使用深度强化学习计划HPC批处理作业，高效的作业调度可以显着提高HPC系统的效率。
10月份高性能计算社区和相关领域中最新发表的研究有这些：
使用深度强化学习计划HPC批处理作业
高效的作业调度可以显着提高HPC系统的效率。由北卡罗来纳大学夏洛特分校和爱荷华州立大学的一个团队撰写的这篇论文介绍了“ RLScheduler”，它使用深度强化学习来安排HPC环境中的独立批处理作业。作者写道：“ RLScheduler能够自主学习如何针对给定的优化目标有效地计划HPC批处理作业。”作者描述了他们的结果，这表明RLScheduler优于现有的启发式计划算法。
作者： 狄Di，董岱，何有标和阿甘升报。
使用HPC在行星级别观察人类动力学
大规模的人类住区绘图可用于研究其他任何动物物种一样的人口。来自橡树岭国家实验室的一组作者使用基于卷积神经网络的深度学习实验探索了人类住区的形态。他们证明了计算可以扩展到某些最大的HPC架构，从而产生空前的速度和空间分辨率。
作者： Budhu Bhaduri，Dalton D. Lunga，Lexie Yang，Jacob Mckee，Melanie Laverdiere，Kuldeep R. Kurte和Jibonananda Sanyal。
在天体物理学中在Arm平台上应用低功率HPC
功耗越来越成为高性能计算的主要关注点。本文由意大利国家天体物理学研究所的一个团队撰写，作者在实际的天体物理学应用中评估了Arm平台（同时使用CPU和GPU）的能耗，目的是进一步在低功耗HPC应用中进行研究。天体物理学。他们详细介绍了平台可用于这些目的的程度，并强调了模拟双精度的实用性。
作者：朱利亚诺·塔夫尼（Giuliano Taffoni），萨拉·贝托科（Sara Bertocco），伊戈尔·科雷蒂（Igor Coretti），大卫·戈兹（David Goz），安东尼奥·拉格宁（Antonio Ragagnin）和卢卡·托纳托（Luca Tornatore）。
在HPC系统上模拟科学应用程序的性能
科学应用程序通常包含复杂的任务，当它们在HPC系统上执行时，可能会导致负载不平衡。本文由巴塞尔大学，德国航空航天中心和密西西比州立大学的研究人员撰写，讨论了动态循环自调度（DLS）技术，该技术可以提高性能。他们采用了一种新的仿真方法来选择合适的DLS技术，表明仿真可以现实地预测DLS技术在不同应用程序和系统中的性能。
作者：阿里·穆罕默德（Ali Mohammed），艾哈迈德·埃利米（Ahmed Eleliemy），弗洛里纳·M·乔尔巴（Florina M. Ciorba），弗朗西斯卡·卡西尔克（Franziska Kasielke）和伊奥娜·班尼切斯库（Ioana Banicescu）。
在量子计算中检查密码学
随着量子计算打破许多现有的加密方法，人们正在寻找一种新的加密方法。在这项研究中，佩斯大学的一个团队通过分析IBM Cloud Server上的测试结果，探索了有关量子加密的少数实验之一。作者还研究了量子公共密钥加密和量子密钥分发的可能应用。
作者：潘·蔡（Pam Choy），达斯汀·凯特（Dustin Cates），弗洛伦特·奇旺（Florent Chehwan），辛迪·罗德里格斯（Cindy Rodriguez），艾利·里德（Avery Leider）和查尔斯·C·塔珀特（Charles C.
使用多尺度模拟来了解核反应堆中的辐射损伤
核反应堆会随着时间的流逝损坏其结构材料，最终导致故障。本文中，来自北京科技大学和中国原子能研究所的团队讨论了HPC如何提供帮助。通过使用HPC进行多尺度模拟，研究人员可以看到辐照反应堆材料的微观结构演变，从而使工厂运营商可以更轻松地维护核反应堆。
作者：陈丹丹，何新富，储根深，何小，贾丽霞，王兆顺，杨翁和胡长军。
使用基于算法的容错进行并行模板计算
现代HPC系统容易出现软错误，有时会导致静默数据损坏（SDC）。在本文中，作者是AurélienCavelan和Florina M. Ciorba，作者讨论了在并行HPC系统上执行时，如何保护一类计算内核（模具）免受SDC的攻击。“主要的贡献是新颖的校验和插值方法，” Cavelan写给HPCwire。“这允许[us]在执行基于模板的任意应用程序期间检测并纠正错误（位翻转）。”
作者： AurélienCavelan和Florina M. Ciorba。
声明： 此文观点不代表本站立场；转载须要保留原文链接；版权疑问请联系我们。
