登录社区云，与社区用户共同成长
邀请您加入社区
在高性能计算（HPC）领域，单元测试面临并行编程带来的独特挑战，如非确定性行为和同步问题。OpenMP和MPI等并行编程模型使得传统测试方法难以应对数据竞争和死锁等问题。HPCAgentTester通过多Agent协作架构，结合静态分析和动态检测技术，有效提升了测试覆盖率和准确性。该系统特别适用于气象模拟、分子动力学等需要高并行度的科学计算场景，能够自动识别并测试常见的并行编程错误模式，如MPI通
本文介绍了如何使用Singularity定义文件（Definition File）一键复现机器学习环境，解决环境配置冲突问题。通过详细解析Singularity的核心优势、定义文件语法及实战案例，帮助开发者快速构建标准化、可复现的机器学习环境，特别适合HPC场景下的科学计算需求。
在数据密集型科研领域，数据治理的核心挑战在于实现数据的可查找、可访问、可互操作与可重用，即FAIR原则。其技术原理在于通过语义网技术，特别是领域本体，为数据赋予机器可理解的标准化含义，从而打破数据孤岛。这为数据集成、自动化分析与AI模型训练提供了坚实基础，尤其在需要处理复杂、大规模数据集的高性能计算场景中价值显著。本文聚焦于HPC领域，通过引入HPC本体对数据进行语义标注，并采用F-UJI自动化工
在数据密集型的高性能计算（HPC）和机器学习（ML）领域，数据资产的管理与共享是提升研究效率和可复现性的核心挑战。FAIR原则（可发现、可访问、可互操作、可重用）为解决这一问题提供了系统性的指导框架。其核心在于通过持久标识符（如DOI）和丰富的元数据实现数据的可发现性，并利用领域本体（如HPC Ontology）对数据进行语义化标注，从而实现机器可理解的互操作性。这不仅大幅降低了数据复用的门槛，也
高性能计算（HPC）作为解决复杂科学问题的关键技术，其核心在于并行计算架构与优化方法。ARM架构凭借多核设计与高内存带宽优势，在计算密集型场景中逐渐崭露头角。以华为鲲鹏920处理器为例，其采用的ARMv8架构通过NUMA优化、专用指令集等技术，可显著提升气象预测、分子动力学等领域的计算效率。在工程实践中，从编译器优化（如毕昇编译器）、并行库适配到任务调度策略的全链路调优尤为关键。通过WRF气象模型
科学计算作为高性能计算（HPC）的核心领域，通过浮点运算解决连续数学问题，在计算精度和规模上具有严苛要求。其技术原理涉及数值分析、并行计算和算法优化，支撑着从物理模拟到生物信息学的关键突破。随着AI与HPC的深度融合，如AlphaFold2等应用展现了机器学习对科学计算的革命性提升。当前科学计算已形成计算物理学、计算生物学、计算化学和地球系统建模四大支柱领域，在天气预报、基因测序、新药研发等场景发
神经架构搜索(NAS)作为自动化机器学习的关键技术，通过算法自动设计神经网络架构，大幅提升模型开发效率。其核心原理是通过搜索算法在预定义的搜索空间中探索最优架构，涉及进化算法、强化学习等技术路径。在HPC(高性能计算)环境中部署NAS面临资源分配、通信效率等独特挑战，需要结合RDMA、拓扑感知等优化手段。本文以生物医药图像分析为应用场景，详细解析如何改造ENAS算法以适应超算环境，实现92%的GP
在云计算与高性能计算（HPC）融合的背景下，资源编排技术成为提升计算效率与降低成本的核心。其原理在于通过自动化工具对计算、存储和网络资源进行统一调度与管理，以应对弹性、异构的云环境。这一技术的核心价值在于解决传统HPC应用在云上运行时的资源管理复杂性与成本控制难题，广泛应用于科学计算、工程仿真和AI训练等计算密集型场景。其中，基于Kubernetes的增强调度器（如Volcano）和智能体（Age
