新興高性能計算行業應用及發展戰略
|
|
新型應用發展趨勢
新型行業應用的計算行為基本特征就是數據密集。大數據涌現在高性能計算應用廣度和深度的進一步拓展方面、高性能計算系統發展方面、高性能算法和軟件研發方面，帶來一些新的趨勢。
高性能計算應用廣度和深度進一步拓展
大數據應用層出不窮。在物聯網技術、5G技術及各種數據采集技術快速發展的背景下，以大數據為基本特征的各類應用層出不窮，從智慧城市、生命健康到粒子物理、天體物理，大數據應用廣度和深度不斷拓展。
傳統問題的人工智能求解帶來新機遇。人工智能產生應用的基本條件，大數據和計算力已經發展到新階段，人工智能對傳統問題，生命健康、基礎物理乃至氣象氣候預報、石油勘探等眾多領域，產生積極推動作用。2018?年?Gordon Bell?獎之一，就是利用深度學習方法，分析氣候變化模式。
多領域問題協同分析陸續出現。大數據的積累和計算力的大幅度提升，也為復雜系統或多領域問題協同分析創造了可能，如環境與生態的模擬問題、物理化學和生命的多尺度分析、精準醫療等。
高性能計算系統研發面臨新的發展機遇
專用加速硬件興起。從傳統的圖形處理器（GPU）到張量處理器（TPU）、深度計算器（DCU）等專用硬件的流行，高性能計算加速芯片不斷涌現。其中?TPU是近年來?Google?提出的專用于深度學習加速的張量處理單元，其提供低精度高通量的計算。相比?GPU，TPU?擁有更高的?I／O（輸入／輸出）效率和更低的能耗。
大數據處理對超級計算機網絡提出新要求。典型的大數據處理問題，數據?I／O?等從存儲到計算的頻繁程度和帶寬需求大幅度上升，而計算進程之間通信更多以小消息為主，約占消息總數的?95％。因此，大數據處理對存儲網絡和計算網絡的性能需求，產生顯著分離。
大數據處理平臺的非功能需求特點。新的業務對應用提出了眾多非功能性的需求，如要求應用具備快速開發、可擴展、易重用、有統一接口、有完整的生態供下游業務進行作業，以及自動容錯等。
高性能算法與軟件設計面臨新的挑戰
大數據矩陣的稀疏性特點。大多數大數據處理問題，最終轉化成矩陣計算，這些矩陣通常具有稀疏性（零元數據個數遠遠大于非零元數據個數），但一般不具備偏微分方程求解問題中稀疏矩陣非零元對角分布特性。另外，傳統的稀疏矩陣求解通常要求精確解，但隨著新應用的出現，人們對于稀疏矩陣的求解精度要求，往往讓位于求解速度的要求。例如，在商品推薦、搜索引擎和社交網絡等大規模推理任務中，用戶往往只需要在?Top k（Rank k）的結果中出現想要的結果，即認為求解符合預期。而在求解性能方面，可能要求計算復雜度?O（k）（k＜＜n）的算法。
大數據時空性特點。新興智慧城市等應用中，時空特性越來越受到人們的關注。例如：交通流量預測中，GPS?前后有很強的時序關系；自然語言處理（NLP）中，上下文前后詞語之間也呈現出明顯的時空特性。
大數據高維度特點。數據的維度通常隨著業務問題規模的增大而指數級增大。為了約減數據集的維度，研究人員通常采用特征抽取、去不相關、去低方差和去常量屬性等技術。數據體量大增加了數據維度約減的難度。
異構大數據融合特點。大數據往往是異構的，數據的屬性是不一致的。面臨體量大、種類多和數據持續產生等特點。如何有效地融合多個異質數據集并挖掘出其中有用的信息，是高性能計算需要解決的問題。
大規模圖處理特點?；趫D來發現事物之間的關聯性是大數據領域的典型問題。大規模圖處理往往面臨數據局部性差、數據剖分困難、通信開銷大等挑戰，而實際應用對于算法實時性又往往存在較高要求。隨著數據體量的增大，如何進一步減少數據的處理時間，是高性能計算面臨的新挑戰。