新兴高性能计算行业应用及发展战略

被引：5

作者：

冯圣中 ^{[1
]}

李根国 ^{[2
]}

栗学磊 ^{[1
]}

齐富民 ^{[1
]}

黄典 ^{[1
]}

万艺 ^{[1
]}

吴金成 ^{[1
]}

机构：

[1] 国家超算深圳中心

[2] 上海超级计算中心

来源：

中国科学院院刊 | 2019年 / 34卷 / 06期

关键词：

新兴行业应用; 数据驱动; 数据密集型计算; 高性能计算;

D O I：

10.16418/j.issn.1000-3045.2019.06.005

中图分类号：

TP38 [其他计算机];

学科分类号：

081201 ;

摘要：

数据密集型新兴行业应用快速发展,是近年来高性能计算应用日益广泛和深入的主要特征。新兴高性能行业应用,在高性能计算系统技术创新、计算环境创新与应用创新等各个层面,都带来了新的挑战与机遇。文章在系统总结领域应用进展的基础上,概括了新兴行业应用的技术特点与挑战,提出了加大高性能计算系统核心技术创新力度、构建面向新型应用的高性能计算环境、大力推进高性能应用软件研发、大力推进传统应用的新方法开发,以及大力推进大数据人工智能等新领域基准评测工具研发等发展战略建议。

引用

页码：640 / 647

页数：8

共 3 条

[1] USING ARTIFICIAL INTELLIGENCE TO IMPROVE REAL-TIME DECISION-MAKING FOR HIGH-IMPACT WEATHER [J].

McGovern, Amy ;

Elmore, Kimberly L. ;

Gagne, David John, II ;

Haupt, Sue Ellen ;

Karstens, Christopher D. ;

Lagerquist, Ryan ;

Smith, Travis ;

Williams, John K. .

BULLETIN OF THE AMERICAN METEOROLOGICAL SOCIETY, 2017, 98 (10) :2073-2090

[2]

High-dimensional and large-scale anomaly detection using a linear one-class SVM with deep learning[J] . Sarah M. Erfani,Sutharshan Rajasegarar,Shanika Karunasekera,Christopher Leckie. Pattern Recognition . 2016

[3]

Computational protein design with deep learning neural networks .2 Wang J X,Cao H L,Zhang J Z,et al. Scientific Reports . 2018

← 1 →