3月26日,研究院院长Dario Gil通过IBM官方微信公众号发文称,IBM与等相关单位一起协作,致力于启动“新型冠状病毒肺炎高性能计算联盟”(COVID-19HighPerformanceComputingConsortium),创造前所未有的计算能力,帮助世界各地的研究人员更好地认识新冠病毒、相应的治疗方案和潜在的有效药物。
谈到超级计算机如何帮助我们对战病毒?Dario Gil表示,“利用高性能计算系统,研究人员可以在流行病学、生物信息学和分子建模等领域运行针对庞大数据的大规模运算。”
正是在IBM,我有幸与许多杰出的同事一起共事,他们以推动科学发展、创造新技术来引领世界进步为己任,并以极大的热忱长期专注于他们的事业。自从新型冠状病毒肺炎(COVID-19)流行病爆发以来,我们一直与世界各地的政府密切合作,设法利用我们的技术和专长找出一切可行的方案,努力帮助组织机构应对这一流行病的后果并迅速恢复,同时加快科学发现进程,推动科学界和医学界研制有效医疗方案,并最终找到治愈的药物。
如今,IBM与等相关单位一起协作,致力于启动“新型冠状病毒肺炎高性能计算联盟”(COVID-19HighPerformanceComputingConsortium),创造前所未有的计算能力,包括16个系统,其速度超过330千万亿次浮点运算/秒,拥有775,000个CPU核心、34,000个GPU,并且其计算能力还在不断增长。希望凭借此计算力,帮助世界各地的研究人员更好地认识新冠病毒、相应的治疗方案和潜在的有效药物。
超级计算机如何帮助我们对战病毒?利用高性能计算系统,研究人员可以在流行病学、生物信息学和分子建模等领域运行针对庞大数据的大规模运算。这些实验如果手工运算,需要好几年才能完成,在速度较慢的传统运算平台上进行处理,也需要几个月的时间。
通过将超级计算能力集中到由众多合作伙伴,包括IBM、劳伦斯利弗莫尔国家实验室(LawrenceLivermoreNationalLab,LLNL)、阿贡国家实验室(ArgonneNationalLab,ANL)、橡树岭国家实验室(OakRidgeNationalLaboratory,ORNL)、桑迪亚国家实验室(SandiaNationalLaboratory,SNL)、洛斯阿拉莫斯(LosAlamosNationalLaboratory,LANL)、美国国家科学基金会(NationalScienceFoundation,NSF)、美国国家航空航天局(NASA)、麻省理工学院(MassachusettsInstituteofTechnology,MIT)、仁斯利尔理工大学(RensselaerPolytechnicInstitute,RPI)以及多家顶尖技术公司组成的联盟之内,我们可以向科学家、医疗研究人员和政府机构提供非凡的超级计算能力,以帮助他们应对和缓解当前的全球紧急事件。
为了举例说明超级计算能力的巨大潜力,不妨来看一下IBMSummit—全世界功能最强大的超级计算机,在它的帮助之下,橡树岭国家实验室和田纳西大学的研究人员已经对8,000种化合物进行了筛查,从中发现哪些化合物最有可能与新冠病毒的主要“spike”蛋白(“spike”protein)相结合,从而使病毒无法再感染宿主细胞。研究人员推荐了77种很有成功希望的小分子药物化合物,现在可以对它们进行实验检验。这就是通过计算加速科学发现的能量所在。
现在,我们必须继续勇往直前,IBM将与联盟合作伙伴合作,评估世界各地研究人员的提议,并为能够产生最直接影响的项目提供超级计算能力的支持。
我很荣幸能与IBM的同事、以及广大科学界携手一起工作,助力快速推进这项重要工作。在这个动荡不安的时期,我愿意向大家郑重承诺:IBM将继续竭尽所能,发挥我们的技术和专长,推动全球对抗新冠病毒疫情这场战斗取得重大突破。
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。