XiaoMi-AI文件搜索系统
World File Search System性能计算
Julia 用于高性能计算
摘要. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ....................................................................................................................................................................................2 步骤 1：下载并安装 Julia.....................................................................................................................................................................2 步骤 2：打开 Julia 命令行.....................................................................................................................................................................2 步骤 3：将 Julia 添加到 Jupyter Notebook.....................................................................................................................................................................2 步骤 4：下载并安装 Anaconda 及产品。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 3. 当前实际用例 . ... . ... 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 8
量子加速器与高性能计算的融合——量子编程工具综述
量子计算 (QC) 引入了一种新的计算模式，具有更大的计算能力，尚待开发 - 为高性能计算 (HPC) 应用提供了激动人心的机会。然而，该领域的最新进展表明，QC 不会取代传统的 HPC，而是可以作为额外的加速器纳入当前的异构 HPC 基础设施，从而实现两种范式的最佳利用。对这种集成的需求极大地影响了量子计算机软件的开发，进而影响了必要的软件基础设施。到目前为止，以前的评论论文已经研究了各种量子编程工具 (QPT)（例如语言、库、框架）编程、编译和执行量子电路的能力。然而，与经典 HPC 框架或系统的集成工作尚未得到解决。本研究旨在从 HPC 的角度描述现有的 QPT，研究现有的 QPT 是否有可能与经典计算模型有效集成，并确定哪些方面仍需要工作。这项工作将一组标准构建成一个分析蓝图，使 HPC 科学家能够评估 QPT 是否适合当前的量子加速经典应用。
迈向高性能计算中 AI 模型的无缝管理
免责声明 本文档是作为美国政府机构赞助的工作的说明而编写的。美国政府、劳伦斯利弗莫尔国家安全有限责任公司及其任何员工均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或劳伦斯利弗莫尔国家安全有限责任公司对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或劳伦斯利弗莫尔国家安全有限责任公司的观点和意见，不得用于广告或产品代言目的。
核科学用户设施高性能计算
免责声明 本信息是根据美国政府机构资助的工作编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
将高性能计算与量子计算相结合
- 将 GPU 加速引入量子经典计算：François Courteille，NVidia 首席解决方案架构师 - 量子互连以扩大量子技术：Tom Darras，WeLinq 首席执行官 - 用于解决复杂组合问题的基于量子定价的列生成框架，Wesley da Silva Coelho，Louis-Paul Henry 量子应用工程师，Loïc Henriet，Pasqal 首席技术官 - 云端可用的基于单光子的量子计算机：指标和基准” Shane Mansfield，首席研究官和 Jean Senellart，Quandela 首席产品官 - 基元和电路优化，Blake Johnson，IBM 量子平台负责人 - HPC 和 QC 集成平台：Jacques-Charles Lafoucrière，CEA HQI 项目负责人
人工智能和高性能计算加速基于结构的药物发现
2 药物发现的生物物理学和生物化学简介 .........................................9 2.1 药用和生物化学 ......。。。。。。。。。。。。。。。。。。。。。。9 2.1.1 化学信息学和图论。...................11 2.1.2 描述符和相似性 ...........................12 2.1.3 化学空间 .....。。。。。。。。。。。。。。。。。。。。。。。。.16 2.2 蛋白质与疾病 ....................。。。。。。。。。。。18 2.3 蛋白质-配体结合 ...........................20 2.3.1 绑定模型 ...........................22 2.4 蛋白质-配体结合的计算建模 .............22 2.4.1 使用分子动力学进行生物物理建模 ............23 2.4.2 结合自由能估计 ......。。。。。。。。。。。。。24 2.5 结论。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26
高性能计算应用中带 HBM 的 FO-MCM 组装技术
随着行业向超摩尔时代迈进，下一代封装技术也朝着高密度芯片或芯片分割封装集成方向发展。尤其是对于高性能计算应用，先进封装技术通过硅或有机中介层集成多个芯片芯片，从而提供经济效益。有机中介层是芯片到芯片互连的替代接口之一。FO-MCM 以同质封装集成概念应用于芯片集成和 ASIC 到 Serdes 芯片集成而闻名。由于人工智能计算和 HPC 市场增长的推动，将封装的 HBM 集成到封装模块中作为异构集成封装 (HIP) 的趋势已经形成。近年来，两种平台（以硅中介层为基础的 2.5D 和以部分桥接芯片为互连介质的 FO-EB）已投放市场。还讨论了采用纯有机中介层的 FO-MCM 应用于异构集成领域的可行性。全有机中介层可以为 HPC 产品提供多个 RDL 层和线路/空间的灵活设计。本研究旨在解决采用纯有机中介层的 FO-MCM 平台实现集成 HBM 的异质封装。FO-MCM 中的芯片最后方法具有控制 RDL 质量和采用“已知良好的 RDL”以节省顶层芯片成本的优势。扇出型 RDL 配置为 4 层，最小 L/S 为 2/2um。在验证过程中，基于模拟分析，通过材料和底部填充选择优化了翘曲和应力。组装结果表明，翘曲和可靠性验证通过了 MSL4、TCT700x、uHAST96 和 HTST1000hrs 条件。关键词 扇出型 MCM；芯片最后；异质集成；芯片分区；高性能计算；HBM
ORNL/SPR-2022/2669 使用高性能计算进行大规模增材制造的层时间控制
本报告是作为美国政府机构赞助的工作的记录而编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文中以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文中表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
实现高性能计算的 CPU 动态热控制自动化
摘要 — 在生产高性能计算 (HPC) 数据中心，许多因素（包括工作负载计算强度、冷却基础设施故障和使用节能冷却）都会大幅提高 CPU 温度。与 CPU 热设计相关的研究表明，工作温度的细微变化会严重影响 CPU 的寿命、耐用性和性能。因此，监控和控制 CPU 的工作温度至关重要。在本研究中，我们设计了一种自动且连续的 CPU 热监控和控制方法来维持和控制健康的 CPU 热状态。本研究利用 Redfish 协议监控 CPU 温度，并使用动态电压频率调整来控制温度。我们开发了一个参考实现，并使用 150 个 Raspberry Pi3 节点集群评估了我们的方法。我们在不同场景中执行了广泛的 CPU 热分析。我们分析了 CPU 在室温下 100% 负载下达到最高温度的速度。根据我们的实验，在最低和最高 CPU 频率配置下，100% 负载的 CPU 的温度分别可升至 ∼ 72°C (161.6°F) 和 ∼ 86°C (186.8°F)。我们分析了在八种温度配置下应用热控制对 CPU 的热和频率缩放行为的影响。我们观察到，在较低温度配置（例如 70°C (158°F)）下应用热控制是修复过热 CPU 的更好配置。根据所提出的模型，在正常温度下运行的 CPU 将消耗相对较少的能量，提供更高的性能并增强其耐用性。索引术语 —CPU 温度、自动化、HPC、数据中心、Kraken、动态电压和频率缩放、省电、性能、动态热控制、Redfish、DVFS、Kraken、计算集群动态热控制、动态电压和频率缩放、数据中心自动化、高性能计算