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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。