如何为您的电脑配“眼睛”?

随着网络的普及和网络带宽的增大,网络可视通讯成了多网迷们打发时间的好方法。可是,由于摄像头质量低劣,您明明是帅哥,却被对方怀疑是青蛙,明明知道对方是美女,却无法跟她视频。电脑城里有各样奇形怪状的摄像头,有10万、30万、35万、38万、48万……130万,JS(奸商)一口气就说出     

一种Fortran到CUDA C的转换方法

基于GPU的异构计算逐渐成为主流计算方法, 但限于科学计算编程的历史发展, 大量的数值计算软件仍以Fortran语言实现. 为了提高计算速度, 大量的软件需要移植为CUDA C, 但人工实现程序移植是一项浩繁的工程. 若能实现从Fortran到CUDA C的自动转换, 可以极大的提高程序开发效率. 本文设计了将Fortran转换为CUDA C的算法, 并基于正则表达式和shell脚本实现了该算法, 编写测试用例进行了验证. 实验表明, 该算法可靠稳定兼容性好, 在大型程序的移植过程中, 能够自动筛选并建立变量信息表, 生成CUDA相关操作函数, 且结果代码可读性较好, 转化正确率达80%以上, 有效减少了移植的工作量.     

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.     

地球系统模式CAS-ESM 2.0性能评估与分析

地球系统模式是研究气候变化、进行地球系统建模的重要软件. 中科院地球系统模式CAS-ESM (Chinese Academy of Sciences-Earth System Model)是中科院大气所发展的进行地球系统模拟的高性能计算应用软件, 目前已经发布了2.0版本, 其模拟性能一直是制约其发展的关键因素之一. 为了对CAS-ESM 2.0进行性能评估和分析,将CAS-ESM 2.0移植到中科院高性能计算系统"元"和"地球系统数值模拟装置"原型系统这两大高性能计算平台上, 开展了耦合数值模拟试验. 试验结果显示, CAS-ESM 2.0存在受平台影响的性能差异, 大气模式的运行时间占比最高, 超过了其他分模式的总和, 部分分模式存在可扩展性问题. 然后对试验结果进行了进一步的分析, 发现大气模式的性能瓶颈主要是由通信造成的. 因而对CAS-ESM 2.0的后续研发发展工作中, CAS-ESM的跨平台优化、大气模式的性能优化与并行算法改进、分模式的可扩展性应该是研究的重点之一.     

海洋模式LICOM的MIC并行优化

LICOM是中国科学院大气物理研究所开发的全球海洋环流模式,广泛应用于海洋研究和气候预测。随着分辨率的提高,LICOM对计算的要求呈几何级数的增长。多核或众核已成为当前主流的高性能计算体系结构,原LICOM程序只使用了MPI并行,无法发挥混合架构的高性能。本文介绍了如何在分析LICOM特征基础之上,应用OpenMP及其它优化手段对LICOM进行MIC移植和并行优化,详细介绍了模式优化的实现过程。并通过数值试验证明了优化前后的计算效果有一定提高。     

名星软件——让快乐一起分享

在001摄像头的随机驱动光盘中就有老版的“名星软件”,它具有“拍照、录音、录像、格式转换,视音频图像(图片)剪接、添加字幕、添加背景音乐、贺卡制作、年历画制作、个性化信笺制作及视音频邮件发送等功能,具有结构设计合理,界面友好、全中文显示、操作方便、自动生成多媒体文     

在MM5中实现IKAWA参数自适应选择

在"大规模科学计算在生态环境研究中的应用"项目的研究中,我们移植国际上比较成熟的软件MM5进行气象数据场的计算.在实际计算时,由于初始数据采集误差较大等原因,MM5中采用了很多固定的平滑因子,造成MM5不能模拟复杂多变环境现象,而我国地形、环境的多样性,使得数值计算结果不能令人满意.为了解决这个问题,我们引入自适应算法对软件中IKAWA参数进行自适应选择.由于是并行计算,改进引起的额外时间开销是可接受的.最后给出算例分析改进的有效性.     

WRF数值气象预报模式系统在深腾6800上的移植与测试

介绍了WRF中尺度数值气象预报模式与联想深腾6800高性能计算机系统;概述WRF模式在联想深腾6800上的移植与测试过程.采用3D数据集em_quarter_ss进行性能分析与正确性测试,并绘制气象图.分析串、并行状态的运算加速比与处理器个数间的关系,发现并行效率相当好,非常适用于机群系统.WRF在深腾6800上的成功移植与测试,也为进一步将WRF应用于中国国家网格奠定了研究基础.     

一种基于区域海表面温度异常预测的ENSO预报深度学习模型

本文通过实验,从设计的四种深度学习网络模型中挑选出一种可以用来预测区域海平面温度异常 (SSTA) 的模型——序列到序列 (Seq2Seq) 模型,并确定了适合于此模型的一组最优的超参数 (编码器使用正序输入、不使用 L2 正则化和使用 Adam 优化器) 和输入变量个数。与传统的动力学 ENSO 预报模型相比,该模型在中长期 (提前 7 个月以上) 预测上的均方根误差 (RMSE) 表现要更好。在实际的 SSTA (Niño3.4 指数) 预测实验中,该模型可以较好地预测出 SSTA 变化趋势,但在峰值处表现较差。与其他动力学和统计模型相比,该模型有较好的预测结果。因此,考虑其在中长期优于动力学模型的表现以及整体较好的预测结果,该模型可以作为一种 ENSO 预报以及区域 SSTA 预测的深度学习模型。