摘要:自主 CPS(信息物理系统)系统由信息和物理组件共同组成,共同实现物理世界中的高度自动化操作。此类系统的显著例子包括自动驾驶 (AD) 车辆和送货无人机/机器人,它们在现实世界中得到越来越多地部署和商业化。具体而言,由于 AD 技术在驾驶安全、效率和移动性方面具有显著优势,它一直是国际上的追求。在首届 DARPA 大挑战赛举办 15 年后,它的开发和部署变得越来越成熟和实用,一些 AD 车辆已经在公共道路上提供商业服务(例如凤凰城的 Google Waymo 和中国的百度阿波罗)。在 AD 技术中,AI 堆栈对安全性至关重要:它负责安全关键的驾驶决策,例如避免碰撞和车道保持,因此其中的任何安全问题都可能直接影响道路安全。在本次演讲中,我将介绍我最近的研究,该研究启动了第一次系统性的努力,旨在理解和解决工业级 AD AI 堆栈中的安全问题。我将重点介绍两个关键模块:感知和定位,并讨论我们如何能够发现新颖且实用的传感器/物理世界攻击,这些攻击可能导致端到端安全影响,例如撞上障碍物或越野驾驶。我还将简要介绍我最近对智能交通领域 AI 堆栈安全性的研究,尤其是由联网汽车 (CV) 技术支持的智能交通领域。最后,我将讨论防御和未来的研究方向。
直到最近,计算机系统的性能和功率效率才随着摩尔定律的扩展和 Dennard 缩放的晶体管效率的提高而稳步提高。然而,现在由于物理限制,设备缩放在性能和功率改进方面遇到了限制。为了在后摩尔和后 Dennard 时代继续生产快速且节能的计算机系统,计算机架构师和系统设计师正在朝着令人兴奋的新方向发展。一个方向是转向并行计算机架构和系统,包括多核和众核处理器、并行执行模型以及新的缓存一致性和内存一致性模型。另一个方向是整合异构和专用加速器,包括 GPU、TPU、FPGA、CGRA 和 ASIC。第三个方向是出现全新的硬件和软件系统,包括量子计算、基于 DNA 的计算机系统、神经形态计算和间歇性计算。本课程将首先回顾计算机设计的基本原理和指令集原理,然后研究当今计算机设计的基本原理,包括高级流水线、指令级并行、内存层次设计、存储系统、互连网络和多处理器。我们还将通过阅读和讨论研究论文、听取和发表技术演讲、在真实和模拟硬件上运行实验以及规划和开展学期研究项目来探索上述三个新方向。本课程将帮助学生为涉及高级计算机架构和系统方面的研究做好准备,或者为国家实验室或公司工作,开发或使用高级架构用于高性能计算、大规模数据分析或机器学习的应用。课程先决条件
● 计算机对我们的生活有很大的帮助 ● 传统计算机被广泛使用 ● 此外,超级计算机帮助我们解决密码学等复杂计算或预测疾病如何在全球传播 ● 然而,量子计算机比任何超级计算机都强大。它们可以解决我们从未解决过的问题。例如,设计一种新的药物化合物、分析基因组或找到对抗病毒的方法 ● 所以从手机到量子计算机,计算机无处不在!
性能因使用,配置和其他因素而异。在www.intel.com/performanceIndex上了解更多信息。性能结果基于配置中显示的日期的测试,并且可能无法反映所有公开可用的更新。有关配置详细信息,请参见备份。没有绝对安全的产品或组件。您的成本和结果可能会有所不同。英特尔不控制或审核第三方数据。您应该咨询其他来源以评估准确性。您的成本和结果可能会有所不同。Intel Technologies可能需要启用硬件,软件或服务激活。©Intel Corporation。英特尔,英特尔徽标和其他英特尔商标是英特尔公司或其子公司的商标。其他名称和品牌可能被称为他人的财产。052021/rjmj/rl/pdf请回收347108-001US
量子计算的经典模拟对于验证量子设备和评估量子算法至关重要。我们提出了在Sunway Taihulight超级计算机上开发的新量子电路模拟器。与其他模拟器相比,本文以两个方面进行区分。首先,我们的模拟器更加通用。模拟器由三个相互独立的部分组成,以使用不同方法计算量子状态的完整,部分和单个幅度。它具有模拟噪声效果并支持更多类型的量子操作的功能。第二,我们的模拟器具有很高的效率。模拟器以两级平行结构进行设计,该结构可在分布式的多核Sunway Taihulight Supercupter上有效实现。随机量子电路可以分别在完整,部分和单个振幅上分别使用40、75和200个QUAT模拟。作为模拟器的说明性应用,我们提出了一个量子快速泊松求解器和用于评估先验函数的量子算法的算法。我们的模拟器有望在各个领域开发量子算法中具有更广泛的应用。
AI 技术的发展对于实现日本科技政策中宣布的“Society 5.0”不可或缺。随着这种发展的进行,AI 学习所需的计算资源不断增加。通过 K 计算机和超级计算机 Fugaku(以下简称 Fugaku)的开发,富士通一直提供具有丰富计算资源的高性能计算 (HPC) 系统。现在,为了利用 HPC 系统丰富的计算资源进行 AI 学习,我们正在与 RIKEN 合作在 Fugaku 上开发 AI 基础设施。本文介绍了我们与 RIKEN 联合在 Fugaku 上测试和评估 AI 相关软件性能的当前状态以及我们未来在 HPC 和 AI 方面的工作。
1) 实现低流量高效液冷 为了提高性能,富岳的 CPU 数量是 K 计算机的四倍。此外,CPU 本身的性能也得到了提高,每个 CPU 产生的热量也更大。因此,每个机架的发热量约为 K 计算机的六倍,需要提高冷却性能。通常,通过增加冷却水的流量来改善冷却。然而,这需要更大直径的管道,并阻碍了高密度安装,这是最初的目标。因此,实现低流量高效液冷是一个问题。 2) 在有限的工作空间内进行现场维护 在富岳,CMU 的维护需要现场维护,即在系统本身继续运行时进行的维护工作。然而,CMU 有许多连接,例如用于高速信号、液冷管道和电源的连接,这些连接必须在安装期间插入和移除。
K计算机及其后继超级计算机“ Fugaku”是世界一流的超级计算机,它们是由88,192和158,976个相互联系的节点组成的大规模平行计算机。通过富士通开发的互连技术使这种100k节点的可伸缩性成为可能。技术的分区和虚拟圆环功能可以防止多个并行程序之间的通信干扰和支持每个并行程序中通信模式的优化,以确保稳定的通信性能,并允许分区即使在tain tain失败的节点上也可以使用以获得高可用性。本文介绍了K计算机和超级计算机Fugaku中使用的高维度的互连技术。