安徽信息港
首页
您的位置:安徽信息港首页 > 资讯 > 正文

第五届“英特尔杯”并行应用挑战赛晋级总决赛榜单发布

  日前,由中国计算机学会高性能计算专业委员会指导、教育部高等学校计算机类专业教学指导委员会和英特尔(中国)有限公司主办,北京并行科技股份有限公司承办的第五届“英特尔杯”并行应用挑战赛(PAC)三个赛道初赛评审会圆满举办。

  人工智能组、优化组和应用组三个赛道初赛评审会经过严谨的作品审核与激烈的专家探讨,最终有以下参赛队伍脱颖而出,晋级到总决赛,喜摘榜单。

  PAC2017人工智能组初赛赛题技术亮点

  掌握Spark分布式框架的使用;

  学习如何应用BigDL处理深度学习问题;

  参赛作品体现了丰富成熟的自然语言处理相关知识,从预处理到机器学习模型的使用;

  运用主流的深度学习算法解决实际问题;

  采取有效的方案解决计算过程中所出现的不平衡问题,使模型的泛化能力得以增强。

  8月29日PAC人工智能组初赛评审会专家合影

  PAC2017优化组初赛赛题技术亮点

  PAC挑战赛已成功举办五届,敏锐洞察高性能计算技术趋势与最新动态。PAC2017赛题进行了全新的设置与调整,不仅加大赛题难度,还对赛题标准做出重要调整。本次采用对称稀疏线性方程组求解举证,若参赛队伍仍旧使用常规的多线程、向量化优化方法就很难达到理想优化目标,今年参赛队所提交作品中更是充分的使用了各种优化技巧,着重通过完善算法与排列等方式进行赛题优化,获得现场专家与网络接入专家的认可与好评。

  参赛队伍对Intel Knights landing进行了细致的研究,充分利用KNL众核架构,将程序扩展到众核架构上进行高效的加速计算;同时参赛队伍对稀疏矩阵的算法及数组结构进行了优化调整,充分发挥了KNL的超强计算能力,相对于原始版本代码,参赛队伍取得了极佳的加速效果。

  使用多种平台工具对程序进行了详尽的性能分析,快速找到程序性能瓶颈并实施相应的优化;

  改进算法,摆脱数据依赖,设计和实现了高效的多线程并行,充分利用了KNL的众核优势;

  重新设计了程序数组结构,有效消除了程序内部的强依赖关系;

  采用自动向量化和Intrinsics手动向量化方式,提高并行计算效率;

  调整内存结构,采用KNL高通带内存,提高数据访存速度;

  优化程序核心计算算法,使用除法等价替换等方式提高计算效率。

  对称稀疏线性方程组求解广泛应用于高性能计算领域之中,本优化课题需要针对电磁暂态计算过程中对称稀疏线程方程组求解进行优化,优化平台限定在intel众核计算平台,优化内容包括因子分解,前代回代等。

  9月8日,PAC2017优化组初赛评审会专家合影

  PAC2017应用组初赛赛题技术亮点

  参赛作品突破传统制造业、航空航天等领域,新增设地球科学、生物信息与人工智能等高精尖应用领域;

  优化方法实现多样化,如修改算法、编译选项、数组访存策略、通信模式等;

  作品更具商业价值,如“格子玻尔兹曼方法的python版并行程序” 方法具有介于微观分子动力学模型和宏观连续性模型的特点,已经广泛应用于流体运动等领域;

  并行规模更大,最高达到了145000核;

  作品优化效果显著,加速比最高提升26.6倍,并行效率持续在90%以上。

  9月9日,PAC2017应用组初赛评审会专家合影

  祝贺成功晋级PAC2017总决赛的参赛队伍!晋级队伍将获得参加10月18日PAC2017全国并行应用挑战赛集训营机会,并将于10月20日进行巅峰对决,敬请关注。