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。
生物通微信公众号
生物通新浪微博
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