IBM将携手英伟达和美国能源部共同建立两个新的杰出超级计算机中心。本次合作的工作将主要围绕两个方面的内容而展开,一是确保应用程序能够充分利用超级计算机的强大性能,二是收集开发人员、工程师和科学家的反馈意见。
这两个超级计算机中心分别坐落于美国能源部的橡树岭国家实验室(Oak Ridge National Laboratory)和加州劳伦斯利弗莫尔国家实验室(Lawrence Livermore National Laboratory),它们将重点推进超级计算、发展代码创新。
根据在德国法兰克福召开的国际超级计算机大会上简述的合作协议,由IBM组建的OpenPower联盟将负责提供技术支持,英伟达与Mellanox也在该联盟中。IBM已经与美国能源部签署了一份超级计算合同,而且正在开展这两个全新超级计算机系统的部署工作,以期在2018年投入使用。
IBM与英伟达的这一合作与惠普和英特尔宣布的合作协议目标一致。双方目标均为:将高性能计算机(HPC)工作负载和系统推向更多企业,利用超级计算部署体系来展示其发展潜力。IBM公司在法国蒙彼利埃已经建立了一座POWER加速与设计中心,最近还推出了其SuperVessel服务。
IBM公司表示,在正式交付美国能源部塞拉(Sierra)和萨米特(Summit)这两个新超级计算机系统之前,这些全新高性能计算中心还将针对能源、气候、生物物理学和医药等领域的研究进行优化。
为确保应用程序筹备、硬件工程师和应用程序开发者之间的相互配合,这两个IBM-Nvidia超级计算中心将包含多种技术方案,以及整合了IBM公司POWER处理器、英伟达图形处理器和连接器产品的多种设计方案。两个中心的技术团队将专注于编程模型、算法、应用程序以及计算性能。
总的来说,两大超级计算系统的部署将基于OpenPOWER设计,同时采用英伟达与Mellanox的技术。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。