与新加坡国家超级计算中心和澳大利亚国家计算基础设施中心联合举办的年度竞赛汇聚了亚太地区的众多精英学生团队共话HPC和AI技术
美国加州桑尼维尔/新加坡 – 2022年5月19日 – 国际高性能计算与人工智能咨询委员会、新加坡国家超级计算中心(NSCC)和澳大利亚国家计算基础设施中心(NCI)联合宣布第五届亚太区HPC-AI大学生竞赛胜利召开。为期6个月的竞赛,将面向亚太地区各个国家的大学生和研究生,共同探讨技术开发,挑战对高性能计算(HPC)和人工智能(AI)技术的理解,并以饱满的热情向国际评委会展示参赛团队的竞赛成果。
2022届亚太HPC-AI竞赛已经吸引了来自12个国家和地区的22个学生团队,共计上百名学生奋力鏖战,向梦寐以求的年度最佳团队桂冠发起冲锋。
今年的竞赛关键任务聚焦三个热点研究课题,将应用HPC和AI 技术来加深理解,以期寻找提升人类健康问题的答案,并促进我们共同的地球资源和环境实现可持续发展。这些课题包含使用HPC技术来解构面向未来的绿色能源机理,使用人工智能技术训练和分析卫星数据以实现更好的气候模型和天气预报,以及使用深度学习方法来实现DNA序列快速解码来增强疾病预防和医疗护理。
2022年竞赛的3个主题任务是:
转录因子(TF)在基因表达调控网络中扮演了关键角色。参赛团队需要使用基于深度学习的AI模型来高清晰度解码转录因子结合位点,以更好地理解转录因子的调控机制。
国际高性能计算与人工智能咨询委员会、新加坡国家超级计算中心和澳大利亚国家计算基础设施中心将联合为所有参赛选手提供HPC和AI基础培训和竞赛任务训练等支持。此外,新加坡国家超级计算中心和澳大利亚国家计算基础设施中心还将为所有参赛队伍提供CPU和GPU集群资源以帮助参赛选手实现编程和上机实践。
“亚太区HPC-AI竞赛已经成为了精彩的年度盛会,来自亚太各地区的数百学生一起,共同探讨、夯实HPC和AI基础知识,围绕对世界至关重要的课题开展工作”, 国际高性能计算和人工智能咨询委员会主席Gilad Shainer说,”我们希望每个参赛学生都能通过竞赛获得成就,同时感谢新加坡国家超级计算中心和澳大利亚国家计算基础设施中心对竞赛提供的教育、培训和资源支持”。
“亚太地区人口占世界总人口的60%,因此2022年竞赛选择的人类健康和环境相关的任务对亚太地区特别有意义。年度HPC-AI竞赛已成为一个至关重要的培训基地,培育了大量的HPC和AI专业人员,并且为他们创造直面挑战的机会”,新加坡国家超级计算中心主任Tan Tin Wee表示,”与国际高性能计算和人工智能咨询委员会,以及我们的紧密合作伙伴澳大利亚国家计算基础设施中心的通力合作,将有力帮助本地区的学生和团体实现HPC和AI技术的进步”。
“HPC-AI竞赛为学生创造直面真实世界课题的机会,鼓励学生使用创新的方法来思考和处理问题”,澳大利亚国家计算基础设施中心培训和研究主管Jingbo Wang博士表示,”我们期待一个精彩而有教育意义的竞赛,衷心感谢国际高性能计算和人工智能咨询委员会的鼎力合作,帮助促进本地区的HPC和AI专家人才库建设和成长”。
最终获胜团队将于2022年11公布,然后将于2023年2月28日到3月2日在新加坡举办的SupercomputingAsia 2023大会期间举办正式的授奖庆典活动。
更多关于竞赛的信息请访问 www.hpcadvisorycouncil.com。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。