世界先进计算领域2019年发展回顾与2020年展望

点击：  作者：电科战略情报团队    来源：天地一体化信息网络  发布时间:2020-01-18 10:40:52

 

       在信息化、智能化时代，先进计算技术不断涌现，推动着信息技术的发展和普及，激发了国民经济和军事应用的创新需求，各个国家和机构加大研发投入，竞相布局先进计算，相关领域的技术研究和应用不断提速，将会在化学反应、材料设计、药物合成、密码破译、大数据分析和机器学习、军事气象、核武器研究等方面起着决定性作用，产生颠覆性影响。2019年，美国依然在量子计算、超级计算、神经形态计算和异构计算等领域具有很强的优势，谷歌宣布实现“量子霸权”，IBM制造的超级计算机仍然名列TOP 500榜单前2位；英特尔的神经形态计算平台处于领先。11月，美国科学技术委员会发布了《国家战略计算倡议更新：开创计算的未来》，旨在使未来的计算技术能够进行有针对性的、协作的研究、开发和部署，解决挑战性的科学和技术问题。与此同时，日本、中国、德国等国家在高性能计算、量子信息等领域取得了突破。此外，边缘计算实现了物联网技术前所未有的连接性、集中化和智能化，智能边缘计算将与智能云计算互为补充，云边协同成为主流模式。

一、2019年发展回顾

01、美国更新国家战略计算计划

 

2019年11月14日，美国白宫科技政策办公室（OSTP）和美国国家科学与技术委员会（NSTC）发布《国家战略计算计划》（NSCI）的更新版本。NSCI于2016年9月发布，明确了“维持并提高美国高性能计算领域领导力”的战略目标。此次更新提供了一个能够推动计算未来的框架，用以改善计算基础设施，并建立持久的多部门合作伙伴关系，确保美国继续保持领导地位。重新确定的目标包含三方面：开拓数字和非数字计算的新领域，以应对21世纪的科技挑战和机遇；开发、扩大和推进国家计算基础设施和生态系统；为计算机的未来打造并扩大合作伙伴关系，以确保美国在科学、技术和创新方面的领导地位。与2016年的计划相比，更新版最终更加侧重于计算机硬件、软件和整体基础设施，以及开发创新的、实际的应用程序和机会，以支持美国计算的未来。

02、谷歌宣布实现“量子霸权”

 

2019年10月23日，谷歌在《自然》杂志上发表论文，宣布其研究人员使用一颗54量子比特的量子处理器在200秒内完成了对一个100万次量子电路实例的采样，而最先进的超级计算机完成同样的任务需要一万年，即在该采样问题上实现了“量子霸权”。该成果受到IBM公司的质疑，认为它不能证明量子计算机相对经典计算机具有压倒性优势，亦有业内专家认为这是量子计算领域的里程碑式成就，展示了量子计算机的应用潜力，有望在几年内见到量子计算机在有重要使用价值的特定问题上处理能力超越经典计算机。

03、IBM推出全球首台独立量子计算机

 

2019年1月8日，IBM公开了一款专为科学和商业领域设计的量子计算集成系统IBM Q System One。目前为止，这是全球首个独立的商用量子计算机，即所有部件安置于一个结构，首次使通用的近似超导量子计算机能够在研究实验室之外运行。其多组件设计能够持续保持用于执行量子计算的量子比特的质量，新系统中的量子比特能够维持的相干时间为75微秒，具有较好的稳定性。这台量子计算一体机的成功建造标志着美国在量子计算机研究领域迈出了具有里程碑意义的一步。随着Q System One走出实验室，可以用来开发量子算法和应用程序，实现“量子优势”。它可以快速破译现有密码体系，掌握信息主动权，可以对海量情报数据进行实时分析处理，可以有效解决高性能、大数据计算问题。

04、美军利用雾计算技术增强战术边缘感知决策能力

 

2019年5月，美国国防信息安全技术提供商Mantech公司推出了军用雾计算平台“安全战术边缘平台”（STEP），为简陋环境中的作战人员提供实时数据处理能力。该平台轻巧便携，可以装进一个随身行李箱中，随作战部队移动，并为部队提供实时的情报搜集、存储、计算和分析能力，以便更快做出决策。当前，美国国防部为了建立更清晰的战场态势感知，正在为士兵配备额外的传感器和设备，随之而来的是海量的战场数据。在带宽受限的战场上，STEP可存储和缓存来自传感器和设备的数据，只向云端发送经过筛选的必要信息，实现资源占用最小化并提高安全性。当网络连接更加稳定时，再向云端发送完整数据。这种模式使得指挥官可优先考虑可用宽带的分配，并自主选择何时发送大量的信息。此外，STEP还运用了零信任模型，任何用户必须先通过身份验证方可获取权限查看敏感信息，极大增强了网络边缘的信息安全。

05、欧洲航天局计划研制“赫拉”号任务抗辐射计算机

 

2019年6月，欧洲航天局（ESA）正在研制一种特殊的防辐射计算机，控制其“赫拉”（Hera）深空探测器，执行观察小行星撞击和偏转评估（AIDA）任务的影响。Hera计划于2023年10月发射，将由一台自主计算机控制，该计算机可以在距离地球4.9亿公里的星际空间的放射性环境下运行四年。赫拉计算机采用双核莱昂-3处理器，基于先进的数据和电源管理系统(ADPMS)，这个系统为Proba-2、Proba-V和Proba-3微型卫星而开发，已有15年的成功飞行时间，也将用于高空臭氧监测任务。为Hera设计的这款目前正处于测试的工程模型阶段。

06、美国将造El Capitan超级计算机支持核武器研究

 

2019年8月13日，美国能源部国家核安全管理局（NNSA）宣布将拨款6亿美元给美国克雷公司，建造一台名为“El Capitan（酋长岩）”的E级（百亿亿次级）超级计算机支持核武器研究。该系统的浮点运算速度预计超过每秒150亿亿次，预计2022年底交付。“酋长岩”将部署在美能源部下属劳伦斯利弗莫尔国家实验室，目的是进行关键任务研究，以维持美国的核武器库存，其先进的建模、模拟和人工智能能力有助于提升美国在能源和国家安全方面的竞争优势。“酋长岩”将使国家核安全管理局下属的武器设计实验室能开展复杂的3D模拟和计算，目前最先进的超算难以完成此类任务。美国能源部此前已宣布将建造“极光”和“前沿”2台E级超算，其浮点运算速度将分别超过每秒100亿亿次和150亿亿次，预计在2021年交付。

07、斯坦福大学推出片上计算机原型

 

2019年2月19日，斯坦福大学研究人员在国际固态电路会议上发布了芯片上计算机的原型。该原型是由斯坦福大学和法国格勒诺布尔的CEA-LETI研究所合作设计。该原型围绕一种名为RRAM(电阻式随机存取存储器)的新数据存储技术构建，具有这种新型芯片所必需的功能：存储密度方面，能够将更多的数据压缩到比其他形式的存储器更小的空间；能源效率方面，不会使有限的电源负担过重；在芯片休眠时保留数据的能力，这是一种节能策略。RRAM还有另一个本质上的优势是，工程师可以直接在处理电路上构建RRAM，将数据存储和计算集成到单个芯片中。目前原型的大小接近铅笔橡皮直径，尽管这对于未来的、物联网的应用来说太大了，然而，也可能被集成到智能手机和其他移动设备的芯片中。

08、英特尔发布神经形态计算系统

 

2019年7月15日，英特尔公司宣布了一个基于Loihi芯片的神经形态计算机（PohoikiBeach），其计算能力等于800万个神经元。Loihi芯片是英特尔公司在2017年9月发布的Loihi类脑芯片，可以模仿人类大脑功能，具有惊人的学习速度。Pohoiki Beach应用于解决“物联网”和自主设备的最困难的实时计算问题。Loihi芯片以109倍低功耗运行实时深度学习，当网络规模扩大50倍时，PohoikiBeach只增加30%功耗，而物联网平台则增加500%的功耗，而且不再实时。由于PohoikiBeach系统速度和效率的“数量级”提升，PohoikiBeach也应用于自动驾驶和智能家居等各类应用场景，通过在生成数据的地方直接处理数据，从而获得真实、实时的感知。此外，英特尔公司计划与其60个合作伙伴共同使用这款新系统，对这一新兴架构进行试验，并将其推向商业化。

09、微软Azure提供基于战术环境的军事云计算服务

 

2019年10月25日，微软公司与美国政府签订了一份为期10年、估值100亿美元的“联合企业国防基础设施”（JEDI）合同，微软旗下的Azure云计算子公司将负责该项目，依照基础设施即服务（IaaS）和平台即服务（PaaS）这两个要点，为国防部和相关合作伙伴提供从后方到战术前沿的企业级商用云服务。JEDI项目合同有八个主要目标：提供全球云计算服务；提供从后端到战术前沿的数据访问渠道；集中管理和分布式控制；易用性；与商用级云服务对等；提供现代化的弹性计算、数据存储和网络基础设施；提供数据安全保障；提供先进的数据分析。依据合同，微软的Azure子公司将为美国海陆空三军、海军陆战队、海岸护卫队以及美国情报界提供云计算、网络安全保障和托管计算服务。

10、DARPA“终身学习机器”项目开发出智能仿生学习算法

 

2019年3月，DARPA“终身学习机器”（L2M）项目开发出一种智能仿生学习算法，机器人利用这种算法可以模拟脊椎动物学习用神经系统控制运动的过程，在任务执行过程中不断学习并变得越来越专业，达到“边做边学”的效果。传统的机器学习算法是针对特定场景的，系统程序在经过训练后就会固化，无法不断学习或适应新的情况，因此在系统部署后，无法对新的、不可预见的情况做出响应，如果要针对新情况修改程序必须经过重新训练，耗时耗力。“终身学习机器”项目的目标是创建可以像生物体一样思考和持续学习的算法，使机器系统能在国防领域许多不可预见的情况下更加快速适应新场景。

二、2020年展望随着物联网、人工智能、大数据等新兴技术的发展，未来计算将进一步与新兴技术相融合，实现计算模式的创新式发展。例如，物联网的兴起将使云计算从以大型数据中心为主的模式转换为“云端”结合的模式，云计算的计算和存储能力将被卸载到靠近终端设备的地方，满足物联网低时延应用的需求。近两年兴起的“雾计算”、“边缘计算”等就是云计算与物联网相融合后产生的新兴计算模式。云计算与量子计算的融合式发展也在近期得到了关注，亚马逊和微软已先后推出量子计算云服务，虽然现在的使用范围还很有限，但随着量子计算的不断发展和突破，未来接入的量子设备数量会越来越多，量子计算云服务也将迎来更广泛的应用，如传统的云服务一样渗透到各行各业。此外，超算和人工智能技术的融合也成为业界重点关注的一个发展方向，随着人工智能的迅速兴起，全球将步入人工智能研究及应用创新集中爆发的时代，人工智能只有在强大计算力的支持下，通过与成熟的算法、大数据相结合，才能真正发挥变革性的力量。目前，大量应用在算力上遇到了瓶颈，而超算提供的算力对大数据、人工智能具有巨大的支撑作用，将改变人工智能的研究方式，人工智能反过来也能帮助超算实现更优化的资源分配和能源管理，因此融合了超算和人工智能的“智慧超算”将在未来产业发展中发挥重要作用。

尽管云计算与高性能计算发展迅速，但晶体管尺寸与密度已逼近极限，使得经典计算系统已经难以再从工艺上进行性能提升。为了应对新兴产业爆炸式增长的算力需求，未来将不得不从体系结构上进行创新，促使非冯诺依曼计算架构的兴起。除了已受到广泛关注的量子计算，目前受到讨论与研究的其他非冯诺依曼架构还包括神经形态计算与内存计算等。神经形态计算试图模仿人脑突触的特征，将神经元的值编码为脉冲或棘波，能够以较低功率处理图像或声音。内存计算则是一种将存储电路与逻辑电路集成为一体的计算架构，能够克服冯诺依曼架构中存在的“内存瓶颈”问题。DARPA已针对内存计算启动了新型计算基础研究（FRANC）项目进行探索，试图建立一个原型机，从而以量化形式证明这种新的计算架构的优势。尽管目前的非冯诺依曼计算架构研究仍处于起步阶段，在未来很长一段时间内，仍将以采用传统架构的芯片为主。但硅基集成电路的物理极限与冯诺依曼架构的内在限制终将使传统计算架构触及瓶颈，为了继续推进电子器件性能的提升，宜对非冯诺依曼架构技术尽早进行布局，展开前瞻性基础研究，方能抢占先进计算领域的先机。

来源于电科防务 ，作者电科战略情报团队