导读

周报内容均源自海内外主流媒体报道、高校官网等公开信息梳理、相关领域优质KOL原创深度，主要包括超算快讯、前沿应用、学术研究等。

本期超算&AI应用周报共4180字，预计阅读时间15分钟，您可以重点专注以下内容。

• 超算AI快讯：

AI模型：超算互联网上线谷歌时间序列预测模型TimesFM、智谱CogVLM2、ChatGLM3-6B、Phi-3-medium-128k-instruct、Mistral-7B-Instruct-v0.3

HPC软件：Raspa2 v2.0.48版本、Nektar ++v5.5.0版本上线超算互联网

• 前沿应用：儿童节福利！上超算互联网免费创作AI卡通图；LCM迎来强力对手！PCM SD加速模型重塑图像生成速度与质量

• 学术研究：南京大学团队AlignGPT模型实现多模态语言处理；论文速递|基于栅格的地理空间细胞自动机模型混合体系结构的并行框架

  
  

一、超算AI快讯：

超算互联网上线谷歌时间序列预测模型TimesFM，零样本时间序列预测新突破

本周，超算互联网上线Google 时间序列预测模型TimesFM（Time Series Foundation Model）。这项技术能够利用大量历史数据来学习事件的模式和趋势，进而对新的、未见过的数据做出准确的预测。时间序列预测在天气预报、能源需求预测、金融市场分析、工业监控、疾病发展预测等多个领域都极为重要，能够帮助人们做出更明智的决策。

TimesFM模型特点包括：

• 高效预测：TimesFM能够处理长上下文序列，适应不同预测期限。

• 灵活性：对于非连续或不同频率的数据，模型可以自动处理。

• 广泛适用：无论高频短周期还是低频长周期数据，都能进行有效预测。

• 预训练模型：使用预先训练好的模型，大大降低了应用门槛。

• API友好：支持数组和DataFrame输入，便于集成到现有工作流程中。

超算互联网上线智谱开源模型CogVLM2、ChatGLM3-6B

近日，智谱开源了新一代多模态大模型CogVLM2 系列模型，CogVLM2在多个基准测试中取得了 SOTA 性能，性能接近或超过了 GPT-4V。CogVLM2 具有广泛的应用场景，包括图像理解与生成、OCR、图表理解、跨学科推理等复杂任务。

超算互联网现已上线CogVLM2模型的两个版本：CogVLM2-llama3-chat-19B、CogVLM2-llama3-chinese-chat-19B，支持一键启用，免费商用，模型亮点包括：

• 深度融合： 视觉专家模块深度融合于语言模型中，实现视觉与语言的深度交互，提升多模态理解能力。

• 高效推理： 尽管总参数量为 190 亿，但实际推理时仅激活约 120 亿参数，提高了推理效率。

• 高分辨率支持： 支持高达 1344 分辨率的图像输入，提升了对高分辨率图像的处理能力。

• 中英文双语支持： 提供支持中英文双语的开源模型版本，扩展了模型的应用范围。

  
  

此外，智谱AI和清华大学 KEG 实验室联合发布的对话预训练模型ChatGLM3-6B已在超算互联网上线。目前，ChatGLM3-6B对学术研究完全开放，在完成企业登记获得授权后，允许免费商业使用。

Phi-3-medium-128k-instruct上线超算互联网，打造高效指令执行引擎

刚刚在微软 Build 开发者大会上亮相的Phi-3-medium-128k-instruct现已上线超算互联网。

Phi-3-medium-128k-instruct是Phi-3系列中的一个特定版本，拥有140亿的参数量，并在多个基准测试中表现优异，性能超过了Gemini 1.0 Pro，Mistral-8x22B等模型，已成为目前消费级硬件上可用的绝佳的模型。

模型亮点包括：

• 性能特点：它在处理指令任务时展现出高效和准确性，能够生成高质量的文本输出，同时保持对上下文的敏感性，确保响应与之前的对话或输入内容连贯一致。相比未优化的基线模型，它在指令执行的准确性、反应速度和用户满意度上都有显著提升。

• 指令优化：该模型经过专门训练，能够更好地理解和执行用户的直接指令或请求。这种“instruct”变体通常会利用更多的指令导向数据进行微调，以提高其在遵循用户指令、提供准确且有用信息方面的能力。

• 应用场景广泛：Phi-3-medium-128k-instruct适用于广泛的场景，包括但不限于编程辅助（如代码自动补全、代码解释）、创意写作、学术研究、客户服务自动化、以及任何需要高度交互式和指令驱动的AI应用。

超算互联网上线文本生成模型Mistral-7B-Instruct-v0.3

本周，Mistral-7B-Instruct-v0.3上线超算互联网平台，Mistral-7B-Instruct-v0.3是Mistral-7B模型的高级版本，它采用分组查询注意（GQA）更快的推理和滑动窗口注意（SWA）以有效地处理长序列，并专门针对基于防御的任务进行了微调。

模型亮点在于：

• 强大的泛化能力：该模型经过精心设计和微调，能够在多种任务上展现优异的性能，从文本生成到指令执行，包括但不限于问答、对话、总结、创作等。

• 原生函数调用功能：允许模型在生成文本时直接调用外部函数，增加了模型的实用性和灵活性。

• 指令优化："Instruct"变体专门针对指令型任务进行了优化，使得模型更擅长理解和执行用户的具体指令，提升了交互性和实用性。

• 易于部署与使用：Mistral-7B-Instruct模型提供了便捷的部署方式，可通过Ollama等工具仅需几个命令行就能在本地运行。

Raspa2 v2.0.48版本上线超算互联网

RASPA是一个通用的经典模拟软件包，被广泛应用于化学、材料和能源等领域的研究和开发。它提供了一套强大的工具和算法，用于模拟和分析纳米孔材料中的吸附、扩散、相平衡等过程。

Raspa2 v2.0.48版本目前已上线超算互联网，该代码采用了分子动力学和蒙特卡洛的最新算法，包括折射/测量保留积分、埃瓦尔德求和、配置偏置蒙特卡洛、连续分数成分蒙特卡洛、反应蒙特卡洛和贝克最小化。

RASPA 的应用内容：包括计算共存特性、单一和多种成分的吸附等温线、自扩散和集体扩散、反应系统和可视化。

Nektar ++v5.5.0版本上线超算互联网

Nektar++是一个用于求解偏微分方程的开源软件框架。它基于谱/高阶元素方法，提供了一套强大的工具和库，用于开发高性能、可扩展的PDEs求解器。

Nektar ++v5.5.0版本目前已上线超算互联网，主要更新内容包括：

• 对Parareal和PFASST驱动程序的重新设计并添加滑动网格功能。

• 对ADRSolver 添加了对空间恒定但方向可变扩散的支持并内联 Vmath 库。

• IncNavierStokesSolver添加了新功能：在动态参考系中添加弹性支撑物体，并修复了错误。

• CompressibleFlowSolver添加了三个亚声速入流边界条件：EnforceEntropyPresure, EnforceEntropyVelocity, and EnforceEntropyTotalEnthalpy。

二、前沿应用：

儿童节福利！上超算互联网免费创作AI卡通图

为让更多大、小朋友能轻松创作新颖有趣、独一无二的表情包、童话绘本，从6月1日起国家超算互联网（SCNet）推出免费AI作图活动。所有平台注册用户，只需发动想象力输出简洁提示词，依托“文生图”AI模型就可快速输出创意图片，所有流程线上完成，无须本地部署，便捷高效。

本活动所用模型包括通义千问语言模型Qwen1.5-7B-Chat以及字节跳动文生图开源模型SDXL-lightning。用户只需四步就可开启AI作图之旅，详情的AI绘本制作教程可进一步参考“SDXL-lightning”商品页使用手册与视频教程。

LCM迎来强力对手！PCM SD加速模型重塑图像生成速度与质量

最近，一个新的SD加速模型——PCM面世，该模型成功解决了LCM模型存在的多项缺陷，并对AnimateLCM进行了改良，确保了动画直接生成的高质量。

其主要特点与优势在于：

• 增强的CFG规模接受度：PCM解决了LCM模型在处理CFG时的局限性，原先LCM仅能接受CFG值小于2的情况，而PCM能够接受更大的CFG值。这不仅扩展了模型的应用场景，还有可能增强了图像的动态范围，减少过度曝光问题。

• 推理步骤的一致性提升：PCM通过改进算法，确保了在不同推理步骤下模型输出结果的一致性和清晰度，即使在推理设置不理想的情况下也能生成高质量图像，避免了因步骤设置不当导致的图像模糊问题。

• 优化的分布一致性：针对LCM模型在低推理步骤下分布一致性不佳的问题，PCM通过优化损失函数和训练过程，显著提升了低推理设置下生成图像的质量，增强了图像的整体一致性和细节表现。

• AnimateLCM的优化集成：PCM特别优化了对AnimateLCM的支持，使得直接生成动画成为可能且质量可靠，极大减少了动画后期处理的需求，加速了动画制作流程，对于动画创作者来说是一个重大的便利。

• 整体质量和稳定性：PCM不仅提升了图像生成的速度，还确保了生成内容的稳定性和高质量，为图像和动画的生产设立了新的标准，预示着扩散模型领域的技术进步和创新潜力。

内容链接：http://www.keji100.net/news/202405/78296.html

三、学术研究：

南京大学团队AlignGPT模型实现多模态语言处理

近期，由南京大学的研究团队研发出一种新的多模态大型语言模型——AlignGPT。其主要特点在于预训练阶段对于图像-文本对的处理方法。

具体来说：

• 差异化对待图像-文本对：在预训练过程中，并非对所有图像-文本对采用统一的处理方式，而是有选择性或有侧重地进行训练。这意味着模型可能会更关注那些信息量大、语义关联性强或者具有特定代表性的图像-文本配对，以此来优化学习效果和提高模型的泛化能力。

• 多模态整合能力：作为多模态模型，AlignGPT能够理解并生成与图像相关的文本内容，以及根据文本生成或选择合适的图像描述，这种能力使得它在跨模态理解和生成任务上表现出色。

• 潜在的高级语义对齐：模型名称中的“Align”可能暗示了研究团队在努力实现图像和文本之间的高级语义对齐，确保模型不仅能够匹配基本的视觉特征和文字描述，还能捕捉到两者间深层的语义关系。

• 大规模预训练：尽管没有直接提及，但考虑到当前大型语言模型的训练趋势，AlignGPT很可能也是在大规模数据集上进行预训练的，这有助于模型学习到更广泛的语言模式和世界知识。

• 潜在的应用广泛性：鉴于其多模态特性，AlignGPT可应用于各种场景，如内容生成、视觉问答、图像标题生成、多媒体信息检索等。

论文链接：https://arxiv.org/abs/2405.14129

论文速递｜基于栅格的地理空间细胞自动机模型混合体系结构的并行框架

近日，中国地质大学(武汉)关庆锋教授团队在IJGIS发表题为《A parallel framework on hybrid architectures for raster-based geospatial cellular automata models》的论文，探讨了地理空间元胞自动机（Geo-CA）模型在土地利用模拟中的应用与挑战，特别是在处理大规模数据和复杂计算需求时的效率问题。Geo-CA模型通过模拟元胞状态变化来反映土地利用动态，对于理解人与自然环境的互动及指导可持续发展规划至关重要。然而，随着数据密度和计算复杂性的增加，传统Geo-CA模型面临计算效率低下等难题。

为应对这些挑战，研究引入了一种新的并行计算框架，旨在提升Geo-CA模型的计算效率和适用性。此框架通过以下几点创新实现：

• 开发了一个通用的并行策略，不仅适用于特定模型，还能广泛应用于含有土地利用变化模拟的Geo-CA模型；

• 设计了基于机器学习的并行规则挖掘模块，有效应对复杂转换规则的识别问题，尽管通常伴随较高的计算复杂度；

• 实现了受需求限制的土地利用变化并行模拟模块，能够在分布式异构系统上高效运行，同时克服了实时统计土地利用比例以符合需求约束的难题；

• 引入了回溯机制，确保模拟过程遵守土地利用需求的硬性限制。

图：包含混合并行计算模式的框架图

研究展示了该框架通过并行化处理两个先进的Geo-CA模型（PLUS和MCCA）的能力，验证了框架在提高模拟效率和灵活性方面的潜力，为未来大规模土地利用模拟提供了强有力的计算工具。

论文链接：https://www.tandfonline.com/doi/full/10.1080/13658816.2024.2343776

点击进入HPC&AI应用知识库