Die vorläufigen Ergebnisse für die ASC Student Supercomputer Challenge 2025 (ASC25) liegen vor! Nach einer strengen Bewertung der vorläufigen Ergebnisse von Studententeams, die 300 Universitäten weltweit repräsentieren, hat der ASC-Komitee 25 herausragende Teams ausgewählt. Zu den diesjährigen Finalisten gehören führende Institutionen wie die Zhejiang-Universität, die Peking-Universität, die Tsinghua-Universität, die Witwatersrand-Universität und die Friedrich-Alexander-Universität Erlangen-Nürnberg. Diese Teams werden ihre Supercomputing-Fähigkeiten unter Beweis stellen, während sie um die höchsten Auszeichnungen kämpfen, darunter es Champion, Silberpreis, Gruppenwettbewerbsaward, e-Preis und das höchste LINPACK umfasst. Die ASC25-Finale, die vom 10. bis 14. Mai 2025 an der Qinghai-Universität stattfindet, verspricht ein spannendes Schaufenster für Innovation, Teamarbeit und modernste Computertechnik zu werden, das die Grenzen der KI- und HPC-Integration neu definiert.
Unter den Finalisten stach die Zhejiang-Universität mit einer außergewöhnlichen Demonstration ihrer Supercomputing-Expertise hervor. Ihr Team bewies ein tiefes Verständnis für Hochleistungsrechnen durch präzise Leistungsengpassanalysen und innovative Optimierungsstrategien und erzielte bemerkenswerte Ergebnisse. Ihre herausragende Leistung bei allen Aufgaben sicherte ihnen den ersten Platz in der Vorrunde und bereitete den Weg für einen spannenden Showdown im Finale.
Zu den Top-Anwärtern gehören traditionelle Supercomputer-Hochburgen, darunter die Peking Universität Sieger der ASC24-Endrunde, die Sun Yat-sen Universität letztjähriger Vizemeister sowie die Tsinghua Universität die Shanghai Jiaotong Universität und die Friedrich-Alexander-Universität Erlangen-Nürnberg. Für zusätzliche Spannung sorgt die Tatsache, dass in diesem Jahr erstmals Finalisten dabei sind, darunter Teams der Nanjing Universität, der Pädagogische Universität Peking und der Witwatersrand-Universität. Ihr Debüt auf der ASC-Bühne bringt neue Energie in den Wettbewerb und verspricht einen dynamischen Kampf zwischen etablierten Anführern und aufstrebenden Herausforderern. Mit einer Mischung aus erfahrenen Champions und ehrgeizigen Newcomern wird das Finale der ASC25 eines der wettbewerbsintensivsten und unvorhersehbarsten aller Zeiten.
Bei den ASC25-Vorrunden wurden die Fähigkeiten der Studententeams mit zwei anspruchsvollen Herausforderungen getestet: Erkennung von RNA-Methylierungsmodifikationsstellen und Optimierung der AlphaFold3-Inferenz. Diese Aufgaben verdeutlichten die Integration von Hochleistungsrechnen (HPC) und künstlicher Intelligenz (KI) in bahnbrechende wissenschaftliche Forschung. Um diese Herausforderungen zu bewältigen, führten die Teams eine eingehende Untersuchung branchenführender Optimierungsalgorithmen durch und entwickelten innovative Lösungen, die auf ihre spezifischen Software- und Hardwareumgebungen zugeschnitten waren. Durch die Maximierung der Rechenleistung zeigten sie außergewöhnliche Lernfähigkeiten, praktische Problemlösungsfähigkeiten und Fachwissen in der Analyse von Supercomputing-Anwendungen, Leistungsoptimierung und parallelem Strategieentwurf.
Für die RNA-Aufgabe mussten die Teams den Nachweis von 5-Methylcytosin (m5 C)-Modifikationsstellen auf mRNA optimieren. Dies beinhaltete die Optimierung von Arbeitsschritten, die Konfiguration der Softwareumgebung und die effiziente Verarbeitung von drei Datensätzen mit etwa 340 Millionen Sequenzierungs-Reads. Das Ziel bestand darin, die Leistung des Workflows zu maximieren und gleichzeitig eine hohe Genauigkeit beizubehalten, indem die Teams dazu angehalten wurden, effiziente Berechnungsstrategien in der Bioinformatik zu entwickeln.
Die Zhejiang-Universität bewies bemerkenswertes technisches Fachwissen und innovatives Denken, indem sie eine Datenparallelitätsstrategie zur Rekonstruktion der Kernanwendung hisat-3n-table umsetzte und so eine 11-fache Leistungssteigerung erzielte. Sie haben auch ein Java-Programm in C++ neu geschrieben und dabei die Speichereffizienz und die E/A-Leistung verbessert, was zu einer 6,6-fachen Beschleunigung führte. Diese beiden wichtigen Optimierungen führten zu einer hervorragenden Gesamtleistung bei der Ausführung von Arbeitsabläufen. Die Witwatersrand-Universität konzentrierte sich auf die Parallelisierung der Workflow-Ausführung. Durch die Analyse von Schritten, die gleichzeitig ausgeführt werden könnten, nutzten sie einen Cluster-Scheduler, um drei Datensätze auf mehrere Rechenknoten zu verteilen, wodurch eine dreifache Beschleunigung im Vergleich zur sequenziellen Ausführung erreicht wurde. Darüber hinaus optimierten sie die E/A-Leistung, indem sie ihr Speichersystem aufrüsteten und RAM-Disks für temporäre Workflow-Dateien verwendeten, wodurch die Ausführungseffizienz erheblich verbessert wurde. Mit diesen Durchbrüchen haben beide Teams bei der Herausforderung zur Erkennung der RNA-Methylierung eine lobenswerte Leistung erbracht.
Die Aufgabe der Inferenzoptimierung von AlphaFold3 erforderte von den Teilnehmern, den Code zur Strukturvorhersage von AlphaFold3 zu optimieren, indem sie ihn von einer GPU-basierten Plattform auf ein CPU-basiertes System migrierten. Ihr Ziel war es, eine effiziente Inferenz für 12 vom Organisationskomitee festgelegte Proteinsequenzen zu implementieren, dabei eine hohe Vorhersagegenauigkeit beizubehalten und ihre Fähigkeit zu demonstrieren, die auf Deep Learning basierende Proteinstrukturvorhersage auf CPUs zu optimieren.
Unter den herausragenden Teilnehmern erzielte die Peking-Universität die beste Leistung bei der Aufgabe der CPU-Optimierung. Sie führten den ursprünglichen JAX AlphaFold3-Code erfolgreich auf der CPU aus und implementierten das Modell in PyTorch auf der Grundlage von xFold neu. Mit Pytorch optimierten sie die Inferenzleistung durch Operatorenverschmelzung, Optimierung der Datentypkonvertierung und AMX-Nutzung und erreichten so eine beeindruckende Steigerung der Inferenzgeschwindigkeit um das 14,5-Fache. Die Kasetsart-Universität hat sich auch mit den wichtigsten Herausforderungen bei der Effizienz des AlphaFold3-Codes befasst. Sie haben sich erstmals während des Entrauschungsprozesses mit einem NaN-Problem befasst, als sie AlphaFold3 auf der CPU ausführten, und die Anzahl der CPU-Kerne basierend auf der Sequenzlänge entsprechend gewählt. Anschließend optimierten sie die XLA-Compiler-Flags und verwendeten die FP32-Genauigkeit, wodurch die Inferenzzeit verkürzt wurde, während die Vorhersagegenauigkeit erhalten blieb. Mit diesen beeindruckenden Optimierungen haben beide Teams modernste Problemlösungs- und Recheneffizienz unter Beweis gestellt.
Über ASC:
Die ASC Student Supercomputer Challenge dient als Plattform zur Förderung des Austauschs und der Entwicklung junger Talente im Bereich Supercomputing weltweit, mit Unterstützung von Experten und Institutionen aus Asien, Europa und Amerika. Der Wettbewerb zielt darauf ab, die Anwendungs- und F&E-Fähigkeiten im Bereich Supercomputing zu verbessern, seine technologische Antriebskraft zu nutzen und Innovationen in Wissenschaft, Technologie und Industrie zu fördern. Seit seiner Einführung im Jahr 2012 hat der ASC Zehntausende von Universitätsstudenten aus sechs Kontinenten angezogen und seinen Status als weltweit größter Supercomputing-Wettbewerb auf Universitätsebene gefestigt. Um mehr über dieses wirkungsvolle Unterfangen zu erfahren, besuchen Sie die Website http://www.asc-events.net/StudentChallenge/index.html
Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.
Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20250318858069/de/
Contacts:
Medienkontakt
media@asc-events.org
