微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 联想携手英伟达、微捷码和Hue公司 打造地球物理勘探可视化技术解决方案

联想携手英伟达、微捷码和Hue公司 打造地球物理勘探可视化技术解决方案

2014-06-19 17:36
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-06-19 17:36 CNET科技资讯网

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。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-