雖然世界在不斷變化，但開發(fā)人員仍在不斷推動他們使用創(chuàng)新技術(shù)應對挑戰(zhàn)。最近的臺灣計算云（ TWCC ） GPU Hackathon 就是這樣一個例子，它是開發(fā)者和工程師使用 GPU 推進 HPC 和 AI 項目的催化劑。

國家高性能計算中心 、 臺灣網(wǎng)絡服務公司 、 NVIDIA 和 OpenACC 、 12 個團隊和 15 名 NVIDIA 導師之間的合作，使用了從人工智能驅(qū)動的制造調(diào)度模型到快速洪水預測模型的各種方法來加速項目。

利用人工智能優(yōu)化生產(chǎn)效率

智能制造的關(guān)鍵領域之一是優(yōu)化和自動化生產(chǎn)線流程。團隊 AI 調(diào)度員和 工業(yè)技術(shù)研究中心（工研院） 的 計算智能技術(shù)中心（ CITC ） 成員來到 hackathon ，使用機器學習開發(fā)他們的制造調(diào)度模型。

傳統(tǒng)的調(diào)度模型大多采用啟發(fā)式規(guī)則，能夠即時響應動態(tài)事件。然而，他們的短期方法通常不會帶來最佳解決方案，并且在處理變化的變量時被證明是不靈活的，這限制了他們的持續(xù)生存能力。

該團隊的方法使用蒙特卡羅樹搜索（ MCTS ）方法，將經(jīng)典的樹搜索實現(xiàn)與強化學習的機器學習原理結(jié)合起來。該方法解決了現(xiàn)有的啟發(fā)式限制，提高了整體調(diào)度模型的效率，提高了效率。

通過與導師合作，團隊 AI Scheduler 學會了使用 NVIDIA Nsight 系統(tǒng) 來識別瓶頸，并使用 GPU 來并行化代碼?；顒咏Y(jié)束時，團隊能夠加快 MCTS 算法的模擬步驟。這將調(diào)度時間從 6 小時減少到 30 分鐘，并使總體調(diào)度效率提高了 11.3 倍。

工研院 CITC 的曾正蘇博士和黃浩哲博士說：“在本次黑客大會上證明了使用 GPU 加速我們的模型的可行性之后，下一步是將其應用到我們的商業(yè)模型中，供工業(yè)使用?！?。

使用 GPU 了解地球科學的全局

臺灣位于歐亞大陸和菲律賓海板塊之間，是世界上構(gòu)造最活躍的地區(qū)之一，也是全球地震研究的重要基地。地質(zhì)研究和構(gòu)造活動的時間尺度通常以數(shù)千年或數(shù)萬年為單位。這需要使用大量數(shù)據(jù)和足夠的計算能力來進行有效分析。

由 中央研究院地球研究所 的譚博士領導的 IES 地球動力學團隊來到 GPU Hackathon 加速他們的數(shù)值地球動力學模型。它名為 DynEarthSol ，模擬地幔對流、俯沖、造山和構(gòu)造。此前，該團隊通過將數(shù)據(jù)分塊并限制計算過程以適應 CPU 有限的計算能力來減少計算和步驟的數(shù)量，從而處理大量數(shù)據(jù)。這使得很難看到研究的全貌。

圖 2 俯沖帶的動畫模擬。

在黑客競賽的過程中，團隊使用了一種新的數(shù)據(jù)輸入方法，利用 GPU 計算數(shù)據(jù)和多個步驟。使用 OpenACC ， IES 地球動力學團隊能夠?qū)?80% 的模型移植到 GPU ，并實現(xiàn)了 13.6 倍的加速。

“這是我第二次參加 GPU 黑客競賽，我肯定會參加下一次，”中央研究院國際研究所研究員譚恩恩教授說。“我們已經(jīng)學會了采用 GPU 的適當方法，用戶友好的分析工具為我們提供了一個優(yōu)化模型的好主意。”

該團隊將繼續(xù)致力于移植其模型的剩余 20% 。他們期待使用 GPU 運行更多高分辨率模型，以更深入地了解臺灣的編隊活動。

用于應急規(guī)劃和響應的快速洪水評估

洪水是最具破壞性的自然災害之一。每年造成大量人員傷亡和經(jīng)濟損失， 全世界平均有 2100 萬人受洪水影響 ，由于氣候變化和其他因素，預計人數(shù)還會增加。預防和減輕這些危害是一項關(guān)鍵工作。

來自 國立楊橋大學（ NYCU ） 的 THINKLAB 團隊正在開發(fā)一種模型，該模型可以為緊急情況提供快速準確的結(jié)果，同時保持操作的簡單性。所提出的 混合淹沒模型（ HIM ） 通過元胞自動機方法求解零慣性方程，并與亞網(wǎng)格級插值策略配合使用，以生成更高分辨率的結(jié)果。

圖 3 HIM 產(chǎn)生的洪水范圍示例。

使用 Python 和 NumPy 庫開發(fā)的 HIM 模型在 hackathon 開始時沒有并行或 GPU 計算。在活動期間， THINKLAB 團隊使用 CuPy 為了使他們的代碼在 GPU 上并行運行，然后重點將用戶定義的 CUDA 內(nèi)核應用于參數(shù)。結(jié)果是 672 倍加速，計算時間從 2 周縮短到大約 30 分鐘。

THINKLAB 團隊成員 Obaja Wijaya 說：“我們在這次活動中學到了很多技巧，并向其他人強烈推薦這些活動?！薄！癗VIDIA 是這一領域的專家，通過與他們的導師合作，我們學會了如何使用 GPU 編程優(yōu)化模型/代碼?！?/p>

關(guān)于作者

Izumi Barker 是 NVIDIA GPU 黑客競賽和訓練營的項目經(jīng)理，也是 OpenACC Standard 的公關(guān)總監(jiān)。組織。在這些角色之前，她在鳳凰城大學、 CeCon 集團、囊性纖維化基金會和 LLP 安永等高等教育、生命科學、技術(shù)和出版行業(yè)的公司舉辦了戰(zhàn)略營銷和傳播職位。

審核編輯：郭婷