据。
NVIDIA网络事业部高级副总裁Gilad Shainer表示:“DiRAC正在帮助研究人员解开宇宙的奥秘。我们正在与DiRAC合作,充分利用NVIDIA GPU、DPU和InfiniBand网络计算加速引擎的顶尖性能加速前沿科学探索中的广泛应用。”
爱丁堡大学理论物理教授Luigi Del Debbio 表示:“Tursa将被用于挑战特殊的的研究领域,为科学建模和模拟开辟新的可能性。NVIDIA加速计算平台通过精确平衡网络带宽和每秒浮点计算次数,满足了我们研究所需要的超高性能的需求,并通过超大规模的服务能力推动新的研究。”
由Atos建造的Tursa超级计算机计划于今年投入运行,其将配备总共448个NVIDIA A100 Tensor Core GPU,并且每个节点带有4个NVIDIA HDR 200Gb/s InfiniBand网卡。加上NVIDIA Magnum IO GPUDirect RDMA技术,它能为使用晶格量子色动力学(LQCD - Lattice Quantum ChromoDynamics)的超大规模科学计算应用提供最高级别的节点间带宽和可扩展性。
DiRAC是英国面向天文学、宇宙学、粒子物理学及核物理学的理论建模和高性能计算(HPC)研究的综合超级计算系统管理机构,由其运营的各超算系统分别部署于剑桥大学、杜伦大学、爱丁堡大学和莱斯特大学。
剑桥大学的CSD3和杜伦大学的COSMA-8
NVIDIA 在2021年GTC大会上宣布,剑桥大学的面向数据驱动型研究的CSD3系统,将在全新的、每秒4千万亿次级浮点计算能力的Dell-EMC系统的加持下性能进一步增强,这套系统配备NVIDIA HGX A100 GPU、NVIDIA BlueField DPU和NVIDIA HDR 200Gb/s InfiniBand网络,将为英国国家科研界的各个领域提供安全的、多租户的、裸金属性能的HPC、AI和数据分析服务。预计CSD3将跻身世界超级计算机500强榜单。DiRAC在剑桥大学的数据密集型服务是CSD3系统的一部分。
NVIDIA 还在2021年GTC大会上宣布了英国杜伦大学的全新COSMA-8超级计算机,将基于戴尔的技术并由NVIDIA HDR 200Gb/s InfiniBand网络提供加速。这台超级计算机将被在英国的世界顶级宇宙学家们用于研究宇宙的起源。
关于位于莱斯特大学的第四个系统的更多细节,预计将在今年晚些时候公布。
好文章,需要你的鼓励
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。