计算机科学导论的高德纳测试教学法

针对计算思维在计算机科学导论课程中难以落地的问题,从高德纳(Donald Knuth)的大师观点出发,提出一种名为高德纳测试的知行合一教学法,并给出涉及数学概念、算法程序、硬件、创造性表达的实例,以说明高德纳测试适用于逻辑思维、算法思维、系统思维、网络思维等计算思维知识点的教学。

高校计算机专业实验室建设的探索与实践

在新时代背景下,深度学习技术在各个领域的应用愈发广泛,特别是近期ChatGPT等大语言模型技术的涌现,将极大推动相关产业的发展与变革,也势必对高校计算机专业实验类教学以及实验室环境建设提出更高要求。然而,传统的实验室受限于设备和管理等方面的限制,难以适应当下的教学与科研需求。因此,本文提出一种高校实验室建设方案,并以中国科学院大学计算机学院计算机专业人工智能实验室建设为实例,列举关键思路与做法,旨在建设教学与科研相融合的开放性创新实验室。

产学研协同的人工智能课程教学改革——以中国科学院大学“深度学习”课程为例

近年来,深度学习成为人工智能领域的重大突破技术并迅速发展,其应用广泛且富有成效,被国内高校计算机学院普遍纳入专业课程。为解决该类课程教学面临的课程理论体系不完善、实验开展难度高、技术点繁多且知识迭代迅速等难点,根据产学研协同的理念进行了课程改革。融合企业实际案例、人工智能基础计算资源和科技前沿进展,实施了引入经典学术案例,以例示理;追踪科技前沿,以研促学;借助产业平台,学用结合;搭建学术共同体,可持续互动的课程教学实践,有效提升了课程的教学效果和应用型卓越工程人才的培养水平。

基于CRIU的高性能计算容器检查点技术研究

容错一直是高性能计算领域的热点和难点问题。检查点是解决容错问题的一种常用技术手段,它能够将运行进程的状态转储成文件并恢复。容器具有较强的资源隔离能力,可以为检查点技术提供更理想的运行环境与载体,避免迁移后任务在节点变更的情况下由于环境与资源变化而出现异常。因此,容器和检查点相结合能够更好地支撑任务迁移的研究与实现。文中围绕基于CRIU(Checkpoint/Restore In Userspace)的Singularity容器检查点方案的设计和优化展开,根据检查点技术在高性能计算容器应用中的特点,在CRIU安全使用、迁移性能优化、保持网络状态方面给出了有效的解决方案,基于这些方案拓展了Singularity容器检查点功能,并且实现了原型工具Migrator来验证容器迁移性能。期望本工作能为后续实现高性能计算任务迁移提供有效的支撑。

高性能计算检查点技术发展与应用综述

随着高性能计算系统的规模不断扩大,复杂度不断提升,应用的容错能力成为E级计算面临的重要挑战之一。检查点技术是实现应用程序的容错能力的主要手段之一,通过定期保存应用的执行状态来实现故障恢复。文中针对高性能计算检查点技术的发展和应用情况展开综述。首先,整理了高性能计算领域中检查点技术的发展;其次,根据运行层次的不同,分别阐述了系统层检查点和应用层检查点的工作,包括主流的工具软件、可用的检查点技术、使用的应用场景等;然后,讨论了检查点技术在并行计算的容错与弹性、HPC的调度与迁移、FPGA的调试、深度学习中的容错与忠实重放这4个方面的应用;最后,对检查点技术在高性能计算领域的下一步研究方向进行了展望。

计算机视觉中的终身学习综述

终身学习(LLL)作为一种新兴方法打破了传统机器学习的局限性,并赋予了模型能够像人类一样在学习过程中不断积累、优化并转移知识的能力。近年来,随着深度学习的广泛应用,越来越多的研究致力于解决深度神经网络中出现的灾难性遗忘问题和摆脱稳定性-可塑性困境,并将LLL方法应用于各种各样的实际场景中,以推进人工智能由弱向强的发展。针对计算机视觉领域,首先,在图像分类任务中将LLL方法归纳为四大类型:基于数据驱动的方法、基于优化过程的方法、基于网络结构的方法和基于知识组合的方法;然后,介绍了LLL方法在其他视觉任务中的典型应用和相关评估指标;最后,针对现阶段LLL方法的不足之处进行讨论并提出了LLL方法未来发展的方向。

面向高性能计算系统的容器技术综述

容器技术在云计算行业已得到普遍使用,主要用于服务软件环境的快速移植和自动化部署。随着高性能计算、大数据、人工智能技术的深度融合,高性能计算系统的应用软件依赖和配置日益复杂,超算中心对用户自定义软件栈的需求越来越强烈。因此,容器技术在高性能计算系统的应用环境下也发展出多种实现软件,以满足用户自定义软件栈等实际需求。文中总结了容器技术的发展历史,阐述了容器在Linux平台的技术原理,分析并评价了于适用高性能计算系统的容器实现软件,最后展望未来面向高性能计算系统的容器技术研究方向。

一种用于中国空间站增强现实维护应用的自动跟踪框架

跟踪注册是增强现实(Augmented reality,AR)中一项至关重要的技术。基于人工标识和基于图像的注册方法已广泛应用于增强装配系统中。然而,由于空间产品的弱纹理、结构对称、数据有限以及难以张贴标识等特点,空间站的跟踪注册仍面临挑战。本文提出了一种专门为中国空间站诱导维修应用设计的三维物体跟踪方法,旨在用AR技术取代传统的纸质手册,为宇航员提供更直观的操作指导。本文提出了一种无标记的中国空间站智能维护方法。采用点对特征方法来估计初始帧姿态,不需要手动调整来获得相应的姿态,这对宇航员来说至关重要,因为在微重力环境中精确运动是一项重大挑战,而且结合曲率信息可以提高采用点对特征方法估计初始帧姿态的效率。通过结合纹理和区域信息,消除了对宇航员位置的精确限制,进一步增强了空间对称产品的跟踪鲁棒性。该方法利用点云匹配来估计第一帧的初始姿态,并在失去跟踪后重新计算姿态。一旦获得了前一帧的姿态,则仅根据二维图像的区域和纹理信息来计算跟踪,以获得实时跟踪。实验结果表明:本文方法与基于标识的方法具有相同的姿态趋势;基于电子游标卡尺测量之间的误差在毫米级;使用专门为航天产品设计的专用工具成功更换过滤器,证明了在空间站上实施诱导维修程序的实用性和潜力。

基于Hadoop技术的加速器大数据安全存储与高效分析系统设计

为了解决当前加速器控制系统在数据管理方面所面临的海量数据安全存储和高效分析处理的问题,在现有的基础上引入了Hadoop大数据框架,并结合大数据其他相关组件,构建一个分布式数据仓库系统。文章详细阐述了数据仓库的搭建过程,包括软硬件架构以及将数据从现有数据库抽取、转换和加载到数据仓库的方案。特别是针对系统归档数据的存储和分析需求,根据实际应用场景设计一个基于HBase的存储解决方案。在系统部署完成后,进行了吞吐量测试,并与当前使用的传统数据库进行性能对比。测试结果显示,基于Hadoop的数据仓库系统在海量数据存储、高性能查询以及数据分析处理方面都表现出明显的优势。这一改进为加速器控制系统提供了更强大的数据管理和处理能力,有望为加速器在未来的发展提供更多可能性。

时序数据库关键技术综述

随着工业物联网(industrial Internet of things,IIoT)的不断发展,越来越多的设备和传感器开始连接到网络中,产生了大量的时间序列数据(简称“时序数据”),时序数据爆炸式的增长给数据库管理系统带来了新的挑战:持续高吞吐量数据摄取、低延迟多维度数据查询、高性能时间序列索引以及低成本数据存储.近年来时序数据库技术已经成为一个研究热点,一些学者对时序数据库技术进行了深入的研究,同时出现了一些专门用于管理时序数据的时序数据库,并且已经被应用在多个领域,成为工业物联网中不可缺少的关键组成.现有的时序数据库相关综述侧重于时序数据库的功能和性能比较,以及在特定领域中对时序数据库的选择建议,缺少对时序数据库持久化存储、查询、计算和索引等关键技术的研究,同时这些综述工作出现的时间较早,缺少对现代时序数据库关键技术的研究.对学术界时序数据存储研究和工业界时序数据库进行了全面的调查和研究,凝练了时序数据库的4类关键技术:1)时间序列索引优化技术;2)内存数据组织技术;3)高吞吐量数据摄取和低延迟数据查询技术;4)海量历史数据低成本存储技术.同时分析总结了时序数据库评测基准.最后,展望了时序数据库关键技术在未来的发展方向.

基于区块链技术的《科学数据管理办法》落实路径探析

[目的/意义]探讨区块链技术在《科学数据管理办法》落实过程中的实践应用,对于拓展区块链的应用场景和推动《科学数据管理办法》有效落实具有重要意义。[方法/过程]首先分析了《科学数据管理办法》的落实困境,然后结合区块链的核心技术分析了区块链与《科学数据管理办法》的耦合性,最后提出了基于区块链技术的《科学数据管理办法》落实路径。[结果/结论]研究发现,《科学数据管理办法》的落实困境主要表现在数据管理规划制定、数据汇交与保存、数据共享与利用、数据保密与安全、数据管理绩效考评等方面,可以基于区块链技术打造科学数据管理生态体系、构建科学数据管理联盟链、管控科学数据全生命周期并引入相应激励机制。

开放科学云联邦:产生背景、应用架构及关键技术

云联邦是云服务在新科研范式下的发展方向之一,其核心特征包括云际交互、跨越平台、动态可变、负载扩展、分布共治等,探索开放科学背景下云联邦的发展需求和架构技术对于拓展云服务边界具有重要意义。本文对开放科学云联邦(OSCF)的产生背景、应用架构和关键技术进行了综述。首先分析了开放科学背景下科研基础设施在资源状态、资源供给、资源处理、资源关系、操作方式等方面面临的新需求;其次梳理了开放科学云和云联邦的发展历程,明确了开放科学云联邦发展的必然性;然后归纳了开放科学云联邦的应用场景、应用特点,并提出了逻辑架构;最后从身份认证、节点信任、资源迁移、资源匹配、资源优化5个方面介绍了开放科学云联邦涉及的若干关键技术。

一种模拟绝热量子计算的适应度地形探索算法

将优化问题抽象成目标函数后,目标函数和启发式优化算法的匹配程度决定了优化求解的效率.为反映目标函数的优化特征并指导优化算法及其参数的选择,本文模拟绝热量子计算中的多基态演化,提出了一种适应度地形探索算法.根据基态波函数倾向于向势能较小处收敛且收敛程度受量子效应强度影响的特性,用目标函数编码势能场后算法引入了一个量子效应递减的多基态演化过程,用其持续收敛的基态波函数簇反映目标函数的适应度地形.根据量子路径积分,算法由尺度递减的扩散蒙特卡罗(diffusion Monte Carlo,DMC)实现.实验表明算法综合直观地反映了适应度地形的众多特征,所得信息能直接指导后续优化,其计算模式和启发式优化相似,无需引入其他计算,这为适应度地形研究引入了新的视角.

基于差分隐私的联邦大模型微调技术

随着私有数据可用性的降低,基于联邦学习的大模型参数微调成为备受关注的研究领域.尽管联邦学习本身具有一定程度的隐私保护能力,但其中的梯度泄露攻击和针对大模型的嵌入反转攻击等隐私安全问题仍然威胁着参与者的敏感信息.在当前对隐私保护意识不断增强的背景下,这些潜在的隐私风险显著阻碍了基于联邦学习的大模型参数微调在实际应用中的推广.因此,提出一种联邦大模型嵌入差分隐私控制算法,通过全局和本地双重隐私控制机制,在高效参数微调过程中为大模型的嵌入模型添加可控的随机噪声,以增强基于联邦学习的大模型参数微调的隐私保护能力.此外,通过对不同联邦设置的实验比较,展示了该算法在大模型参数微调中的隐私保护效果,并通过中心化和联邦化的性能比较实验验证了该算法的可行性.

肺结节图像的计算机自动检测研究进展

肺结节的早期筛查对肺癌的预防和治疗具有重要的意义。采用计算机断层扫描(CT)可以提高肺癌早期筛查中肺结节的检出率,是目前最为安全有效的肺癌筛查方式之一。随着CT数据日益增长,使用计算机辅助诊断(CAD)系统可以极大减少放射科医生的工作量以及降低漏检率。结合近年来肺结节检测的相关文献,对该领域的研究进展进行了综述。首先介绍了目前广泛应用的胸部CT数据集以及肺结节检测相关的评价指标。然后介绍并分析了肺结节检测框架中一些有效的方法,包括肺实质分割、候选结节检测以及假阳性剔除。最后,讨论了该领域存在的挑战以及未来发展的方向,为今后该领域的研究人员提供参考。

基于Flink的空间科学卫星数据实时处理方法

为满足地面数据处理系统高吞吐率、低延迟地处理空间科学卫星下行数据的需求,提出一种基于流式计算的空间科学卫星下行数据实时处理方法。方法借助消息中间件Kafka的分区实现数据分流,分流后的数据依次流入Flink集群中的并行单元实现并行处理。使用GECAM空间科学卫星下行数据进行仿真,结果表明,上述方法具有较高的吞吐率和较低的延迟,并且可以通过扩展服务器数量实现更高吞吐率和更低延迟,满足空间科学卫星下行数据的高速实时处理需求。

基于GAN反演的无缝图像补全技术

图像补全技术广泛应用于对象消除、媒体编辑,旨在平滑地恢复受损图像。基于生成对抗网络(GAN)反演将预训练的GAN模型作为有效先验,以真实的合成材质填充缺失区域。然而,现有GAN反演方法忽视了图像补全是具有硬约束的生成任务,使拼接图像有颜色、语义的不连续问题。针对此问题设计新的双向感知生成器和预调制网络来无缝地补全图像,其中双向感知生成器充分利用扩展隐藏空间,帮助模型从数据表征层面感知输入图像的非缺失区域,预调制网络利用多尺度结构进一步为风格向量提供判别性更强的语义。在Places2和CelebA-HQ数据集上进行实验,结果表明该方法不仅搭建GAN反演和图像补全之间的桥梁,而且优于目前主流算法,在FID指标上降低49.2%。

基于超低延迟SSD的页交换机制关键技术

随着内存密集型应用的快速发展,应用对单机内存容量的需求日益增大.然而,受到颗粒密度的限制,内存容量的扩展度较低.页交换机制是进行内存扩展的经典技术,该机制通过将较少使用的内存页面暂存在存储设备,以达到扩展内存的目的.过去页交换机制由于慢速磁盘的读写速度限制,无法被广泛应用.近年来,得益于超低延迟固态硬盘(solid state drive,SSD)的快速发展,页交换机制可以利用其低延迟的读写特性,提升页交换效率.然而,在低I/O延迟的情况下,传统页交换机制的I/O栈存在巨大的软件开销.首先对使用超低延迟SSD的Linux页交换机制进行测试与分析,发现现有页交换机制的主要瓶颈在于发送请求时存在队头阻塞问题、I/O合并和调度开销,以及内核返回路径上的中断处理和直接内存回收开销.基于分析结果,提出基于超低延迟SSD的页交换机制Ultraswap.Ultraswap在Linux I/O栈的基础上增加对轮询请求的处理,并降低I/O合并与调度开销,实现轻量级的I/O栈.基于Ultraswap的I/O栈,对内核页交换机制的换入与换出路径进一步优化.通过优化对缺页、直接内存回收的处理,降低页交换机制关键路径上的时间开销.实验结果表明Ultraswap在应用测试场景下相比Linux页交换机制能够提升19%的平均性能;在可使用内存比例为20%的情况下,Ultraswap可达到33%的性能提升.

大数据技术前瞻

世界主要国家高度重视大数据发展,我国也将发展大数据作为国家战略,发展大数据技术具有重要意义。大数据技术涉及从采集、传输到管理、处理、分析、应用的全生命周期以及生命周期各阶段的数据治理。选取数据生命周期中的管理、处理和分析技术以及大数据治理技术来梳理国内外技术发展现状,特别是研判我国大数据技术发展与国际先进技术之间的差距。另外,在大数据应用需求的驱动下,计算技术体系正面临重构,从“以计算为中心”向“以数据为中心”转型,在新的计算技术体系下,一系列基础理论和核心技术问题亟待破解,新型大数据系统技术成为重要发展方向。在计算体系重构的背景下,提出大数据技术发展的四大技术挑战和十大发展趋势。

跨媒体智能关联分析与语义理解理论与技术研究进展

深入分析了跨媒体智能关联分析与语义理解理论技术的最新研究进展,包括多模态数据的统一表达、知识引导的数据融合、跨媒体关联分析、基于知识图谱的跨媒体表征技术以及面向多模态的智能应用.其中,多模态数据的统一表达是对跨媒体信息进行分析推理的先决条件,利用多模态信息间的语义一致性剔除冗余信息,通过跨模态相互转化来实现跨媒体信息统一表达,学习更全面的特征表示;跨媒体关联分析立足于图像语言、视频语言以及音视频语言的跨模态关联分析与理解技术,旨在弥合视觉、听觉以及语言之间的语义鸿沟,充分建立不同模态间的语义关联;基于知识图谱的跨媒体表征技术通过引入跨媒体的知识图谱,从跨媒体知识图谱构建、跨媒体知识图谱嵌入以及跨媒体知识推理3个方面展开研究,增强跨媒体数据表征的可靠性,并提升后续推理任务的分析效率和准确性;随着跨模态分析技术的快速发展,面向多模态的智能应用得到了更多的技术支撑,依据智能应用所需要的领域知识,选取了多模态视觉问答,多模式视频摘要、多模式视觉模式挖掘、多模式推荐、跨模态智能推理和跨模态医学图像预测等跨模态应用实例,梳理了其在多模态数据融合以及跨媒体分析推理方面的研究进展.