近日,浪潮为苏州科技大学设计构建了百万亿次的超级计算机,将主要支持苏州科技大学进行固体微结构、材料磁电性质等应用研究,峰值计算性能居江苏省前列。
苏州科技大学是由中央与地方共建、江苏省苏州市共建、以江苏省管理为主的高等院校。学校自建校以来培养了包括中国科学院院士周锡元、中国工程院院士叶可明在内的8万余名本专科学生以及2000余名全日制硕士研究生。
作为学校引进和自身培养相结合而形成的研究团队--固体微结构研究团队,主要致力于研究凝聚态物质中不同尺度层次,不同类型微结构组态、分布、相互作用及形成和转变规律,揭示它们与宏观物理性质间的内在联系,并将理论研究,计算机模拟与当代先进实验手段相结合,探索、设计和制备各种类型的微结构材料,研究其物理机制和新效应,为发展新型微结构材料以及器件奠定基础。
为了更好的进行固体微结构应用研究,苏州科技大学提出了需要一套百万亿次计算能力的超级计算机作为研究支撑。
根据应用的需求,苏州科技大学需要建成的超算平台具备高性能、高扩展、低功耗的特点,并对计算节点、GPU节点、IO节点等做了较细致的需求规划,最终要求整套集群系统Linpack实测效率必须≥70%。
针对此次固体微结构超算平台设备采购项目需求,结合多年来对科学计算领域高性能应用的深刻理解,浪潮推出了浪潮天梭TS10000高性能集群系统,本集群具有计算性能优越、功耗控制领先、监控管理系统方便易用、系统开放易于扩展、服务体系完善等特点,同时采用全密闭冷池方案、行间制冷,可以对整个集群进行集中监控和管理、自动化运维。
CPU+GPU异构计算架构:集群采用目前主流的CPU+GPU架构,使计算能力更加可靠、高效。CPU计算节点采用浪潮高效能刀片计算节点,每台配置2颗14nm Broadwell架构的CPU。GPU计算节点采用浪潮旗舰GPU节点,每台配置1块K40M GPU卡。该服务器基于"IFA+效能动三角"产品设计理念,结构设计紧凑灵活、高可靠、高性能。使整体集群计算能力突破百万亿次大关,成为苏南地区高校最大规模的超算平台。
绿色节能:同时,苏科大固体微架构超算集群的功耗与散热也是严格低于国家标准的。考虑到日趋严峻的环境问题,浪潮作为IT企业的绿色卫士也是特别考虑到了这一问题。浪潮在满足苏科大超算集群百万亿次要求的前提下,对服务器和机房的功耗做出了严格的把控。争取做到集群的每一瓦特都不浪费,最终使集群的每瓦特计算能力达到Green 500的水平。为苏科大建设绿色超算集群。
大内存胖节点:固体微结构模拟对节点的内存要求十分苛刻,而且通用计算节点由于配置内存较小,无法满足固体微结构模拟对内存的需求,效率上会大大降低。然而胖节点避免了这一缺陷,大大满足了集群对大内存的需求。所以浪潮针对苏州科技大学在计算物理上的大内存需求配置NF8460M4四路服务器,每节点配置超大容量内存,提高了单机的并行计算能力,使固体微结构模拟在最短时间内获得最可靠的数据。
应用优化:苏州科技大学的数理学院的凝聚态物理方向是以二维非晶碳材料、钙钛矿氧化物和磁致冷材料等凝聚态物质为研究对象,系统的研究多体系中光致电输运机理、非晶碳薄膜制备及性能优化、磁性材料新相探索等,最终实现设计和发展新型的碳基半导体器件、氧化物气敏器件和磁电存储器件。在集群中通过GPU加速卡模拟计算凝聚态物质中大量粒子的运动方式,可有效的帮助院系研究凝聚态物质的原子结构、电子结构以及相关的各种物理性质,使应用研究获得质的飞跃。
浪潮为苏州科技大学设计构建的超算平台满足了用户需求,使原来数天数小时才能运行出的结果,现在数分钟即可得到更加精确的数据,大幅提高了苏州科技大学固体微结构超算集群的计算速度及精度。
好文章,需要你的鼓励
五家光学存储初创公司正在开发长期存储技术,旨在用超过100年寿命的光学介质替代只有5-7年寿命的磁带。这些公司包括Cerabyte、Ewigbyte、HoloMem、Optera和SPhotonix,它们的技术类似微软Project Silica项目。光学存储介质具有更强的化学、冲击、辐射、水和热抗性,同时保持低能耗和高容量特性。
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
Nutanix发布分布式主权云产品组合更新,为多云环境提供更安全的运营和管理功能。该解决方案支持企业在分布式环境中灵活部署和治理基础设施,运行传统虚拟机、现代云原生和AI应用。新功能包括支持完全断网环境的暗站点管理、政府云集群正式发布、Kubernetes平台增强安全合规性、企业AI平台集成NVIDIA微服务,以及云平台新增跨站点灾难恢复能力,为用户提供统一管理和运营简化体验。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。