全新卓越人工智能实验室将借助高性能计算和AI,大规模解决科学难题
Atos和NVIDIA今日宣布成立卓越人工智能实验室(Excellence AI Lab,简称EXAIL),该实验室将汇聚一批科学家和研究人员,助力推进欧洲计算技术、教育和研究的发展。
该实验室的首批研究项目将集中在高性能计算和人工智能的进步所推动的五大关键领域:气候研究、医疗和基因组学、与量子计算的结合、边缘人工智能/计算机视觉以及网络安全。
Atos公司将利用NVIDIA基于Arm架构的Grace CPU、NVIDIA下一代GPU、Atos BXI E级互联技术和NVIDIA Quantum-2 InfiniBand网络平台,开发一台E级计算级别的BullSequana X超级计算机。
预测和解决气候变化问题
为了更准确地预测气候变化,来自Atos和NVIDIA的研究人员将在欧洲最快的超级计算机——Jülich超级计算中心上,运行新的AI和深度学习模型。这种巨型模型可用于预测极端天气事件的演变、及其随全球变暖而发生的变化,而这些将极大地受益于E级计算。
JUWELS Booster系统基于Atos的BullSequana XH2000平台,拥有近2.5 exaflops的AI性能,搭载3744个NVIDIA A100 Tensor Core GPU,并采用NVIDIA Quantum InfiniBand网络,将有助于更深入地了解气候变化,并对飓风、极端降水、炎热和寒潮等事件进行更准确的长期预测。
Atos公司HPC、AI和量子业务全球销售副总裁Andy Grant表示:"Atos坚定地致力于实现自身脱碳目标,即到2028年抵消自身所有的剩余排放量,达到'净零',并达到SBTi的目标,即通过我们的控制和影响,到2025年将自身全球范围的碳排放量减少50%。许多领先的气候建模中心,如法国气象局、DKRZ、KNMI和AEMet,都在使用我们的BullSequana超级计算机来运行自己的大型天气和气候模型,在我们与ECMWF创建天气和气候建模卓越中心的一年后,EXAIL的成立清楚地表明了我们的承诺。"
NVIDIA副总裁兼加速计算总经理Ian Buck表示:"气候变化加剧了极端天气事件的发生并提高了其频率,这些事件扰乱了整个地区,每年给政府和经济带来数以千亿计的损失。EXAIL旨在推动重要的研究,以解决全球范围内围绕气候变化的紧迫挑战"。
利用高性能计算、量子和AI加速医学研究
利用计算基因组学助力实现医学突破,正在彻底改变药物研发和医疗领域。Atos生命科学卓越中心已经与40家领先机构合作,利用高性能计算、量子计算和AI来推进医学成像、基因组学和制药领域的发展。NVIDIA Clara™医疗应用框架可为基因组学、医学成像和计算化学应用提供超级计算性能。
EXAIL将利用Atos的先进计算解决方案和NVIDIA Clara,帮助医疗研究人员和供应商利用嵌入式、边缘、数据中心和云平台,加速药物研发并设计先进的诊断解决方案。
推进量子研究
量子计算有望解决药物研发、气候研究、机器学习、物流和金融等领域的复杂问题。但在量子计算机变得可行之前,还有很多研究工作需要开展。
Atos的量子机器学习是为即将到来的量子计算机时代开发的量子软件开发和模拟设备,使研究人员和工程师能够开发和实验量子软件。它将使用NVIDIA GPU助力大幅提高量子模拟的速度和规模。这将加速量子算法、量子信息科学、新的量子处理器架构以及量子-GPU混合系统架构的研究。
加速计算机视觉
利用Atos的边缘设备,例如其在NVIDIA BlueField® DPU上运行的BullSequana Edge,EXAIL的研究团队将协力加速计算机视觉和5G无线基础设施。Atos全球六个专门研究计算机视觉的实验室将配备最新NVIDIA Fleet Command™技术,用于在分布式边缘基础设施上安全地部署和管理AI应用。
推进零信任网络安全
此外,EXAIL研究团队将利用NVIDIA Morpheus开放式AI框架,开发一个新的数据中心到边缘的零信任网络安全平台,以及新的人工智能模型,来即时检测新的网络安全威胁。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。