本日我们就来看看同学们在ASC如何用超算优化AI运用，取得令人惊叹的效果。

01

ASC20-21 人工智能“考”四六级

ASC20-21设置了AI措辞模型赛题，决赛现场公布BERT格式的预演习模型尺寸和英语阅读理解考试数据集，参赛队须要基于该预演习模型和数据集现场进行模型“精调”演习，在尽可能短的韶光内取得更高的“分数”。
BERT是当前最热门、运用最广泛的自然措辞处理（NLP）模型之一，其参数量高达几亿。
这次利用的数据集涵盖了多层次的英语措辞考试，这道赛题利用面向人的任务来评估神经网络的性能，非常具备寻衅性。

在现场决赛中，山西大学优化演习数据预处理，合理设计了分布式并行演习策略，均衡考虑演习速率和模型精度，取得了这一赛题的最高得分。
其余，福州大学取得了最高精度，南方科技大学在最短的韶光完成了模型演习。
线上军队中，***清华大学以绝对上风在这一任务取得了最高成绩。

02

ASC19 图像超分辨率

ASC19人工智能赛题是图像超分辨率（Super Resolution，简称SR）。
SR是近几十年来广受关注的一项视觉打算技能，其目标是将低分辨率图像规复或重修为高分辨率图像，广泛运用于卫星和航天图像剖析、医疗图像处理、压缩图像/***增强及其他运用领域。

比赛哀求参赛队员基于PyTorch框架设计和优化算法，将低分辨率图像进行4倍分辨率还原。
总决赛中，参赛队员须要对300张分辨率为24x28的低清图像进行重构，并且要担保还原后的图像与原图比较不能失落真过大，这些低清图像仅包含55%旁边的特色信息，比理论上担保图像识别准确性的分辨率还低。
ASC19把特色相似性IS（identity similarity）作为重构效果的唯一评价指标（取值范围为0到1，1表示完美复原）。

20个进入决赛的军队中，提交的模型在验证集上最高的超清重构IS值来自北京航空航天算夜学团队，有7支军队的成绩在0.85以上，半数以上的军队都能取得0.8以上的重构图像相似度。
北京航空航天算夜学利用集成学习的方法，把图片分成了不同的类型如儿童、戴眼镜的、戴帽子的等，然后分别演习相应的模型参数来进行超分辨率重构，终极IS值高达0.9，取得了本次竞赛最佳的重构效果。

03

ASC18 机器阅读理解

ASC18人工智能赛题为来自微软供应的自然措辞阅读理解中的搜索提问回答预测（Answer Prediction for Search Query）。
让机器具备自然措辞的阅读理解与问答能力，是当古人工智能的核心难题之一，也是微软、CMU、斯坦福大学等机构的顶级人工智能专家、学者正在从事的尖端科研项目。

这道赛题哀求参赛队利用自己搭建的超算系统利用CNTK深度学习框架，独立开拓机器阅读理解和问答的算法模型，利用最新超算技能结合MS MARCO数据集进行演习，终极实现让机器准确地回答问题。

首次入围总决赛的上海科技大学展现出令评审专家为之惊叹的AI模型设计与优化能力，在数据、算法和演习方法上都实现了相称有效的改进。
终极，上海科技大学代表队构建了前辈的异构加速超算系统，在8个小时内完成10万样本级别的大规模数据集的并行模型演习，并实现46.46的高预测精度，靠近当现代界上最前辈的算法能达到的水平。

此外，总冠军得主清华大学和得到最高打算性能奖的***清华大学也在该赛题上表现出色，预测精度值均超过40。
个中，清华大学在演习和数据处理上，性能比较基准代码实现了3-30倍的提升。

04

ASC17 人工智能交通预测

ASC17总决赛哀求各军队在3000瓦功耗下搭建系统集群，利用百度PaddlePaddle框架开拓深度学习神经网络算法，预测多达300+道路在某规定韶光的早高峰路况，而所有事情需在5天韶光内完成。
百度供应真实的交通数据，参赛队员利用真实交通数据、通过PaddlePaddle设计构建模型。

Model of information extraction based on LSTM

得到亚军的北京航空航天算夜学代表队在这道赛题表现出色，团队设计了精良的深度神经网络模型，并构建超算对百度供应的历史交通大数据进行大规模演习后，对早高峰道路交通状况进行预测，准确度在所有参赛队中排名第一。
此外，清华大学、乌拉尔联邦大学以及喷鼻香港浸会大学等军队在这道赛题中也给出了出色的办理方案。

05

ASC16 智能语音

无论对参赛队还是深度学习利用方来说，ASC16的人工智能赛题都是一次“春江水暖鸭先知”的全新考试测验。
赛题为智能语音DNN运用，哀求参赛队进行该算法的MIC众核超算移植优化。
DNN是人工智能领域最主要的深度学习算法之一，而深度学习又是高性能打算最热门和最前沿的新兴运用领域。

总决赛中，华中科技大学代表队设计了非常出色的深度神经网络方案，在超级打算机上实现高度优化，对涉及英文、中文普通话、四川方言三个语种共约60万条语音数据实现了高准确度演习模型，并将打算性能最高提升108倍。

从2016年的语音识别DNN算法的众核优化，到2017年百度的智能驾驶交通预测，2018年微软的机器阅读理解，2019年图像超分辨率SR，再到2020-2021年自然措辞处理，这些赛题都涉及AI领域的最新框架、算法和技能难题。
通过ASC竞赛，参赛学生得以更加深入地理解HPC与AI如何更好地进行领悟，这不仅对他们未来的职业方案和发展带来深远影响，也将有助于缓解当前AI人才短缺的局势，为AI真正渗透莅临盆、生活以及社会各个方面奠定发展的根基。

目前，ASC22环球报名正在紧张进行中，所有高校可以通过大赛官网提交报名申请，参与到这项环球规模最大、竞争最激烈的超算赛事中。

ASC22将采取“初赛+决赛”的赛制，分为报名参赛、初赛与总决赛三个阶段。
报名阶段由各高校组织参赛军队报名，所有故意向参加的高校须要在2022年1月4日之前通过竞赛官网向组委会提交申请，每个高校可以有多个军队报名参加初赛但仅能有一支军队进入决赛，每支军队包括1名辅导老师和5名在校本科生；初赛阶段将在1月5日-3月4日之间举行，报名参赛的高校军队将针对组委会指定的初赛试题提交比赛方案。
经由评审委员会评比后，选出的良好军队进入到即将在4月到5月间举行的总决赛，竞赛包括冠亚军、最高打算性能奖、e Prize打算寻衅奖等在内的各项大奖。