XiaoMi-AI文件搜索系统
World File Search SystemHPC
UHPC 连接板的使用寿命设计指导
桥梁设计越来越注重使用寿命而非强度。使用寿命设计过程中应考虑多种因素。这种设计可能产生重大影响的一个方面是尽量减少横向桥面接头的数量，这可以通过在桥跨之间使用连接板来实现。超高性能混凝土 (UHPC) 已被证明具有耐用的连接板施工潜力，并且比传统混凝土施工速度更快，但许多设计师并不熟悉 UHPC 连接板的全部使用寿命潜力。该项目将以 ABC-UTC 和其他机构赞助的先前研究为基础，制定“UHPC 连接板设计指南”，其中包括对变形、强度和使用寿命的考虑。该项目将包括对 UHPC 连接板的现有文献进行详细研究，以综合设计指导，包括对使用寿命的考虑，并将其性能与传统混凝土施工进行比较。作为 ABC-UTC 和 ODOT 赞助的先前研究的一部分，收集的数据将与文献中的信息相结合，以制定使用专有和非专有 UHPC 所需的结构设计要求和使用寿命考虑的建议。将包括服务水平负载之前和之后的连接板耐久性的实验测试，以填补对连接板耐久性性能知识的空白。最后，成本分析信息将用于检查替代施工细节。该项目的主要目标是开发用户友好的工具，允许在 SHRP2 R19A 为桥梁使用寿命设计开发的框架内使用开发的信息，并提供教育材料，帮助从业者了解如何使用这些工具
利用 AI 和 HPC 解决方案简介加速交易
版权所有 © 2020 Dell Inc. 或其子公司。保留所有权利。Dell、EMC 和其他商标是 Dell Inc. 或其子公司的商标。Apache ® 、Kafka ® 、Spark ® 和 Hadoop ® 是 Apache 软件基金会的商标。StreamSets ® 及其相关标志和商标是 StreamSets Inc. 的注册商标。 Cloudera ® 是 Cloudera 的商标或商业外观。Greenplum 是 Pivotal Software, Inc. 在美国和其他国家/地区的商标。Kubernetes ® 是 Linux 基金会的注册商标。VMware ® 产品受 http://www.vmware.com/go/patents 上列出的一项或多项专利保护。VMware ® 是 VMware, Inc. 在美国和/或其他司法管辖区的注册商标或商标。PixStor™ 是 Arcapix Holdings 的商标。BeeGFS ® 是 Fraunhofer‑Gesellschaft zur Förderung der angewandten Forschung e.V. 的注册商标。NVIDIA ® 是 NVIDIA Corporation 在美国和其他国家/地区的注册商标。其他商标可能是其各自所有者的财产。于美国出版 12/20 解决方案简介 HPC‑ALGORTHMC‑TRD‑SB‑101
HPCFAIR：为 HPC 应用程序启用 FAIR AI
免责声明 本文件为美国政府机构赞助工作的记录。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。
应用 HPC 和 AI/ML 功能执行库存管理任务
• NNSA 代码套件是我们所有核武器知识的体现——体现在数据、模型、现象学和专家人员中。• 模拟代码针对特定架构进行了调整，以便在合理的时间内运行（例如，对于大问题，运行时间不到一年）。• 核武器代码非常庞大和复杂，支持非常高后果的决策：
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
法规 - EuroHPC JU - 欧盟
( 1 ) 2021 年 6 月 24 日意见（尚未在官方公报上公布）。 ( 2 ) 2021 年 1 月 27 日意见（OJ C 123，2021 年 4 月 9 日，第 7 页）。 ( 3 ) 2021 年 4 月 28 日欧洲议会和理事会第 2021/695 号条例，关于建立“地平线欧洲”——研究与创新框架计划，规定其参与和传播规则，并废除第 1290/2013 号条例和第 1291/2013 号条例（OJ L 170，2021 年 5 月 12 日，第 1 页）。 （4）2021 年 4 月 29 日欧洲议会和理事会条例 (EU) 2021/694，关于建立数字欧洲计划并废除 (EU) 2015/2240 号决定（OJ L 166，2021 年 5 月 11 日，第 1 页）。 （5）2021 年 7 月 7 日欧洲议会和理事会条例 (EU) 2021/1153，关于建立连接欧洲设施并废除 (EU) 第 1316/2013 号条例和 (EU) 第 283/2014 号条例（OJ L 249，2021 年 7 月 14 日，第 38 页）。
StreamBrain：一种用于 CPU、GPU 和 FPGA 上的类脑神经网络的 HPC 框架
摘要 基于反向传播的现代深度学习方法越来越受欢迎，并已用于多个领域和应用领域。与此同时，还有其他鲜为人知的机器学习算法，它们具有成熟而坚实的理论基础，但其性能仍未被探索。类似大脑的贝叶斯置信传播神经网络 (BCPNN) 就是一个例子。在本文中，我们介绍了 StreamBrain——一个允许基于 BCPNN 的神经网络实际部署在高性能计算系统中的框架。StreamBrain 是一种领域特定语言 (DSL)，概念上类似于现有的机器学习 (ML) 框架，并支持 CPU、GPU 甚至 FPGA 的后端。我们通过经验证明 StreamBrain 可以在几秒钟内训练著名的 ML 基准数据集 MNIST，并且我们是第一个在 STL-10 大小网络上展示 BCPNN 的人。我们还展示了如何使用 StreamBrain 进行自定义浮点格式训练，并说明了使用 FPGA 对 BCPNN 使用不同 bfloat 变体的影响。关键词 HPC、无监督学习、表示学习、神经网络、AI、新兴机器学习、BCPNN、GPU、FPGA
Supermicro® AI / HPC 解决方案套装
© 2020 版权所有 Super Micro Computer, Inc. 保留所有权利。Super Micro Computer, Inc. 可能随时更改规格和产品描述，恕不另行通知。本文档中提供的信息仅供参考，可能包含技术上的不准确之处、遗漏和印刷错误。任何性能测试和评级均使用反映 Super Micro Computer, Inc. 产品大致性能的系统进行测量，这些性能由这些测试测得。本文中包含的信息可能会发生变化，并且可能由于多种原因而变得不准确，包括但不限于产品和/或路线图的任何变化、组件和硬件修订变化、新型号和/或产品发布、软件更改、固件更改等。Super Micro Computer, Inc. 不承担更新或以其他方式更正或修订此信息的义务。
Recce Town HPCON 更新 - 比尔空军基地 - AF.mil
• 如果您感觉不适，请不要上班。请联系您的指挥系统或 9 MDG 的预约热线进行电话筛查和评估。 • 遵守所有检疫、行动限制或隔离指示。这些指南可通过集团或中队领导团队和 9 MDG 公共卫生部门轻松获得。 • 保持身体距离。保持至少六英尺的距离。 • 必要时戴口罩。当无法保持 6 英尺的身体距离或基地内外张贴的距离时，所有人都将佩戴布面罩。