2014年6月17日,在2014年第76屆EAGE國際會議及展覽會上,聯(lián)想(3236號展臺)宣布將攜手英偉達(dá)(NVIDIA)、微捷碼(Magma)和Hue公司,共同為地球物理勘探開發(fā)全新的可視化技術(shù)解決方案。
這一組合式解決方案將包含聯(lián)想 ThinkStation D30工作站、NVIDIA® Tesla® K40 GPU加速器和Magma GPU擴展技術(shù),共同為Hue公司用于勘探和生產(chǎn)應(yīng)用開發(fā)的可視化技術(shù)提供支持,以推動實現(xiàn)在數(shù)秒內(nèi)渲染數(shù)量龐大的地球物理學(xué)可視化數(shù)據(jù)的目標(biāo)。
地球物理勘探對于發(fā)現(xiàn)石油和天然氣至關(guān)重要,但如何高效處理日益增長的地震數(shù)據(jù),以快速渲染并可視化復(fù)雜地球模型,長期以來一直是困擾該行業(yè)的一個難題。盡管Hue等創(chuàng)新公司正在開發(fā)的技術(shù)有望大幅提高地質(zhì)學(xué)家的發(fā)現(xiàn)能力,但性能低下的計算技術(shù)卻會成為這些應(yīng)用的瓶頸,使得勘探項目動輒就要耗費數(shù)小時、數(shù)天甚或數(shù)周的時間。
全新的組合式可視化解決方案首次將高性能計算(HPC)引入了Hue軟件開發(fā)工具套件,能夠最大限度地減少延遲,徹底改變地質(zhì)學(xué)家處理地震數(shù)據(jù)的方式。該解決方案提供了一個64位的優(yōu)化環(huán)境,可在數(shù)秒內(nèi)分析數(shù)TB乃至數(shù)PB的數(shù)據(jù),使地質(zhì)學(xué)家能夠在無縫的工作流中快速執(zhí)行復(fù)雜的算法。
Headwave地球科學(xué)顧問Ron Masters博士表示:“在勘探中,數(shù)據(jù)通常會姍姍來遲,而決策時間卻經(jīng)常提前,從而不斷擠壓用于分析的時間。新的機會總是要求更大的數(shù)據(jù)量、更先進(jìn)的成像和新的解釋概念。我們對速度的需求從未如此強大。”
該組合式解決方案的基礎(chǔ)是聯(lián)想 ThinkStation D30工作站,這也是當(dāng)前性能最高、最可靠、且最簡單易用工作站。同時,它通過微捷碼的ExpressBox 3600 GPU擴展系統(tǒng)將多個NVIDIA Tesla K40 GPU加速器連接在一起,提供了可媲美高性能計算的強大計算能力。Hue公司獨具創(chuàng)新的HueSpace軟件工具套件能夠充分利用NVIDIA Tesla GPU的強大性能,在單一易用的工具套件中,帶來迅捷的計算能力、面向域的一流多維可視化能力、以及智能的勘探與生產(chǎn)數(shù)據(jù)處理能力。
聯(lián)想能源、石油和天然氣行業(yè)解決方案部門的Chris McCoy指出:“聯(lián)想 ThinkStation D30工作站是市場上性能最佳的工作站,能夠幫助地質(zhì)學(xué)家有效應(yīng)對他們所面臨的緊迫計算挑戰(zhàn)。通過這方面的努力,我們與業(yè)界最出色的技術(shù)提供商緊密合作,推出了能夠支持全新工作流的解決方案,從而為地質(zhì)勘探提供有價值的技術(shù)支持。”
Hue公司戰(zhàn)略聯(lián)盟技術(shù)副總裁Marius Storm-Olsen表示:“我們致力于開發(fā)創(chuàng)新的軟件應(yīng)用,幫助地質(zhì)學(xué)家能夠以顯著低于其他應(yīng)用的時間,快速執(zhí)行非常復(fù)雜的算法。我們非常自豪能夠與聯(lián)想合作,推出預(yù)計在未來將會對石油和天然氣行業(yè)產(chǎn)生重要影響的解決方案。”
微捷碼公司戰(zhàn)略業(yè)務(wù)開發(fā)部門的Jim Medeiros表示:“高性能計算解決方案對于石油和天然氣行業(yè)至關(guān)重要,我們很高興能有機會推動此類解決方案在該領(lǐng)域的應(yīng)用。將我們的GPU擴展技術(shù)增添至工作站解決方案,使得以往僅限在數(shù)據(jù)中心使用的高性能計算技術(shù),現(xiàn)在也能夠在石油和天然氣領(lǐng)域大顯身手。這是一項了不起的成就,我們非常期待看到該行業(yè)對我們這一成果的響應(yīng)。”
英偉達(dá)首席解決方案架構(gòu)師Ty McKercher指出:“借助基于HueSpace和CUDA GPU加速的交互式3D渲染應(yīng)用,地質(zhì)學(xué)家將能夠處理龐大的數(shù)據(jù)量,并在使用智能探針瀏覽數(shù)據(jù)的同時快速執(zhí)行復(fù)雜計算。這項技術(shù)為增強對勘探項目的信心奠定了堅實的基礎(chǔ),使地質(zhì)學(xué)家能夠發(fā)現(xiàn)以前隱藏的資源,并最終發(fā)現(xiàn)更多油氣儲量。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。