开放应用
以并行计算技术、并行算法和并行计算机结果为核心的并行化技术受到了国际国内计算数学界、计算机科学界乃至整个工程技术与科学界的广泛重视。
当前,随着计算机体系结构异构化趋势不断明朗,如何让更多的实际应用真切逼近体系结构异构化带来的理论峰值提升,是业内广泛关注的重点和难点问题。应用需要在并行算法设计、软硬件环境兼容性等方面做出更具创新性的调整和突破。开放应用赛题旨在面向国产先进计算平台解决材料、生命科学、天气气候、能源、大数据、AI、商业等关键应用异构并行优化问题,要求取得正确计算结果,并可以实现一定程度的扩展性。
了解详情
神经网络架构搜索
神经网络架构搜索(Neural Architecture Search,简称NAS)是目前深度学习最为前沿的问题之一。不同于以往研究者根据经验设计出具有不同的张量计算和堆叠连接方式的网络架构,神经网络架构搜索借助机器的力量来发掘出网络设计的内在规律,目标是找到新一代的“最强模型”。
了解详情
大规模物体检测
物体检测是计算机视觉的基础任务,应用领域非常广泛,比如人脸识别,无人驾驶,智能安防,医疗图像领域等都有非常重要的价值。检测问题的提升对于整个计算机视觉以及人工智能来讲有非常重要的推动作用。本赛道引入一个大规模的通用物体检测数据集 —— Objects365,是目前最大的全量标注的通用物体检测数据集,用于推动物体检测领域的发展同时拓展物体检测的上限。
了解详情
基于LU分解的矩阵求逆算法
LU分解是一种矩阵分解的技术,被广泛用于科研、工程等方方面面。在物理学的数值计算中,大量有关线性系统的问题都需要使用LU分解,使得LU分解成为不可或缺的基础算法。
了解详情
SgemmStridedBatched 优化
矩阵乘法(General Matrix-matrix Multiplication)是高性能、机器学习、工程以及数据应用等计算科学研究中的基础操作。为满足海量数据的快速计算需求,充分发挥类GPU异构加速器的优势,需要进行针对性优化。
了解详情
最短路径问题
最短路径问题是一个经典的抽象问题,已经广泛用于城市规划与设计、图像分割、数学导航系统等领域,具有很高的研究价值和实际应用价值。本赛题将重点解决最短路径问题在异构加速平台上的性能优化问题。
了解详情
开放应用
应用算法的研究根据运算基本对象的不同可分为数值算法(Numeric Parallel Algorithm)和非数值算法(Non-numeric Parallel Algorithm),前者研究基于代数关系运算的一类数值计算问题的算法,主要包括矩阵运算、方程组的求解和数字信号处理等;后者研究基于比较关系运算的一类符号处理问题的算法,主要包括图论问题、数据库操作和组合优化等。
了解详情
CP2K
CP2K是一款著名的从头算分子动力学软件。它是由马克斯-普朗克研究中心早在2000年发起的一项用于固体物理研究的项目,代码主要使用Fortran
编写。现在它已转由苏黎世ETH和苏黎世大学维护,成为了一个开源的项目。
了解详情
智能交通检测
作为『新一代人工智能地图』的百度地图,秉承着『用科技让出行更简单』的使命,借助于图像识别、语音识别、大数据处理等人工智能技术,大幅提升地图数据采集和处理的自动化程度,实现道路覆盖超过1000万公里,已成为业内AI化水平最高、搭载的AI技术最强最丰富的地图数据厂商。
了解详情
SPMV
数值线性代数是科学计算中的基础计算模块,求解线性方程组、线性最小二乘问题、特征值和奇异值等计算是科学计算中计算强度最大的部分。随着数值编程的出现,使用复杂的子程序库来解决此类问题非常有效。我们在编写涉及线性代数操作的程序代码时,通常将计算分解为点乘或者矩阵向量乘等基础子程序。
了解详情
tracer2d
tracer2d算法被广泛认可为是一种高效、高准确的对流的数值模拟算法,数值天气预报以及雾霾预警等离不开tracer2d算法的支持。现代科学模拟计算中,对流的数值模拟是许多科学领域中流体动力学方程求近似解的核心,tracer2d算法被广泛应用在火箭、汽车制造模拟,水汽运动轨迹模拟甚至是一些特殊化学传输模拟中。
了解详情
特征值求解
矩阵计算是科学与工程领域计算的核心,大部分科学与工程领域的问题都可以归结为矩阵计算的问题。在矩阵计算中,经常会涉及到特征值和特征向量的求解,这类问题我们统称为特征值问题。
了解详情
量子计算
大量的科学技术问题,最终往往归结为代数方程组求解问题,二元有限域上非线性布尔方程组的求解在计算数学中占有重要地位。目前,国际众多量子计算研发团队在量子计算机研制道路上取得了可喜进展,如何结合现有量子计算软硬件水平,在二元有限域上非线性布尔方程组求解上实现突破和加速,是国内外当前重点研究和亟待解决的重要问题之一。
了解详情
城市水文模拟SWMM异构优化
SWMM(Storm Water Management
Model)是一种动态水文-水力水质模拟模型,用于对主要城市地区的径流数量和质量进行单次事件或长期(连续)模拟。SWMM源代码用C编程语言编写并在公共领域发布。由美国环保署研究与开发办公室、环境解决方案和应急响应中心维护,用户可以从其官方GitHub网站下载到源代码。
SWMM此模型在全球范围内用于与雨水径流、综合下水道和下水道以及其他排水系统相关的规划、分析和设计。可用于评估灰色基础设施雨水控制策略,例如管道和雨水渠,是创建具有成本效益的绿色、灰色混合雨水控制解决方案的有用工具。使用SWMM可以帮助支持地方、州和国家雨水管理目标,以通过渗透和滞留减少径流,并帮助减少导致水体受损的排放。
了解详情
AI for Science
开放应用赛题
随着数据积累的不断增多,计算能力的不断提高,人工智能正在催生新的科研范式。机器学习能够处理多维、多模态的海量数据,解决复杂场景下的科学难题,带领科学探索抵达过去无法触及的新领域。人工智能不仅将加速科研流程,还将帮助发现新的科学规律。当下正在蓬勃兴起的AI
for Science有可能激发一场新的科学革命。这个AI for Science新范式在物理理论尚未触及的场景,以及多因素共同作用的场景作用尤为突出。
了解详情
冷冻电镜软件RELION移植与优化
透射电子显微镜(TEM)将电子束透射通过样品以产生图像。当电子通过样品时,一些电子会被样品中较重的原子散射,从而形成投影图像。用电子显微镜对生物材料进行成像需要保护样品免受高真空条件和强电子束的侵害。保护样品免受这些极端条件影响的方法是冷冻。通过快速冷冻,样品被玻化并呈玻璃状,而不会形成冰晶。在这种状态下,样品变质的速度慢得多,便于研究生物材料。
了解详情
面向量子化学的矩阵对角化异构优化
量子化学是将量子力学应用于化学体系,从理论上解决化学问题的学科,也是量子力学最重要的应用之一。量子化学使人们可以从原理上理解化学体系的物理化学性质,在化工、能源、材料科学、制药、生命科学等领域都有着无可取代的地位。
了解详情
面向流体力学的稀疏基础算子优化
在众多的工程仿真领域,都需要对偏微分方程进行求解。偏微分方程的数值求解通常都需要将偏微分方进行离散,求解离散后的代数方程组。代数方程组的求解决定着最终的计算结果,是仿真应用计算过程中计算耗时最大的部分,为此需要优化代数方程组的求解过程。
了解详情
AI 助力集合预报降雨
“中科天机”高分辨率业务化数值预报系统是由中国科学院大气物理研究所、曙光信息产业有限公司和中科天机气象科技有限公司共同研发的具有自主知识产权天气预报系统。通过系统考虑了米级尺度的地形拖曳作用,物理方案与动力内核的深度耦合,解决了高分辨率模式普遍存在的“灰区”(Gray
Zone)问题,可全球或局地聚焦到公里级别,分辨复杂的地形地貌,提高复杂地形区域的风速、温度、降水等气象要素的预测技巧。
了解详情
自动驾驶车辆视觉环境感知
近几年,随着自动驾驶、车路协同等概念的日益火热,地图厂商、传统汽车厂商以及有互联网背景的“造车新势力”纷纷加入了智能升级的探索之路。
为了使自动驾驶更安全更可靠,实现高精度、实时感知周围环境的技术至关重要,该技术不仅可以精准快速地识别车道线、行驶区域、行人、车辆等,而且将车辆行驶路线“画”在地面,为驾驶人员提供车距监测、行人预警、车道偏离提醒和红绿灯提醒等一系列安全辅助功能,助力驾驶系统进行高效的决策。
本竞赛旨在通过视觉算法创新,提升自动驾驶视觉环境感知能力,共同推动自动驾驶行业发展。
了解详情
SpMM算子优化(西部、东北联合赛区)
SpMM算子优化赛题的主要目的是实现稀疏矩阵与稀疏矩阵乘法(SpMM)算子的DCU加速优化,希望借助该赛题够帮助更多选手了解DCU加速卡和DCU力速编程。
了解详情
光源预训练模型积分赛(西部、东北联合赛区)
人工智能机器学习的发展可追溯至19世纪中期,旨在通过对数据内涵的信息与数据之间的逻辑关系的理解实现计算机对数据的自主学习及推演。
深度学习是机器学习的分支,旨在通过更多的数据,利用人工神经网络模型实现对更为抽象、深层次的逻辑信息进行学习。
由于深度学习的实现需基于大量训练数据实现深度学习的面世快速推进了AI技术在互联网、金融等数据基础庞大的领域中的应用。
了解详情
有限差分法的异构性能优化(西部、东北联合赛区)
有限差分方法是求解偏微分方程最广泛的基础算法之一,其广泛应用于航空航天、船舶海洋、大气、能源、天体物理等领域中的问题中。
对于有限差分方法的计算和存储效率的提升是进行这些问题大规模数值模拟的关键技术之一。
许多物理现象随着时间而发生变化、如热传导过程、气体扩散过程和波的传播过程都与时间有关。
描述这些过程的偏微分方程具有这样的性质;若初始时刻t=t0的解已给定,则t>t0时刻的解完全取决于初始条件和某些边界条件。
利用差分法解这类问题,就是从初始值出发,通过差分格式沿时间增加的方向,逐步求出微分方程的近似解。
了解详情
卷积算子优化(华东赛区)
量子化学是将量子力学应用于化学体系,从理论上解决化学问题的学科,也是量子力学最重要的应用之一。量子化学使人们可以从原理上理解化学体系的物理化学性质,在化工、能源、材料科学、制药、生命科学等领域都有着无可取代的地位。
了解详情
光源预训练模型积分赛(华东赛区)
在众多的工程仿真领域,都需要对偏微分方程进行求解。偏微分方程的数值求解通常都需要将偏微分方进行离散,求解离散后的代数方程组。代数方程组的求解决定着最终的计算结果,是仿真应用计算过程中计算耗时最大的部分,为此需要优化代数方程组的求解过程。
了解详情
开放应用赛题(全国高级赛)
当前的计算机体系结构逐渐转向以异构的结构为基础,计算机应用领域分布于不同的应用领域之中。
不同领域之间,同一领域不同应用场景间,甚至同一解析问题都极有可能用到不同类别的计算算法。
算法的精妙程度与最终应用软件的效率有着直接的关系。
随着计算机技术的不断发展,越来越多的计算集群采用异构架构,如何让应用适配异构架构是国内外重点解决的问题
了解详情
U-Net3D网络模型优化(全国高级赛)
本次先导杯大赛,U-Net3D网络模型优化赛题的主要目的是以国产GPGPU加速卡为平台,实现3D U-Net网络的加速优化。
作为区域热身赛的一部分,也希望借助该赛题能够帮助更多选手了解国产GPGPU加速卡加速卡和国产GPGPU加速卡加速编程。
了解详情
网易玉言大模型性能优化挑战赛(全国高级赛)
为了降低大模型的使用门槛,旨在让更多普通开发者能够低门槛、低成本的使用、体验和应用大模型,促进大模型对各行各业的赋能,中科曙光携手网易伏羲实验室联合发起网易玉言大模型性能优化挑战赛,让选手在有限的国产GPU卡算力约束下,完成玉言大模型的性能优化。
本赛题旨模拟实际的场景下普通用户进行大规模模型的推理过程,在有限的计算资源下,对百亿级大模型进行性能优化,尽可能提升大模型推理的吞吐量。
了解详情
OpenFOAM化学反应流求解(全国高级赛)
OpenFOAM是一款开源流体力学计算软件,提供丰富的计算模型,支持化学反应流计算,其中化学反应求解过程耗时较长,需要通过DCU加速该计算过程。
了解详情
瑞莱智慧AIGC视频伪造检测性能挑战赛(全国高级赛)
举办方会提供人脸检测与鉴伪baseline的demo可供选手进行适配参考。选手可以基于Baseline模型设计和优化网络,最终在达到精度指标基础上比较算法的推理速度。
了解详情
矩阵奇异值分解赛题(全国高级赛)
奇异值分解(SVD)是一种强大的计算工具。
获得一般矩阵的奇异值分解的现代算法对科学和工程学科的许多应用产生了深远的影响。
奇异值分解通常用于求解无约束线性最小二乘问题、矩阵秩估计等。
在实际应用中,它通常应用于图像压缩、信息检索、地震反射层析成像和实时信号处理等领域。
奇异值分解在机器学习领域也有广泛应用,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域,是很多机器学习算法的基石
了解详情
图卷积神经网络推理优化(中南赛区)
图卷积神经网络(Graph Convolutional Network,GCN)是一种基于图数据的神经网络模型,它能够有效地捕捉图中的结构和特征信息。
GCN由于其简洁的设计和强大的性能,已经在多个领域得到了广泛的应用,例如交通预测、蛋白质性质预测、推荐系统等。
因此,提高GCN的推理速度对于促进相关领域的发展和改善人们的生活质量具有重要的价值。
了解详情
AI 辅助燃烧模型调优(中南赛区)
燃烧的数值模拟属于计算流体力学中的化学反应流动数值模拟的一部分,在 CFD(Computational Fluid Dynamics)的程序中需要将流动与化学反应解耦推进,且由于燃烧中的化学反应速率较快,各个基元反应的特征时间步长在量级上差别极大,化学反应的求解刚性较强,往往需要在一个流动时间步内推进数十步化学反应步,由此带来计算耗时的大量增加。
了解详情
卷积算子优化(中南赛区)
卷积神经网络(Convolutional Neural Network, CNN)是一类常用的深度学习模型,在计算机视觉、自然语言处理等领域广泛应用。
卷积算子是CNN的重要组成部分,用于提取图像、文本等数据中的特征。
卷积运算是深度学习中常用的操作之一,但是由于其计算量较大,在大型神经网络中可能成为性能瓶颈,导致训练时间过长。
因此,为了提高卷积运算的计算效率,需要通过并行编程等技术手段进行优化。
了解详情
光源预训练模型积分赛(中南赛区)
先导杯面向全国开发者发起光源预训练模型积分赛,旨在鼓励开发者了解国产GPU加速卡,参与和贡献预训练模型开源项目,为国内预训练模型社区添砖加瓦。
了解详情
