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
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。