XiaoMi-AI文件搜索系统
World File Search SystemLINPACK
迈向量子 LINPACK 基准
e O ( κ/ϵ ) 准备混合状态；经过重复相位估计，复杂度变为 e O ( κ poly log( 1 /ϵ )) 时间最优绝热量子计算 (AQC(exp)) (An- L. ，2019，1909.05500)
MetriQs-法国
例子包括 IBM 的 Quantum VOLUME 和 CLOPS、Super-Tech 的 SupermarQ 或伯克利实验室的 Quantum LINPACK 以及 QED-C Benchmarks。这些方法中使用的指标相对技术性强，需要一定的底层技术知识。它们通常不提供在不同现有量子平台上执行的不同算法系列的性能操作指标。
DDC SCS3740 数据表
SCS3740 是第一款现成的四核 LEON 4FT 3U SpaceVPX SBC，在紧凑的外形尺寸中进行了 SWaP（尺寸、重量和功率）优化 - 重量 550 克，功耗仅为 5 瓦。SCS3740 具有出色的总电离剂量（TID > 100krad（Si））和单粒子效应（150 年 1 次翻转（GEO））辐射性能，可在紧凑的 3U SpaceVPX 外形尺寸中提供高性能处理（高达 1700 DMIPS 和至少 90 Linpack MFLOPS）。它采用了 DDC 的多种 Rad-Hard Sp-COTS TM（太空商用现货）存储器，包括 32GB 纠错 NAND 闪存、128MB SDRAM 和 4MB EEPROM。此外，它还提供许多 I/O 选项，包括 (8) SpaceWire 端口 (200Mb/秒)、(2) UART、(2) CANbus、(2) I 2 C、(1) SPI、GPIO、(1)1553 和以太网。
衡量 HPC 生产力
HPCS 开发人员和购买者传统上都使用标准化基准（例如 LINPACK）来指导开发选择。系统开发人员使用基准测试结果来指导平台开发，然后展示其机器的速度。购买者传统上使用这些基准来预测计算时间并在竞争平台中进行选择。然而，迄今为止采用的基准和相应指标已被证明是端到端生产力的有效性不断降低的预测指标。传统基准测试几乎完全关注硬件速度。因此，它们通常只试图预测执行时间生产力，而忽略开发时间。此外，它们不衡量应用程序对用户重要的其他属性：可靠性、可重复性、可移植性、可重用性、可维护性等。
高速、SWaP 优化的 3U SpaceVPX SBC
SCS3740 是第一款现成的四核 LEON 4FT 3U SpaceVPX SBC，在紧凑的外形尺寸中进行了 SWaP（尺寸、重量和功率）优化 - 重量 550 克，功耗仅为 5 瓦。SCS3740 具有出色的总电离剂量（TID > 100krad（Si））和单粒子效应（150 年 1 次翻转（GEO））辐射性能，可在紧凑的 3U SpaceVPX 外形尺寸中提供高性能处理（高达 1700 DMIPS 和至少 90 Linpack MFLOPS）。它采用了 DDC 的多种 Rad-Hard Sp-COTS TM（太空商用现货）存储器，包括 32GB 纠错 NAND 闪存、128MB SDRAM 和 4MB EEPROM。此外，它还提供许多 I/O 选项，包括 (8) SpaceWire 端口 (200Mb/秒)、(2) UART、(2) CANbus、(2) I 2 C、(1) SPI、GPIO、(1)1553 和以太网。
揭示癌症、药物输送等的分子动力学……
通讯作者* 博士研究员，威斯康星大学密尔沃基分校生物医学工程系，电子邮箱：bozorgp2@uwm.edu 简介 经典分子动力学 (MD) 依靠原子间势（力场）严格模拟固体和流体的热力学、机械和化学特性。该势根据原子位置和其他属性定义系统的能量。早期应用包括研究固体中的辐射效应和简单流体的动力学，凸显了该方法的多功能性 [1-3]。自诞生以来，分子动力学已广泛应用于物理、化学、生物、材料科学和相关领域。在水净化等纳米技术领域 [4]，分子动力学还可以在原子水平上理解纳米粒子的行为方面发挥关键作用，有助于深入了解纳米粒子的结构稳定性、表面属性以及与周围分子的相互作用。它将系统建模为粒子（通常是原子）的集合，并通过在多个时间步长上对牛顿方程进行数值积分来计算它们的时间演化。原子上的力由定义势函数的解析方程的导数决定。这种方法计算效率高，特别是对于分子液体和固态金属，可以准确捕捉电子介导的原子相互作用。标准工作站上的 MD 代码可以高效模拟具有 10,000 到 100 万个原子的系统，覆盖皮秒到微秒内重要物理和化学现象的相关长度和时间尺度 [5-8]。MD 模拟的流行可以归因于它们与摩尔定律和广泛并行性推动的显著计算进步的兼容性。在过去的几十年里，传统 CPU 和最近的 GPU 都经历了大幅提速。例如，1988 年，8 处理器的 Cray YMP 实现了 2 千兆次浮点运算的 Linpack 速度，而在 2012 年，单个具有 16 个内核的 IBM Blue Gene/Q CPU 达到了 175 千兆次浮点运算。最大的 BG/Q 机器 Sequoia 拥有近 100,000 个 CPU。预计在未来一两年内，基于 GPU 的超级计算机将达到百亿亿次浮点运算 (10−18) 的速度，这意味着最强大的超级计算机在短短 30 年内速度将提高 5 亿倍。这一趋势还转化为台式机和小型集群的速度提升，可供更广泛的科学计算社区使用 [9, 10]。MD 的计算效率源于其每个时间步的成本线性扩展为 O(N)，对于具有短程相互作用的模型，这是由于在指定的截止距离内相邻原子的数量有限。即使对于长程库仑相互作用，MD 也表现出有效的扩展性，对于基于 FFT 的方法（如粒子网格 Ewald），其成本为 O (N log N)