【IT168 现场报道】ASC超算大赛是由中国发起的世界最大规模的大学生超算竞赛，至今已举办了6届，今年迎来了第七个年头。ASC17竞赛中，共有230支高校队伍报名，他们分别来自中国、美国、英国、德国、印度、俄罗斯、匈牙利、巴西、南非等15个国家和地区，经过近两个月激烈的初赛角逐，最终选出了20支队伍，本月24日至28日，齐聚中国无锡，在国家超级计算无锡中心展开总决赛的激烈角逐。组委会由亚洲超算协会、国家超算无锡中心、浪潮集团和郑州大学等单位联合主办。
众所周知，神威太湖之光作为全球最快的超算，峰值性能已达12.5亿亿次/秒。神威太湖之光全部采用中国国产处理器构建。而ASC17的比赛平台就将使用这个“超算之王”，总决赛期间，每支队伍最多可以使用64节点。
本次超算总决赛的赛题设置也颇为丰富，主要涉及超算系统设计、人工智能、基因测序等等。
决赛将要求各队在3000W功耗约束下利用组委会提供的浪潮超算节点等组件自行设计构建超级计算机，并运行人工智能交通预测PaddlePaddle、第三代基因测序组装Falcon、大规模分子模拟LAMMPS、基准测试HPL和HPCG等超算应用。今年的“e Prize计算挑战奖”赛题选定为在“神威太湖之光”上运行优化高分辨率海洋数值模拟MASNUM，该应用曾获得被誉为超算领域诺贝尔奖的“戈登贝尔奖”提名。
作为本次大赛的亮点，笔者对赛题中的AI交通预测颇为关注。
ASC17总决赛中，组委会将人工智能交通预测列为一大赛题，要求各参赛队在3000W功耗约束下利用组委会提供的超算节点等组件自行设计构建超级计算机，并运行深度学习平台对交通状况进行预测。
开源的深度学习框架有很多种，比较知名的如谷歌的TensorFlow、DMLC的MXNet，以及Torch、Caffe等等，而本次超算总决赛的AI交通预测的题目则选择了百度开发的PaddlePaddle。
PaddlePaddle是百度开发的一个成熟的深度学习框架，其前身是百度于2013年自主研发的深度学习平台 PADDLE(PArallel Distributed Deep LEarning，并行分布式深度学习)。
2016年9月，百度在Github及百度大脑平台上开源了PaddlePaddle的源代码。随后，在2017年3月，百度发布了PaddlePaddle的新版API。在这些新API的帮助下，实现相同功能的PaddlePaddle程序代码将大幅缩短。和其它人工智能系统一样，PaddlePaddle可以运行于大型的计算机程序中，也可以在多机并行的 GPU 训练平台运行。
那么，为什么要用PaddlePaddle预测交通呢？
其实，PaddlePaddle已被部署到百度的自动驾驶、智能数据中心、机器翻译、杀毒、黄反鉴别、过滤垃圾邮件和信息等30多项主要产品和服务之中。它有着极大的易用性、高效性、灵活性和扩展性等特点，具备高质量GPU代码，在解决实际问题方面有着明显的优势。利用深度学习平台PaddlePaddle进行建模来对交通状况进行精准预测，有助于车辆选择最合适的行驶路线。
对于本次ASC17而言，所有参赛队伍必须在浪潮英信服务器NF5280M4上搭建系统。浪潮提供以下组件，参赛队伍也可自费选择其他组件(服务器除外)。在决赛期间，各队伍机柜内设备必须全部开机，中途不得自行关机、重启或更改。
实际上，本次AI交通预测PaddlePaddle使用的服务器可谓是“冠军”服务器——NF5280M4是浪潮专为全新AI应用优化的2U双路机架高端产品，在ASC、SC、ISC等多项国际超算大赛中多次摘得桂冠宝座。
组委会将在决赛现场公布新的speeds.csv和graph.csv文件，speeds.csv文件中包含历史交通状况；graph.csv文件包含交通网络的连接信息，参赛队伍需利用PaddlePaddle对某段时间的交通状况进行预测。
深度学习已经在语音和图像识别等方面取得了显著的效果，目前已经能够实现“非监督地”从数据中学习，提取有效特征用来预测。而本次的比赛，无疑会推动AI在智能交通领域的进一步发展，在城市交通普遍拥堵的情况下，智能交通将使人们出行更为快捷，同时让城市交通管理变得更加智慧。
更重要的是，ASC超算竞赛中对人工智能的关注，不仅为学生搭建了深入了解、掌握最新人工智能算法等前沿科技的平台，还有助于锻炼学生动手解决问题的能力，帮助他们成为面向未来的复合型科技精英。目前中国AI人才储备不足，本次大赛关注AI领域，对于未来储备人工智能优秀人才具有很大的推动意义。
到底谁能问鼎总决赛冠军？让我们拭目以待！
IT168将对本次大赛进行全程报道，欲了解更多详情，敬请关注IT168直播专题：http://www.it168.com/redian/ASC17/
