2014年6月17日,在2014年第76届EAGE国际会议及展览会上,联想(3236号展台)宣布将携手英伟达(NVIDIA)、微捷码(Magma)和Hue公司,共同为地球物理勘探开发全新的可视化技术解决方案。
这一组合式解决方案将包含联想 ThinkStation D30工作站、NVIDIA® Tesla® K40 GPU加速器和Magma GPU扩展技术,共同为Hue公司用于勘探和生产应用开发的可视化技术提供支持,以推动实现在数秒内渲染数量庞大的地球物理学可视化数据的目标。
地球物理勘探对于发现石油和天然气至关重要,但如何高效处理日益增长的地震数据,以快速渲染并可视化复杂地球模型,长期以来一直是困扰该行业的一个难题。尽管Hue等创新公司正在开发的技术有望大幅提高地质学家的发现能力,但性能低下的计算技术却会成为这些应用的瓶颈,使得勘探项目动辄就要耗费数小时、数天甚或数周的时间。
全新的组合式可视化解决方案首次将高性能计算(HPC)引入了Hue软件开发工具套件,能够最大限度地减少延迟,彻底改变地质学家处理地震数据的方式。该解决方案提供了一个64位的优化环境,可在数秒内分析数TB乃至数PB的数据,使地质学家能够在无缝的工作流中快速执行复杂的算法。
Headwave地球科学顾问Ron Masters博士表示:“在勘探中,数据通常会姗姗来迟,而决策时间却经常提前,从而不断挤压用于分析的时间。新的机会总是要求更大的数据量、更先进的成像和新的解释概念。我们对速度的需求从未如此强大。”
该组合式解决方案的基础是联想 ThinkStation D30工作站,这也是当前性能最高、最可靠、且最简单易用工作站。同时,它通过微捷码的ExpressBox 3600 GPU扩展系统将多个NVIDIA Tesla K40 GPU加速器连接在一起,提供了可媲美高性能计算的强大计算能力。Hue公司独具创新的HueSpace软件工具套件能够充分利用NVIDIA Tesla GPU的强大性能,在单一易用的工具套件中,带来迅捷的计算能力、面向域的一流多维可视化能力、以及智能的勘探与生产数据处理能力。
联想能源、石油和天然气行业解决方案部门的Chris McCoy指出:“联想 ThinkStation D30工作站是市场上性能最佳的工作站,能够帮助地质学家有效应对他们所面临的紧迫计算挑战。通过这方面的努力,我们与业界最出色的技术提供商紧密合作,推出了能够支持全新工作流的解决方案,从而为地质勘探提供有价值的技术支持。”
Hue公司战略联盟技术副总裁Marius Storm-Olsen表示:“我们致力于开发创新的软件应用,帮助地质学家能够以显著低于其他应用的时间,快速执行非常复杂的算法。我们非常自豪能够与联想合作,推出预计在未来将会对石油和天然气行业产生重要影响的解决方案。”
微捷码公司战略业务开发部门的Jim Medeiros表示:“高性能计算解决方案对于石油和天然气行业至关重要,我们很高兴能有机会推动此类解决方案在该领域的应用。将我们的GPU扩展技术增添至工作站解决方案,使得以往仅限在数据中心使用的高性能计算技术,现在也能够在石油和天然气领域大显身手。这是一项了不起的成就,我们非常期待看到该行业对我们这一成果的响应。”
英伟达首席解决方案架构师Ty McKercher指出:“借助基于HueSpace和CUDA GPU加速的交互式3D渲染应用,地质学家将能够处理庞大的数据量,并在使用智能探针浏览数据的同时快速执行复杂计算。这项技术为增强对勘探项目的信心奠定了坚实的基础,使地质学家能够发现以前隐藏的资源,并最终发现更多油气储量。”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。