2021 CCF 全国高性能计算学术年会(CCF HPC China 2021)有哪些值得期待的地方？ 第1页

一年一度的全国高性能计算学术年会 (CCF HPC China 2021) 就要来了！作为 CCF 的付费会员，我的内心非常激动。一般计算机科研领域从业者应该对这个大会并不陌生。CCF HPC China 创办于 2005 年，是高性能计算（High Performance Computing，简称 HPC）领域全球最具影响力的三大盛会之一，与德国 ISC 超算盛会、美国 SC 超算盛会并驾齐驱。

看了一下这次合作单位有华为、英特尔、AMD、联想、亚马逊等各路科技大牛公司。可想而知，这个大会的阵容还是不可小觑的。要说这次大会有什么值得期待的亮点，当然是各路科技大牛带来的各种前沿科技和新的解决方案。但要说为啥 HPC 领域这么广受关注，我想说的是这个领域可能关系到一个国家的命运。

当今世界各个国家都在超级计算机领域你追我赶。不知道大家是否知道，其实早在二战时期，算力的提升就成了扭转整个战争格局的关键因素。这时不得不提的一个人就是图灵，他被誉为计算机科学与人工智能之父。当时整个欧洲笼罩在德国法西斯的阴影下。此时的德国平常是通过密报来发送指令，告诉前线军队去袭击某个城市，还有接下来的军事部署。如果能拦截并破译德国密报，掌握了对手的情报，那么英国就能提前做出准备。当时德国用的是恩尼格玛密码机加密文件。恩尼格玛密码机非常复杂，可以配置 158,962,555,217,826,360,000 种不同的方式。在当时看来这是一个根本不可能被破译的加密方式。图灵凭借着他的天才设想设计出一种破译机。这台机器主要由继电器构成，还用了 80 个电子管，由光电阅读器直接读入密码，每秒可读字符 2000 个，被称为“图灵炸弹 (Bombes)，它有一吨重，可以模拟 30 台并行运行的恩尼格玛密码机。世界上第一台电子可编程计算机 (The electronic programmable computer) 就这样诞生了，可以说这是最早 HPC 的雏形。通过利用“图灵炸弹”，英军在之后的战争里破获了德军 90% 的情报。据说正是这台电脑的发明使得二战提早了两年结束[1]。

随着时代的发展，一代又一代电脑的迭代，算力已经有了巨幅的提升。当然这期间基本上都是各个科技大牛之间的不断竞争。正是因为一代又一代的 CPU 的进步，让我从暴力摩托玩上了吃鸡。

21 世纪可以说是算力的世纪（施一公可能不同意）。随着算力的提升，除了给个体用户生活上带来更好的体验外，对其他商业、工业领域也是影响巨大，比如金融服务、科研等领域。下面我就和大家说说 HPC 潜在的巨大价值。

首先，就说说大家日常都关心的事情，赚钱。21 世纪做什么最赚钱呀？金融。金融领域里离咱们老百姓最近的就是炒股了，但炒股很难——难就难在心态，难就难在人性。人骨子里追涨杀跌的天性，最难克服。当然，你也可以反其道而行之，“别人贪婪我恐惧，别人恐惧我加仓”，但最后还是发现自己是个韭菜。

那要怎么克服人性的弱点呢？那就是用计算机来投资，用算法代替人来决策，即所谓的量化投资。量化投资这个名字很迷惑人，第一次听到的时候我还以为和量子力学有关，但其实说白了就是用计算机来炒股。

我来输出点干货，具体怎么做呢？今天介绍日间和日内两种策略。

• 日间策略：用一段时间的 K 线图 + 各种信息，预测后几天的涨跌。后天的真实涨跌我们是知道的，就可以用作标注数据，用机器学习模型挖掘过去时间内的特征。使用的时候呢，也是用模型把当前的日线图 + 各种信息作为输入模型，预测未来几天后的涨跌，如果预测结果为涨，那就可以买入，等过几天再预测要跌了，就卖出。
• 日内策略：根据每天开盘后的 10 分钟到 30 分钟的 K 线图，用模型把它加工成特征，然后检索 A 股上过去 10 年的相似 K 线图，再根据相似 K 线图后市的走势判断今天是涨还是跌，如果是涨就马上买入。

是不是感觉不难？用自己的小笔记本就可以尝试一下。但这里面有个门槛，那就是算力。对于日间策略，算力越强大，模型参数就可以越多，拟合能力就越强，就能挖掘出更好的特征。对于日内策略，算力越强大，检索速度和质量就越好，能找出更好的相似 K 线图。所以对专业机构，他们做量化炒股都是用超级计算机。听我的一个小伙伴说，他们国内顶尖量化团队，去年就用上超级计算机了，现在还在不断扩容，准备用算力征服 A 股市场，而他们超级计算机里的 CPU 选用的是第三代英特尔®至强® 可扩展处理器。一方面，至强® 处理器支持 AVX-512 技术，在矢量化计算方面优势巨大。另一方面，英特尔还能提供专门的底层优化，包括 MKL 通用矩阵计算优化、深度学习加速技术，及 oneAPI 工具套件，开发人员可以更加轻松地针对各自的 HPC 环境优化高性能金融代码[2]。

除此之外，HPC 也广泛应用在科研领域。比如基础科研，像化学、生命科学的研究，早已不是围绕瓶瓶罐罐的手工艺学。尖端的生化突破，往往要借力于高端的计算能力。基因组学方兴未艾，蛋白组学后来居上；代谢组学希望平分秋色，暴露组学也崭露头角。大数据，高算力，能够极大提高组学水平的生化问题研究能力，为人类健康问题的解决做出重大贡献。

算力的提升，还可以让科学家们更高效地积累、处理、应用大数据。以蛋白组学为例，现在的主流做法是服务器储存数据（如 protein data bank, PDB 等），然后用户下载数据，在单机上进行数据处理（主要是结合实验数据解析蛋白序列、后修饰、定量变化情况等）。这种方法效率不算高，且需要较多人力。与之相比，以英特尔-博德基因组数据工程中心为例，面向基因组学分析打造的英特尔® 精选解决方案将 GATK 4.0 整体运行性能提高了 5 倍，并缩短了基础设施的部署时间，加快了基因组学工作流程 [1]。高算力与大数据结合在一起，可以让大数据真的“插上翅膀飞起来”。数据工程中心的模式，改变了单打独斗模式的零散性，能够起到更好的集聚效应，赋能高效率的数据读存和科学计算。

该服务器平台存储了海量的蛋白结构数据。实际使用时，还是以下载序列，用单机平台运行的软件（如 PEAKS 等）来处理数据居多。真实的计算能力还是取决于单机的算力。实际算力提升空间依然很大。

再说说分子动力学模拟，它是现代基于结构的药物发现的重要手段之一。分子动力学模拟对算力可是有很大的胃口。从基础上来说，分子动力学模拟的时间步长一般为 ps 级别（10^-12 秒），一步计算约需要 1~10 秒的时间（取决于体系大小），可想而知要计算秒级别的宏观过程，大约需要 3 万年（所以现在科学家们一般不计算到秒级别，学术论文里一般算到 ns~us 量级）。值得注意的是，为了在现有算力条件下达到目前的计算时间尺度，在使用中，科学家们往往要做简化，例如忽略溶剂效应、忽略次级相互作用以及采用更小的蛋白区域 (protein domain) 等。这些简化是不得已而为之。算力的增加当然可以有望让这些妥协变得不再必须。面对这些极具挑战性的需求，英特尔® 至强® 铂金处理器，英特尔® HPC 网络协议规范等一揽子解决方案，可以作为一线担当来试试身手。随着算力的不断提高，总有一天，“AI-人工智能搭反应，MC-蒙特卡洛算过程，DL-深度学习析机理”将会实现。算力的提升，让我们有如下美梦：生化学家将脱下白大褂，点起鼠标喝着茶，指点分子江山，激扬原子文字，何其伟哉。

举一个文献例子 [3]，该文研究了抗体与新冠病毒蛋白的蛋白-蛋白相互作用。分子动力学模拟的时间尺度在 ~100ns。可以想象，算力的进一步提高，可以有望计算更长时间尺度的分子动力学过程，使得计算结果更加接近“真实”，能够进一步加速人类新药的研发，造福大众。

英特尔在HPC领域还有更多有趣的应用场景，感兴趣的可以戳下面的卡片：

在今年的 CCF HPC China 2021 大会上，期待各大公司和科研院校八仙过海，各显神通，拿出惊艳的产品和解决方案，已经激动地搓手手了～

Reference:

[1] https://en.wikipedia.org/wiki/Bombe

[2] https://www.intel.com/content/www/us/en/products/docs/select-solutions/select-solutions-for-genomics-analytics-brief-v2.html

[3] RSC Adv., 2021,11, 33438-33446；10.1039/D1RA04134G