极大规模科学工作流中的AI整合:关键挑战与发展方向

《Computing in Science & Engineering》:Artificial Intelligence Workflows at Extreme Scale: Challenges and Paths Forward

【字体: 大 中 小 】 时间:2026年10月22日 来源:Computing in Science & Engineering 2.9

编辑推荐:

   摘要:极大规模工作流在提高科学生产力方面发挥着至关重要的作用,它通过帮助科学家编排科学实验活动来发挥作用。随着人工智能(AI)的快速进步及其在科学研究中日益广泛的应用,社区正在见证AI任务整合到科学工作流中(面向AI的工作流)以及利用AI能力增强现有工作流(面向工作流的AI

  

摘要:

极大规模工作流在提高科学生产力方面发挥着至关重要的作用,它通过帮助科学家编排科学实验活动来发挥作用。随着人工智能(AI)的快速进步及其在科学研究中日益广泛的应用,社区正在见证AI任务整合到科学工作流中(面向AI的工作流)以及利用AI能力增强现有工作流(面向工作流的AI)这两个趋势。鉴于这些新兴主题仍处于早期阶段,在面向科学的AI推理、高性能计算(HPC)系统设计、工作流编排以及跨社区协作方面仍存在显著差距。本文综合了来自高性能计算、人工智能、工作流系统和领域科学领域顶尖研究者的观点,这些观点源自与2025年超级计算大会(Supercomputing 2025)同期举办的首届人工智能与极大规模工作流国际研讨会(AIExScale'25),旨在确定四个关键挑战并概述推进极大规模AI工作流发展的有前景的方向。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号