2024 ASC世界大学生超级计算机竞赛(ASC24)总决赛于4月9日-13日在上海大学成功举行。作为ASC专家委员会主席,图灵奖得主、田纳西大学杰出教授杰克·唐加拉(Jack Dongarra),不远万里专程前来参加ASC24总决赛,并与参赛的同学们进行面对面的亲切交流,为ASC超算大赛的科技新青年们带来了新的启迪与鼓舞。
Jack Dongarra与参赛队员在比赛现场合影
在ASC24决赛现场,Jack Dongarra认真观摩了每一个参赛队伍的工作,并和参赛队员进行深入交流,询问他们有没有遇到什么问题,使用了什么样的集群策略,针对3000瓦的规则要求是如何控制功耗的……Jack Dongarra不仅希望了解参赛队伍在技术和策略上的创新,还鼓励学生们多多分享经验和学习心得。
面向参赛的青年队员们,Jack Dongarra分享了关于成长与发展的四点建议:“第一点是必须热爱你的事业,并追随这份热爱去工作;第二点是学会预期失败,失败是过程中的一部分,不会总是成功的,要从失败中汲取教训;第三点是应该尝试解决具有挑战性的问题,不要满足于解决简单问题,去解决那些真正能够测试和提升能力的问题;第四点是围绕你的想法和工作积极与他人建立连接,与他人交流分享你的想法,获取反馈的同时给予他人反馈,与他人共同成长。”这些建议不仅为学生们提供了面对学术挑战的策略,也为他们的个人成长和职业发展指明了方向,鼓励他们在追求卓越的旅途中不断前行。
在同期举办的第33届国际超算高峰论坛(HPC Connection Workshop)中,Jack Dongarra围绕“An Overview of High Performance Computing and Future Requirements”做了精彩分享,Dongarra讨论了基准测试的重要性和局限性,以及人工智能和机器学习在高性能计算中的应用和影响。演讲指出了HPC硬件的持续变革,以及算法和软件必须适应硬件进步的必要性,展望了高性能计算、深度学习和边缘计算等领域的未来发展潜力。
Jack Dongarra 国际超算高峰论坛报告分享
作为ASC24评委,Jack Dongarra认真聆听了参赛队伍的评审答辩,并就其优化方案及效果进行了深入交流。他非常注重评估队伍的技术创新、性能优化、团队协作能力、问题解决思路以及答辩技巧,他的专业反馈对于参赛队伍来说极为宝贵。
在ASC24闭幕式暨颁奖典礼上,Jack Dongarra对参赛学生在3000瓦功耗限制下设计、构建、调整和优化HPC系统,并进行基准测试和科学应用探索提出了表扬。“看到你们如此努力地解决问题,花费数小时让应用程序不仅能够运行起来,还能够高效地运行,这是非常振奋人心的。”Jack Dongarra如是说。他强调了计算科学作为数学、计算机科学和领域科学融合的重要性,并认为这次竞赛是一次宝贵的学习经历,希望参赛者能够更好地理解协作的重要性,期待看到他们成为下一代计算科学家。
Jack Dongarra ASC24闭幕式致辞
Jack Dongarra认为ASC竞赛已经形成了独特的文化,谈及参加ASC超算竞赛的感受, Dongarra提到:“我多次来到ASC,每次来这里都很愉快。ASC是一个让年轻研究人员聚在一起,非常激烈地一起解决问题的活动。每次看到同学们对ASC的兴奋程度以及最后的成功,都很有趣。当然,在这个过程中会遇到失败,我很期待听到同学们是如何克服这些问题的。看到这些年轻的研究人员从事并克服这些挑战总是很有吸引力。”
作为ASC超算竞赛的专家委员会主席,杰克·唐加拉教授不仅是竞赛的坚定支持者,而且积极投身于与青年学生的互动交流,希望通过自己的分享,鼓舞充满活力的超算新人。相信杰克·唐加拉教授的指导和鼓励将持续激励超算年青一代在未来的学习和研究中不断探索与创新,从而为超算技术的进步和科技产业的繁荣贡献自己的力量。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。