5月10日, 第十届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。在持续五天的总决赛中,北京大学夺取大赛总冠军,中国科学技术大学名列亚军。中国科学技术大学获得e Prize计算挑战奖,浙江大学获得最高计算性能奖,其他高校也取得不俗佳绩。
正式决赛的第二天,24支队伍展开激烈角逐。向机器学习分子动力学应用DeePMD、气候水文模式应用WRF-Hydro以及决赛现场公布的神秘赛题海洋数值模式FVCOM三道赛题发起最后的冲击。
DeePMD赛题要求参赛队伍学习使用人工智能+科学研究的方法,进行机器学习分子动力学的前沿探索。参赛选手需要对DeePMD的模型构建过程有深入认识,并使用高性能的手段优化训练过程。这道赛题将考验参赛大学生对大规模高性能硬件的调度优化能力,并引导他们对AI+Science+HPC新范式建立直观认识。
WRF-Hydro气候水文耦合模式在水文气象领域有非常广泛的应用,如洪水预测、区域水文气候影响评估、水资源季节性预测以及陆-气耦合研究等。本次大赛WRF-Hydro赛题有离线、耦合两种运行方式,既包含区域洪水预测,又包含水文气候、陆-气耦合模拟,将综合考验参赛队对水文模式的算法理解和优化能力。
神秘应用为海洋数值模型FVCOM,是基于无结构网格、有限体积法、三维原始方程的海洋模型,能很好地实现近岸水环境模拟。这道赛题要求参赛者深入了解海洋数值模式,针对经典的内外模算法问题进行优化,重点考察参赛队对数值模型计算过程的理解和优化能力。
AI语言大模型是本届比赛e Prize计算挑战奖的指定赛题。比赛过程中,中国科学技术大学队引入了多种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,均衡考虑训练速度及loss收敛性,获得了最高分。中国科学技术大学队队员吴天铭表示:“这道赛题是在ChatGPT火起来之前就出来了,我们为此做了很多功课。不久后ChatGPT爆火,我们就已提前理解了它是怎么运作的,所以觉得ChatGPT‘神奇也不神奇’。”
本届比赛的超级团队赛题是随机量子线路采样模拟。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、香港中文大学等组成的超级团队中有多个高校队跑出佳绩,总分领先其他各组位列第一。哈尔滨工业大学(深圳)队表示:“超级团队赛是取各队的平均分作为成绩,我们认为每个队伍都应该发挥专长、互相帮助。在齐鲁工业大学和兰州大学的帮助下,我们改变了优化思路,取得了较好的效果,并且将优化后的代码共享给了兄弟队伍。”
兰州大学、哈尔滨工业大学(深圳)、上海交通大学、齐鲁工业大学、南方科技大学、香港中文大学联队
谈到超级团队赛的参赛体会,南方科技大学队表示:“我们队平台性能高且稳定,所以主要承担跑分的任务,最终取得了满分,这是我们这个超级团队共同努力的结果。超级团队赛非常有意思,让队伍之间加强了交流,我们在群里不仅讨论超级团队赛题,也会讨论其他的赛题。”
另外,在昨日进行的HPCG基准测试的成绩中,中山大学以2147.03Gflops排名第一。
在线上总决赛中,香港中文大学取得AI大模型赛题第一,并以618.924Gflops的成绩获得HPCG基准测试的最佳成绩。
ASC 世界大学生超级计算机竞赛是由中国发起组织,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10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
一加正式推出AI功能Plus Mind和Mind Space,将率先在一加13和13R上线。Plus Mind可保存、建议、存储和搜索屏幕内容,并将信息整理到Mind Space应用中。该功能可通过专用按键或手势激活,能自动创建日历条目并提供AI搜索功能。一加还计划推出三阶段AI战略,包括集成大语言模型和个人助手功能,同时将推出AI语音转录、通话助手和照片优化等工具。
北航团队推出Easy Dataset框架,通过直观的图形界面和角色驱动的生成方法,让普通用户能够轻松将各种格式文档转换为高质量的AI训练数据。该工具集成了智能文档解析、混合分块策略和个性化问答生成功能,在金融领域实验中显著提升了AI模型的专业表现,同时保持通用能力。项目已开源并获得超过9000颗GitHub星标。
预计到2035年,数据中心用电需求将增长一倍以上,达到440TWh,相当于整个加利福尼亚州的用电量。AI工作负载预计将占2030年数据中心需求的50-70%。传统冷却系统电机存在功率浪费问题,通常在30-50%负载下运行时效率急剧下降。采用高效率曲线平坦的适配电机可显著降低冷却系统功耗,某大型数据中心通过优化电机配置减少了近4MW冷却功耗,为13500台AI服务器腾出空间,年增收入900万美元。
卢森堡计算机事件响应中心开发的VLAI系统,基于RoBERTa模型,能够通过阅读漏洞描述自动判断危险等级。该系统在60万个真实漏洞数据上训练,准确率达82.8%,已集成到实际安全服务中。研究采用开源方式,为网络安全专家提供快速漏洞风险评估工具,有效解决了官方评分发布前的安全决策难题。