浅析高性能计算的现状与发展

目前,高性能计算已成为体现一个国家综合实力的一种标志,被提到一个重要的战略地位.本文主要介绍了发展高性能计算的意义、国内外高性能计算的现状与发展趋势以及福建省对高性能计算的需求,从而提出了政府带动福建省的高性能计算的发展.     

中国“863计划”高性能计算的发展

本文从国家高技术研究发展计划(863计划)角度,阐述中国十多年来在高性能计算基础设施、应用支撑和服务环境等方面展开的一系列战略性计划,以及这些计划的落实过程、取得的成就及产生的影响,并展望了我国高性能计算事业的未来发展。     

高性能计算服务环境应用编程接口

高性能计算服务环境主要面向用户、科研团队提供高性能计算服务. 随着环境接入的超算中心以及应用社区和业务平台越来越多, 超算中心以及社区和业务平台的用户希望能够使用原有账号登录高性能计算环境使用资源. 高性能计算服务环境目前提供的应用编程接口仅支持通过LDAP认证的网格账号. 为使得应用社区和业务平台用户使用自己原有的登录方式认证通过后就可访问高性能计算服务环境, 我们重新设计开发了高性能计算服务环境应用编程接口. 本文着重介绍新版应用编程接口的结构与部署实现, 并通过用例来说明如何调用新版接口. 新版接口为社区和业务平台接入高性能计算环境提供了更方便且安全地支撑.     

集群高速互连网络分析

集群是当今高性能计算领域的重要发展方向,高速互连网络是构建高性能集群系统的关键技术,它是影响集群系统整体性能的关键因素.本文对几种用于集群互连的高带宽、低延迟高速互连网络进行了分析与比较,最后指出了高速互连网络的未来发展.     

高生产率计算系统

以往的高端计算领域将峰值运算速度作为衡量计算系统的最重要的指标.然而体系结构的失衡和落后的编程支持成为困扰高性能计算技术发展的关键问题.未来高端计算的发展方向应该着眼于提高系统的生产率,强调系统的易用性和好用性.介绍了HPCS的背景、目标、主要技术挑战以及主要的解决方案和关键技术.     

高性能计算环境通用计算平台

随着高性能计算环境的持续运行,用户的计算需求快速增长,对资源的需求不断上升.环境急需扩充资源以提供更强大的计算能力,满足不同应用领域的计算需求,同时也对环境扩展性、易用性和可靠性提出更高要求.高性能计算环境通用平台从底层设计到上层页面实现了全新的蜕变,从用户角度出发设计了相关的功能模块,为用户提供更加优质的服务.本文围绕国家高性能计算环境通用计算平台展开叙述,重点介绍平台的整体结构、采用的关键技术、相关模块以及实现过程和最终效果.通过部署测试表明通用计算平台可满足现有用户的需求并将进一步扩大高性能计算环境的用户群,推动高性能计算在更多领域的发展,提高国家高性能计算环境影响力.     

基于异构系统的生物序列比对并行处理研究进展

序列比对工作属于生物信息学的基础性研究领域。由于它具有应用广泛、计算复杂以及海量数据等特点,加之现在高性能计算的兴起,使得近年来序列比对并行处理技术快速发展。首先介绍了序列比对领域高性能计算的新进展,接着从体系结构特征入手对其研究进行分类,并对每类方法的实现细节和性能进行分析比较,从中不难看出访存控制、同步、数据交互以及算法可扩展性等问题均为目前基于异构系统的序列比对并行处理研究的关键点。最后,对该领域的未来研究方向进行了展望。     

并行计算六十年

并行计算是实现高性能计算的主要技术手段。本文回顾了并行计算技术六十多年来的发展历史,重温了并行可扩展性度量公式在并行计算发展进程中的重要地位。分析了并行计算向未来E级计算发展时面临的挑战,并建立了新的并行计算可扩展性度量模型,建模了访存、通信、可靠性、能耗等影响E级计算的因素。通过定量分析,发现和研究了并行计算向更高性能发展面临的可扩展性"墙"。最后,针对我国国情,提出了作者关于我国高性能计算未来发展的体会与思考。     

浅析高性能计算应用的需求与发展

高性能计算应用在高性能计算技术的支持下为科技创新做出了巨大贡献,并且和高性能计算技术在相辅相成中不断发展.自2004年以来,中国科学院计算机网络信息中心超级计算中心针对中国科学院在“十一五”期间的高性能计算需求在全院范围内开展了多次调研活动,对中国科学院在“十一五”期间高性能计算的整体需求及各应用领域需求的分布情况有了比较全面的了解,其调研结果对“十一五”中国科学院高性能计算环境建设和高性能计算应用的发展具有良好的借鉴作用.首先介绍了国内外高性能计算应用的发展现状,并结合中国科学院高性能计算环境建设和高性能计算应用的发展情况,分析了“十一五”中国科学院高性能计算的应用需求,最后对我国高性能计算应用的发展前景进行了展望.     

未必永远跟随——中国高性能计算机发展趋势

在今年6月底公布的高性能计算TOP500排名中,联想由原来43位下降到52位,这其中到底是什么原因?中国高性能计算是否永远处于跟随者的地位?参与TOP500是联想的一次包装行为还是有其他原因?面对RISC体系和英特尔IA架构,未来中国高性能计算会向什么方向发展?每周电脑报(以下简称eWEEK)带着这些问题,采访了联想高性能事业部总经理祝明发(以下简称祝)。祝明发认为未来高性能计算将以英特尔IA     

高性能计算机体系结构综述

本文回顾了自20世纪60年代至今的高性能计算机技术的发展历史,根据TOP500数据分析了各国高性能计算技术目前的发展情况,包括高性能计算机目前比较流行的体系结构技术;并根据目前的技发展状况,尝试说明高性能计算机的发展趋势.     

Web服务发现技术微探

目前随着网络上发布Web服务数量的急剧增加,Web服务发现已经成为面向服务的计算领域的研究热点之一.本文简单介绍了服务发现的技术的发展状况、应用范围以及未来的发展方向.     

GPU通用计算的发展及其应用领域综述

GPU的概念提出后,经过十几年的迅速发展,GPU凭借其超高的计算密度以及超大的存储器带宽已经在图形图像、医疗、高性能计算、计算机网络等领域取得了突出的成果和广泛认可,本文通过了解GPU通用计算的发展历程以及追踪国内外最新的GPU通用计算技术来阐述其在相关领域的应用.     

面向异构计算的高性能计算算法与软件

研发适应国产异构计算环境的高性能计算算法与软件是非常重要的课题,对我国高性能计算软件研发匹配高性能计算硬件高水平发展的速度具有重要意义.本文首先简要介绍高性能计算应用软件的现状、趋势和面临挑战,并对几类典型高性能计算应用软件开展并行计算算法特征分析,涵盖了宇宙N体模拟、地球系统模式、计算材料相场动力学、分子动力学、量子计算化学和格点量子色力学等多个问题、尺度和领域.其次,我们讨论了面向国产异构计算系统的对策,提炼出若干典型应用算法和软件的共性问题,涉及核心算法、算法发展、优化策略等.最后,本文面向异构计算体系结构对高性能计算算法与软件进行了总结.     

GPGPU技术研究与发展

半导体工艺的发展使得芯片上集成的晶体管数目不断增加,图形处理器的存储和计算能力也越来越强大。目前,GPU的峰值运算能力已经远远超出主流的CPU,它在非图形计算领域,特别是高性能计算领域的潜力已经引起越来越多研究者的关注。本文介绍了GPU用于通用计算的原理以及目前学术界和产业界关于GPGPU体系结构和编程模型方面的最新研究成果。     

GPGPU编程技术初探

伴随着GPGPU计算技术的不断发展,HPC高性能计算系统体系结构正在悄然发生着一场变革,这场变革为高性能计算发展提供了一个新的方向、CUDA是NIVIDIA公司提供的利用GPGPU进行并行运算应用开发的一套C语言编程平台,通过它可以利用特定显卡的高性能运算能力进行一些大规模高性能计算,有效提升计算机系统的使用效率,本文主要介绍GPU发展现状以及如何利用CUDA编程技术进行并行运算软件开发．     

基于MPICH2的高性能计算集群系统研究

目前在高等学校和科研机构中对于高性能计算的需求很大,而商业的超级计算机性能虽高但价格昂贵,同时这些单位又都拥有大量普通的PC机和网络设备.为了利用现有硬件资源获取高性能计算能力,文中研究了在PC机和Linux环境下构建基于MPICH2的高性能计算集群系统的方法,搭建了一个拥有16个节点的系统并利用高性能Linpack基准测试方法进行了性能测试.测试结果表明,这种构建高性能计算集群系统的方法切实可行,是低成本获取高性能计算能力的良好途径.     

立足高性能计算应用创新,加速人才培养

正2014年11月8日,在广州举行的、旨在回顾2014年度中国高性能计算技术、应用发展和人才培养成果的2014中国高性能计算学术年会今天迎来最后一天的议程,英特尔公司也在会上宣布:由其支持中国计算机学会高性能计算专业委员会(CCF TCHPC)主办、致力于推动中国未来高性能计算软件人才培养进程的"2014全国并行应用挑战赛"已结束紧张激烈的决赛赛程。来自中国科学技术大学、北京大学、     

高性能计算顶级会议在京 IBM论道“深度计算”

“高性能计算的未来将是使其更好地服务于人类科学的探索与研究,并且更重要的是,使其在电子商务时代给社会带来最深远的影响,因为科学是我们的朋友……”这是“第四届亚太高性能计算国际会议暨展览”(HPC Asia 2000)开幕式及综合论坛上,IBM公司研究中心数学技术主管及IBM公司深度计算学院主管WilliamR.Pulleyblank先生所作的“深度计算”的主体报告中对高性能计算的未来的展望。     

面向海洋的多模态智能计算：挑战、进展和展望

海洋是高质量发展的要地,海洋科学大数据的发展为认知和经略海洋带来机遇的同时也引入了新的挑战。海洋科学大数据具有超多模态的显著特征,目前尚未形成面向海洋领域特色的多模态智能计算理论体系和技术框架。因此,本文首次从多模态数据技术的视角,系统性介绍面向海洋现象/过程的智能感知、认知和预知的交叉研究进展。首先,通过梳理海洋科学大数据全生命周期的阶段演进过程,明确海洋多模态智能计算的研究对象、科学问题和典型应用场景。其次,在海洋多模态大数据内容分析、推理预测和高性能计算3个典型应用场景中展开现有工作的系统性梳理和介绍。最后,针对海洋数据分布和计算模式的差异性,提出海洋多模态大数据表征建模、跨模态关联、推理预测以及高性能计算4个关键科学问题中的挑战,并提出未来展望。