1月19日,全球最大规模的超算竞赛2022 ASC世界大学生超级计算机竞赛(ASC22)启动会在北京、合肥两地及线上同步举行。多位中国科学院院士、中国工程院院士、超算与人工智能领域专家及参赛队师生代表等参加了会议。ASC22吸引了全球超过300支参赛队伍报名参加,通过预赛选出的队伍将参加5月7日-11日在位于合肥的中国科学技术大学举行的总决赛。
启动会上公布了ASC22竞赛时间线。ASC22采用“预赛+决赛”的赛制。2022年1月5日-3月4日为预赛阶段,参赛队按要求提交超算应用优化提案。3月21日将公布预赛结果及决赛名单。决赛将于5月7日-11日举行,入围总决赛的中国大陆队伍将参加现场总决赛,中国大陆之外的晋级队伍将通过在线方式参与总决赛,他们将比拼基准测试、高性能计算和人工智能等应用赛题,并参加英文答辩,角逐冠亚军、e Prize计算挑战奖、最高计算性能奖等诸项大奖。
ASC22赛题聚焦高性能计算与人工智能(AI)的融合,所有参赛大学生队伍需要在预赛中完成两道极具挑战性的尖端应用赛题,分别是“源”AI语言大模型和AI+Science代表性软件DeePMD-kit,这对参赛队伍的超算应用与创新能力将是巨大的考验。
ASC22现场总决赛举办地为中国科学技术大学。中科大是享誉海内外的世界一流大学,在量子信息、单分子科学、高温超导、纳米科学、地球环境、生命与健康等前沿科学和高新技术领域取得了一批具有世界水平的科研成果。中科大超算代表队也是世界超算竞赛舞台上的老牌劲旅,多次荣获冠亚军等重量级奖项。
ASC竞赛发起人、中国工程院院士王恩东表示:“今年恰逢ASC竞赛举办10周年,‘十年树木,百年树人’,推动超算年轻人才培养正是ASC竞赛发起举办的初心。相当部分的同学通过比赛增加了对超算的认识,开阔了视野,在毕业后投身超算和应用一线并已经有所建树,成为新生代的‘超算力量’。ASC竞赛‘以赛促学、以赛会友’的办赛模式,在人才培养上已经取得明显成效,特别是在国际青年人才交流方面,这样的作用很明显,为参赛大学生们提供了交流协作的国际化舞台。经过十年发展之后,ASC竞赛已经形成了独特的赛事文化,吸引了越来越多的人投身其中。”
中国科学技术大学副校长周丛照指出,高性能计算、人工智能是关系到科技与产业发展的基础性、战略性问题。中国科学技术大学在高性能计算方面的研究和应用几乎涵盖了科学与工程的各个学科,不仅在量子计算等前沿技术路径上取得突破,而且在灾害性气象预报、城市社会应急系统等应用领域实现了重要进展,并形成了完善的高性能计算人才培养体系。今年恰逢ASC十周年,举办ASC22总决赛将进一步推动中国科学技术大学在高性能计算领域的人才培养与前沿技术突破。
ASC竞赛专家委员会主席、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杰出教授杰克·唐加拉(Jack Dongarra)表示:“ASC竞赛旨在培养下一代的年轻人才,激发他们在超级计算机和人工智能领域的探索、创新和合作。参赛学生将会更好地理解如何作为一个团队一起工作、互相帮助、协作,成长为下一代的计算科学家。”
启动会上,往届参赛师生代表围绕ASC十周年畅所欲言,交流ASC带来的价值和收获,分享自己与团队的成长和体会。
为了帮助参赛师生更好地备战,ASC组委会将于1月20日-21日举办线上集训营,邀请世界知名学术机构、高科技企业的高性能计算及人工智能专家解读竞赛规则,详解集群设计与评测、加速计算、并行优化等超算知识和赛题背景,并进行深度学习训练优化等人工智能方面知识的培训。往届ASC获奖团队的师生代表也将分享他们的成功经验与宝贵建议。
ASC 世界大学生超级计算机竞赛(ASC Student Supercomputer Challenge)由中国发起组织,并得到亚洲及欧美相关专家和机构支持,旨在通过大赛平台推动各国及地区间超算青年人才交流和培养,提升超算应用水平和研发能力,发挥超算的科技驱动力,促进科技与产业创新。ASC超算大赛迄今已举行至第十届,吸引超过万名世界各国大学生参赛,是全球最大规模的超算竞赛。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。