5月10日, 第十届ASC世界大学生超级计算机竞赛总决赛在中国科学技术大学落下帷幕。在现场竞赛中,北京大学、中国科学技术大学分获冠亚军,中国科学技术大学获e Prize计算挑战奖,浙江大学获最高计算性能奖,其他多队也取得佳绩。
第十届ASC超算大赛共有全球300余支高校代表队报名参加,经过预赛选拔有24支队伍晋级总决赛。其中,20支中国大陆高校队伍参与现场竞赛,其他高校队伍通过亚马逊云进行线上竞赛比拼。
决赛要求各参赛队伍在3000瓦功耗约束下自行设计并现场搭建集群系统,运行优化国际通行基准测试HPL&HPCG、AI语言大模型、机器学习分子动力学应用DeePMD、气候水文模式应用WRF-Hydro、神秘应用海洋数值模式FVCOM等前沿科学与工程应用。总决赛期间,24支队伍还通过抽签分为四组完成超级团队赛,通过跨团队、跨地域合作,共同挑战随机量子线路采样模拟赛题。
总决赛争夺异常激烈,最终北京大学代表队发挥出色,在气候水文模式应用WRF-Hydro、机器学习分子动力学应用DeePMD等多个赛题均有上佳表现,反映出全面、深刻的超算系统与应用理解能力以及出色的性能优化能力,夺得总冠军。中国科学技术大学代表队在AI语言大模型、基准测试等多个赛题中都取得优秀成绩,获得亚军。
中国科学技术大学代表队在极具挑战性的AI语言大模型训练任务赛题中表现出色,通过引入业界前沿的大模型并行策略、计算加速算法和显存优化机制,并均衡考虑训练速度及loss收敛性,取得了全场最佳成绩并获得e Prize计算挑战奖。
浙江大学代表队实现计算系统在3000W总功耗约束下109万亿次/秒的HPL持续浮点运算性能,获得最高计算性能奖。
由南方科技大学、哈尔滨工业大学(深圳)、兰州大学、上海交通大学、齐鲁工业大学、香港中文大学组成的超级团队对随机量子线路采样模拟赛题实现了高效优化,获得了超级团队奖。
此外,北京航空航天大学、中山大学、青海大学等队伍凭借在单项赛题上的优异表现获得了应用创新奖。
在线上竞赛中,香港中文大学获得冠军,香港中文大学、台湾新竹清华大学、泰国农业大学等队伍分获应用创新奖。
ASC竞赛发起人、中国工程院院士王恩东表示:“十年来,ASC竞赛通过不断创新和产学研用的融合,逐渐探索出‘以应用为导向,以复合型人才为核心’的科技新青年培养范式。从ASC竞赛中走出的科技新青年,具备全球化视野,乐于探索前沿科技,拥有科学精神和创新思维,重视团队协作,已经成长为科技创新的新生代力量。”
中国科学技术大学校长、中国科学院院士包信和表示:“非常荣幸第十届ASC超算大赛总决赛能够在中国科学技术大学举办。中国科大一直以来都非常重视在前沿交叉学科领域培养世界一流的科技创新人才。ASC作为世界最大规模的超算竞赛,为青年学生的成长提供了非常好的创新教育平台,将进一步推动中国科大在前沿交叉科技领域的人才培养。”
ASC专家委员会主席、图灵奖获得者、田纳西大学杰出教授杰克 唐加拉(Jack Dongarra)表示:“ASC超算竞赛的目标是培养下一代年轻人才,激励大学生们在超级计算和人工智能领域进行探索、创新和协作。在高性能计算系统、基准测试以及3000瓦功率上限的科学应用方面,大学生们投入了大量精力进行设计、构建、调试和优化,这些行为确实鼓舞人心。”
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。大赛迄今已连续举行10届,共吸引了全球超过10000名大学生参赛,是目前全球规模最大、参与人数最多的大学生超算赛事。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。