搜索结果: 1-15 共查到“工学 GPU”相关记录93条 . 查询时间(0.078 秒)
2024壁仞科技“飞翔杯”GPU编程挑战赛圆满落幕（图）
壁仞科技 飞翔杯 GPU编程
2024/9/18
近日，由中国人工智能学会、上海市人工智能行业协会主办，壁仞科技、CAAI 教育工委会、浙江大学高等研究院、一蓦科技承办的2024壁仞科技“飞翔杯”GPU编程挑战赛圆满落幕。经过一个多月的激烈角逐，来自全国各地的编程高手和技术爱好者们展现了卓越的技术实力和创新精神，最终18支队伍脱颖而出，荣获一、二、三等奖和优秀奖。
全球冠军！东南大学集成电路学院杨军、张萌教授团队SEU AIC Lab在DAC系统设计竞赛GPU赛道获得全球第一！（图）
东南大学 杨军 张萌 SEU AIC Lab DAC 系统设计 GPU赛道
2024/7/9
第61届DAC（设计自动化大会，Design Automation Conference）于当地时间2024年6月23日至6月27日在美国旧金山举办，东南大学集成电路学院杨军、张萌教授的团队SEU AIC Lab继去年在该会议举办的系统设计竞赛GPU赛道（GPU Track）获得亚军后，更上一层楼，荣获冠军！
中国科学院地理科学与资源研究所专利：一种基于CPU+GPU架构的空间几何体线段相交判断并行处理方法。
中国科学院地理科学与资源研究所专利：基于CPU+GPU架构的多边形数据空间关系查询并行系统
中国科学院地理科学与资源研究所 专利 CPU+GPU架构 多边形 数据空间 关系查询 并行系统
2024/6/20
中国科学院地理科学与资源研究所专利：基于CPU+GPU架构的多边形数据空间关系查询并行系统。
2023年4月19日，河北工程大学建筑学院院长一行4人参观考察了文学国家级实验教学示范中心。文学国家级实验教学示范中心教师李晓娟向任洪国院长一行介绍了中心的基本建设情况，就GPU虚拟实验室的建设情况进行了详细介绍。双方表示以后在新文科实验教学、实验室建设和发展方面将进行深入交流与合作。
瀚博半导体亮相2022世界人工智能大会，发布全系列新品，并预览全新GPU
瀚博半导体 世界人工智能大会 GPU AI芯片
2022/9/28
近日，作为立足中国、服务全球的高端芯片设计公司，瀚博半导体参加2022世界人工智能大会，并同期举办“用‘芯’赋能 虚实无界——人工智能大芯片产业落地论坛”。会上，瀚博半导体创始人兼CEO钱军发布了瀚博统一计算架构、全新数据中心推理卡载天VA10、边缘AI推理加速卡载天VE1和瀚博软件平台VastStream扩展版，并预览了国产7nm云端GPU芯片SG100。
上海光源X射线成像线站的X射线动态显微计算机断层扫描（ComputedTomography，CT）的用户实验产生了海量投影数据，采用基于CPU串行计算的CT重构方法速度慢，将导致实验数据的大量积压。图形处理器（GraphicsProcessingUnit，GPU）因其多核架构、可大规模并行化的特点，在高性能计算领域得到广泛应用，将其用于CT重构，有望实现X射线动态显微CT的快速重构。采用CUDA编...
近日，浙江大学与沐曦集成电路（上海）有限公司联合建立的“浙江大学-沐曦集成电路GPU芯片设计及应用联合研究中心”正式成立。联合研究中心主任为浙江大学周昆教授，副主任为沐曦集成电路杨建博士和浙江大学丁勇教授。依托浙江大学CAD&CG国家重点实验室、浙江大学微纳电子学院强大的人才储备和国际一流的学术水平，联合中心将攻坚国产高性能GPU核心技术，打造本土化GPU供应链和完整的应用生态，为中国数字经济的发...
在重力归算中，局部地形改正在重力勘探、地壳结构分析和大地水准面计算等领域有着重要意义，但严格棱柱体积分公式计算效率低，而快速计算公式则会降低计算精度。本文利用CUDA并行编程平台，提出一种地形格网重新编码和严格棱柱体积分八分量拆解方法，实现了基于CPU+GPU异构并行技术的严格棱柱体积分计算地形改正快速并行算法，克服了GPU各个线程计算任务分配和线程计算超载问题，解决了局部地形改正的高分辨率、高精...
多视密集匹配并行传播GPU-PatchMatch算法
三维重建 多视密集匹 块匹配 并行计算
2020/3/3
针对多视密集匹配的效率较低的问题，提出了GPU-PatchMatch多视密集匹配算法。该算法使用GPU提高PatchMatch的计算效率；同时充分利用稀疏场景信息，对深度信息进行规则初始化；为提高传播效率，使用了金字塔红黑板并行传播深度信息。最后在DTU、Strecha和Vaihigen数据集上进行了试验，并与常用的多视密集匹配算法进行对比。试验结果表明，本文算法在重建效率上有较大提高，与CPU算...
特征线方法（MOC）在求解堆芯规模中子输运方程时面临计算时间长的问题，加速和并行算法是目前研究的热点。基于MOC在特征线和能群层面的并行特性，采用统一计算设备构架（CUDA）编程规范，实现了基于图形处理器（GPU）的并行二维MOC算法。测试了菱形差分和步特征线法分别在双精度、混合精度及单精度浮点运算下的计算精度、效率及GPU加速效果。采用性能分析工具对GPU程序性能进行了分析，识别了程序性能瓶颈。...
CPU-GPU异构系统为加速全堆芯特征线方法（MOC）精细计算提供了方法和思路。在实现基于CPU-GPU异构系统的二维MOC异构并行算法基础上，提出了性能分析模型，识别了影响异构并行算法并行效率的主要因素；针对识别到的性能影响因素，实现了输运计算与数据传递相互掩盖，提升了异构并行算法的整体并行效率。数值结果表明：程序具备良好的计算精度；数据传递（MPI通信和CPU与GPU之间的数据拷贝）是影响异构...
随着各类测绘技术手段的不断涌现，如无人机航拍、激光雷达、倾斜摄影测量、三维激光扫描等，测绘行业正发生着深刻的变革，测量精度越来越高，数据处理范围越来越广，越来越多的应用系统转向云计算模式，随之对计算机系统处理和存储能力的需求呈现了爆炸性的增长趋势，对高性能计算和大数据存储提出了迫切需求。
Verification of Producer-Consumer Synchronization in GPU Programs
Verification GPUs data races synchronization deadlock barrier recycling
2016/5/24
Previous efforts to formally verify code written for GPUs have focused solely on kernels written within the traditional data-parallel GPU programming model. No previous work has considered the higher ...
云计算专家李冠憬教授访问西安电子科技大学开展学术交流——作题为“On MapReduce Acceleration in Multi-GPU systems”报告（图）
MapReduce模型 大规模数据
2016/5/9
2016年5月5日，台湾静宜大学教授、校長特別助理、国际暨两岸事务处副主任李冠憬教授应西安电子科技大学ISN国家重点实验室，网络与信息安全学院陈晓峰教授的邀请来校进行学术交流访问，并在新科技楼1012会议室为广大师生做了一场题为“On MapReduce Acceleration in Multi-GPU systems”的学术报告。