中国工程院院李国杰:发展先进计算需要重视的七个研究方向

来源:通信世界网 | 编辑: 界小编 2022-11-06 10:23

  原标题:发展先进计算需要重视的七个研究方向

  2022年11月6日消息:计算无处不在,算力已成为经济高质量发展的重要引擎。而发展先进计算,涉及到技术变革、系统创新、自主可控、绿色低碳、高效智能、低熵有序、开源共享等诸多方面。11月4日,中国工程院院士、曙光信息产业股份有限公司董事长李国杰在2022世界计算大会上介绍了发展先进计算需要重视的七个研究方向。

  一、积极理性的发展量子计算机的颠覆性技术。由于硅基芯片存在物理极限,量子计算、类脑计算、超导计算、光计算等计算模式可能成为未来先进计算的新技术途径。我国对于颠覆性的新技术给予更大的期盼,更希望发展别人没有的非对称的先进计算技术。近十年内,我国研发的量子计算机属于有噪声的中等规模的量子计算机,它的量子位只有几十位到几百位。在相当长的时间内,量子计算有较强的专用性,并不是所有的计算都可以用量子算法加速,因此我们不能够把发展先进计算的主要希望都寄托在量子计算、类脑计算这些新模式上,而应该更加重视可以形成支柱产业的技术。

  、硬件开源的关键是开放芯片开发平台。在芯片发展过程中,曾经有几种模式,例如英特尔的X86模式,它自卖芯片,开发平台完全封闭。又譬如ARM,它采取IP授权的模式,开发平台也是封闭的。但硬件开源的关键是要开放芯片开发平台,因此香山模式是最佳选择,它的代码和开发平台均是开放的。

  全力发展工业软件(EDA)。我国先进计算最大的短板是软件。目前我国计算机的应用主要在消费领域,今后的重点将转向产业领域,而实现产业高质量发展的关键是工业软件。“工业软件不简单是软件,而是一门学问,它是人类对于一个行业所掌握知识的集中体现,不掌握先进的EDA工具,建立自立自强的集成电路和计算机产业,工业软件一定发展不起来,因此要全力发展以EDA为代表的工业软件。”李国杰如此说道。同时我国要从“AI inside EDA”发展到“AI outside EDA”,当前EDA中的AI技术主要遵循传统EDA流程,主要用于评估、预测。未来要通过AI技术,从芯片数据中学习抽象规则,实现芯片学习。

  、科学智能计算可能引发一场科技革命。现代科学正全面拥抱“复杂”,人工智能的目标不仅仅是要计算机具备像人一样的感知和认知能力,还要使用计算机来解决十分复杂的问题,即在多项式时间内“实际上有效解决”在最坏情况下具有指数复杂性的组合爆炸问题。同时,人工智能在基础研究方面有巨大的潜力,将推动其他学科的发展。如今,机器学习、人工智能和物理建模、科学计算已经彻底的交织在一起,催生“科学研究的第五范式”。未来的5到20年内,科学智能计算可能解决许多复杂的问题,包括集成电路设计、药物设计、新材料等。

  、提高能效已成为发展先进计算的最大挑战。如果按照今天的技术,计划2030年实现的Z级计算机的功耗达到万兆瓦以上,差不多需要一个三峡发电站来供电,要达到POPS/W的能效,至少需要提高3个数量级。基于此,李国杰指出,我们必须有跨代的思维,通过变革型器件、体系结构、封装冷却、软件等多方面的努力大幅度提高能效目标,其中变革型器件是主要的出路,要加大量子、超导、光子、DNA器件的研发力度。

  、低熵有序是构建算力网络的主要努力方向。构建像供电一样的算力公共基础设施是计算机界追求了几十年的宏伟目标。算力网络本质上是全国甚至全球的分布式计算系统,但由于负载的尾延迟不一致造成分布式系统的利用率很低,完成任务的良率也低。李国杰表示,中科院计算所正在研究的“信息高铁”是实现算力网络的路径之一,目标是应对“不确定性”的挑战,实现可测,可控,可管、有序的高通量计算和百分位保障,从理论上讲,就是要研究开发具有“低熵”特征的系统,通过创新的系统设计,要在问题不确定、环境不确定,负载强度不确定的情况下,保障可预期的性能结果。初步实验结果显示,在84%的样本中,信息高铁原型的CPU平均使用率在90%以上,良率和通量比传统的云计算系统有成倍的提高。

  、要高度重视编译优化技术,建立跨平台的系统软件栈。编译优化是提高计算机执行效率的基础技术,但多年来我国对编译优化技术没有足够的支持,各单位编译优化研发团队都比较弱小,各自为战,人才队伍严重短缺。因此我国迫切需要跨平台,开放统一的编译优化软件栈,支持应用在多种国产处理器上无缝执行,大幅度降低应用开发成本。同时,编译器在解决芯片生态碎片化方面有显著优势,共性优化可以为不同芯片带来普适的收益。

相关阅读

每日精选