XiaoMi-AI文件搜索系统
World File Search SystemNERSC
雇用有指导的实习和学徒制来培养HPC培训和教育
在高性能计算中的位置很难填补，尤其是在运营区域内的站点可靠性工程师的位置。在劳伦斯·伯克利国家实验室（LBNL）的国家能源研究科学计算中心（NERSC）上，运营团队使用复杂的冷却生态系统管理HPC计算设施，并充当广泛的区域网络运营中心。因此，该职位需要在四个特定领域的技能集：系统管理，存储管理，设施管理和广泛的区域网络。这些技能在任何教育计划中均不完整；因此，新毕业生将需要大量的培训，然后才能在所有领域熟练。与硅谷的接近性相邻，在寻找合格的候选人方面增加了另一个挑战。NERSC已在交易中采用学徒计划采用了一种新的方法。该计划需要实习生或学徒在实习或学徒期限期间履行里程碑，并通过不断的评估，反馈，指导和动手工作，使候选人能够证明他们不断增长的技能，最终会导致赢得职业职业职位。
用于百亿亿次粒子加速器建模和设计的下一代计算工具
本研究得到了百亿亿次计算项目 (17-SC-20-SC) 的支持，该项目是美国能源部科学办公室和国家核安全局的联合项目，负责提供一个强大的百亿亿次生态系统，包括软件、应用程序和硬件技术，以支持美国百亿亿次计算的需求。这项工作得到了劳伦斯伯克利国家实验室实验室指导研究与开发计划的支持，美国能源部合同编号为 DE-AC02-05CH11231。本研究使用了橡树岭领导计算设施的资源，该设施是美国能源部科学办公室用户设施，由合同 DE-AC05-00OR22725 提供支持，国家能源研究科学计算中心 (NERSC) 是美国能源部科学办公室用户设施，位于劳伦斯伯克利国家实验室，根据合同编号 DE-AC02-05CH11231 运营，使用 NERSC 奖项 ASCR-ERCAP0022112。本工作利用了日本理化学研究所通过 HPCI 系统研究项目（项目编号：ra010013）提供的超级计算机 Fugaku 的计算资源
国家能源研究科学计算中心
疫情的特殊情况以及下半年前所未有的山火季节，都证明了 NERSC 的灵活性和应对逆境的能力。我们在短短几周内就从 2020 年初以现场运营为主转变为几乎完全远程运营。即便如此，在这一年中，我们开发了许多关键创新，完成了 Perlmutter 的准备工作，并为我们的用户群和科学界提供了良好的服务。这对我们来说是值得骄傲的一年。
三元金属二迪比尔氏菌中强电子 - phonon耦合的高通量筛选
在广东技术大学的致谢工作得到了中国广东自然科学基金会的支持（赠款号2017B030306003和No.2019b1515120078）。R. Wang得到了广东基本和应用基础研究基金会的支持（赠款号2021A1515110328和2022A1515012174）。F. Zheng，Y Fang和S. Wu得到了中国国家自然科学基金会（11874307）的支持。C.Z. Wang，V Antropov和F. Zhang得到了美国能源部（DOE），科学办公室，基础能源科学，材料科学和工程部的支持。 AMES实验室由爱荷华州立大学为美国DOE经营，合同号 de-AC02-07CH 11358，包括在伯克利国家能源研究超级计算中心（NERSC）授予计算机时间。 y太阳得到了国家科学基金会奖。 DMR-2132666。 R. Wang和H. Dong还感谢GDUT的校园网络中心和现代教育技术为这项工作提供计算资源和技术支持。C.Z.Wang，V Antropov和F. Zhang得到了美国能源部（DOE），科学办公室，基础能源科学，材料科学和工程部的支持。AMES实验室由爱荷华州立大学为美国DOE经营，合同号de-AC02-07CH 11358，包括在伯克利国家能源研究超级计算中心（NERSC）授予计算机时间。y太阳得到了国家科学基金会奖。DMR-2132666。R. Wang和H. Dong还感谢GDUT的校园网络中心和现代教育技术为这项工作提供计算资源和技术支持。
应用能量
1 Computational Research Division, Lawrence Berkeley National Laboratory, Berkeley, California 94720, USA 2 NERSC, Lawrence Berkeley National Laboratory, Berkeley, California 94720, USA 3 Department of Chemistry, University of California, Berkeley, California 94720, USA 4 Quantum Artificial Intelligence Laboratory (QuAIL), Exploration Technology Directorate, NASA Ames Research Center,美国加利福尼亚州94035，美国5 kbr，601 je（601 Je（601），德克萨斯州休斯敦，德克萨斯州77002，美国6 USRA高级计算机科学研究所，山景，加利福尼亚州94043，美国7化学科学司，劳伦斯·伯克利国家实验室，加利福尼亚州伯克利94720，美国伯克利国家02号，劳伦斯伯克利国家3472.美国9加拿大多伦多大学计算机科学系
强电子-声子耦合的高通量筛选
致谢广东工业大学的工作得到了广东省自然科学基金（批准号 2017B030306003 和 2019B1515120078）的支持。R. Wang 得到了广东省基础与应用基础研究基金（批准号 2021A1515110328 和 2022A1515012174）的支持。F. Zheng、Y. Fang 和 S. Wu 得到了国家自然科学基金（11874307）的支持。CZ Wang、V. Antropov 和 F. Zhang 得到了美国能源部 (DOE) 科学办公室、基础能源科学、材料科学与工程部的支持。艾姆斯实验室由爱荷华州立大学根据合同编号 DE-AC02-07CH11358 为美国能源部运营，包括在伯克利的国家能源研究超级计算中心 (NERSC) 提供计算机时间。 Y. Sun 的研究得到了美国国家科学基金会 DMR-2132666 号资助。R. Wang 和 H. Dong 还感谢广东工业大学校园网络与现代教育技术中心为本研究提供的计算资源和技术支持。
具有张量处理单元的大规模量子化学
在基于量子的计算方法领域，密度泛函理论 (DFT) 尤其引人注目，因为它能够以相对较低的计算成本为广泛的系统产生准确的结果。8 因此，每年都有大量的计算研究利用 DFT 计算。例如，美国国家能源研究科学计算中心 (NERSC) 报告称，2018 年其超级计算机资源的近 30% 仅用于 DFT 计算。9 广泛的研究和开发工作不断致力于优化 DFT 计算的性能和准确性，从而产生了大量开源和商业 DFT 软件包。10 一些软件包可以利用专用硬件（例如通用图形处理单元 (GPU)）来承担大部分工作负载。 11 − 17 然而，在传统的 DFT 实现中，即没有对密度矩阵或哈密顿矩阵进行特定的稀疏性假设，计算成本与描述系统所用轨道数量 N 的三次方成比例（在本文中称为 O(N3) DFT），并且这种立方缩放通常使模拟大型系统（如蛋白质−配体复合物或金属−有机框架）18 的成本变得非常昂贵。
使用 IBM 量子计算机模拟器和 IBM 量子计算机硬件将量子机器学习应用于 LHC 的高能物理分析
我们小组率先在 LHC 的高能物理分析中使用量子机器学习 (QML)。我们已在门模型量子计算机模拟器和硬件上成功将几种 QML 分类算法应用于 ttH（与顶夸克对相关的希格斯粒子生成）和希格斯粒子到两个μ子（希格斯粒子与第二代费米子的耦合）这两项最近的 LHC 旗舰物理分析。模拟研究已使用 IBM Quantum Framework、Google Tensorflow Quantum Framework 和 Amazon Braket Framework 进行，并且我们已实现良好的分类性能，其性能类似于目前在 LHC 物理分析中使用的经典机器学习方法，例如经典 SVM、经典 BDT 和经典深度神经网络。我们还使用 IBM 超导量子计算机硬件进行了研究，其性能令人鼓舞，并且接近 IBM 量子模拟器的性能。此外，我们将研究扩展到其他 QML 领域，例如量子异常检测和量子生成对抗，并已取得一些初步成果。此外，我们还使用 NVIDIA cuQuantum 和 NERSC Perlmutter HPC 克服了大量子比特（25 个量子比特或更多）和大量事件情况下的密集计算资源挑战。
Daan Camps 博士
• 致力于将 HPC 与未来量子技术相结合，• 对异构量子-经典系统进行基准测试，• 开发和推动 NERSC 的量子计算计划和战略，• 研究用于科学计算的量子算法。美国伯克利劳伦斯伯克利国家实验室 计算数学博士后研究员 2019 年 11 月 - 2022 年 4 月 • 研究量子信息和量子算法，重点是电路编译和综合，• 完成了汉密尔顿模拟、量子化学、量子线性代数和量子图像处理方面的项目，• 非线性张量分解包的软件工程，• 开发了 QCLAB、QCLAB++、F3C、F3C++、QPIXL++ 和 FunFact、FABLE，• 团队科学家。鲁汶天主教大学 比利时鲁汶 助教 2015 年 9 月 - 2019 年 6 月 • 数值建模和近似、数值数学课程的练习课程， • 硕士生项目的导师。 IPCOS NV 比利时鲁汶 数字油田团队的项目工程师 2013 年 8 月 - 2015 年 9 月 • 基于实时过程数据部署和维护上游生产监控模型， • 开发和部署新的数据驱动的管道泄漏检测模型， • 以客户为导向的角色：提供现场培训课程并提供最终用户支持。