登录社区云，与社区用户共同成长
邀请您加入社区
它由一系列可移植、模块化的 C++ 库组成，适用于使用。：整个框架以库的形式提供，可灵活集成到新项目或已有代码中。：支持与非结构化网格耦合，用于多尺度或多物理场问题。这些求解器均为开源，可直接使用或作为开发模板。：提供从 CAD 几何自动构建计算网格的能力。，使开发者能更专注于物理建模与算法逻辑。（FVM）进行数值模拟的场景，同时。Overture 之上构建了名为。Overture 是一个。
步骤目标1. 编写可测程序包含热点循环2. 使用 Advisor 采集 tripcounts + FLOP获取 AI 和性能3. 查看 Roofline 图判断是内存还是计算受限4. 针对性优化内存受限 → 提高局部性；计算受限 → 向量化/并行化5. 迭代验证用 Advisor 对比优化前后效果通过 Roofline 模型 + Intel Advisor，可系统化地指导 HPC 程序优化，避免“
Dakota（Design Analysis Kit for Optimization and Terascale Applications）是由 Sandia 国家实验室开发的一套开源软件框架，专注于 优化（Optimization）、不确定性量化（Uncertainty Quantification, UQ）、参数化分析（Parametric Analysis） 以及 模型校准（Model C
需求推荐方案高维向量（如 embedding）近邻搜索✅低维空间（如 3D 点云）批量 k-NN✅cuML或学习 GPU 上 k-d tree 实现⚠️GKDTree（实验性）实时、高性能 ANN 搜索✅或HNSW🔔建议：除非你有特殊需求（如必须使用精确 k-d tree），否则不要在 GPU 上实现传统 k-d tree。使用FAISS或cuML等现代库更高效、稳定。
Intel VTune Profiler是一款强大的性能分析工具，可以帮助开发者识别和优化应用程序的性能瓶颈。以下是使用VTune的基本步骤：下载安装：环境准备：常用分析类型：识别CPU使用率最高的函数查看调用树和热点路径内存分析检测内存分配/释放模式识别内存泄漏和内存带宽瓶颈线程分析分析线程并行效率检测锁争用和负载不平衡结果解读Summary视图：总体性能指标概览Bottom-up视图：按函数显
作为全球首款基于NVIDIA Grace Blackwell架构的个人AI超级计算机，DGX Spark将工业级的AI性能带入您的私人工作空间，让您从原型设计到大规模部署，实现真正的无缝衔接。NVIDIA DGX Spark 不仅仅是硬件的升级，更是开发范式的革新。它将数据中心的强大能力浓缩于 1.2 公斤的精致机身中，赋予了每一位 AI 探索者在本地掌控未来的能力。
本文将向您介绍如何在SimForge™高性能仿真平台通过软件原生界面操作方式使用Workbench软件对某战斗机流固耦合分析，并能够充分调用超算HPC资源，实现大规模高效仿真求解。
Kratos Multiphysics 是一个通用的多物理场仿真框架，允许用户在同一平台上耦合多个物理场（如结构力学、流体力学、热传导、电磁场、地质力学等）进行数值模拟。开源：基于 BSD 许可证，可自由使用和修改。多语言支持：核心用 C++ 实现，接口通过 Python 脚本控制，便于用户快速开发。模块化设计：支持“应用程序”（Applications）插件机制，每个物理场或求解器以独立模块形式
【代码】PETSc: PCMPI介绍和使用。
特性说明结构化网格仅支持矩形块（Box），不支持非结构网格AMR 支持强大，但也可完全关闭用于静态网格并行能力基于 MPI + domain decomposition数据布局是核心容器I/O支持 HDF5 格式输出（通过语言C++（模板-heavy，需熟悉 RAII 和句柄模式）
Recycling Krylov Subspace（循环Krylov子空间）方法是迭代求解线性方程组时提高效率的一种技术，特别适用于需要连续求解多个相关线性系统的情况。
而超级计算（Supercomputing）是高性能计算的一个特定领域，强调在计算能力方面的极致性能和应用于需要大规模并行计算的复杂问题。超级计算系统通常拥有巨大的规模、专门的硬件和软件架构，用于处理最具挑战性的计算任务。超级计算（Supercomputing）是高性能计算的一个子领域，指的是使用最强大、最先进的计算机系统来解决具有极高计算需求的问题。它们通常采用高度定制化的硬件架构，例如特殊的处理
项目推荐设置线程数计算密集型：物理核心数；避免盲目启用超线程NUMA 管理尽量让线程和内存在同一个 NUMA 节点亲和性使用或固定线程到核心编译器Intel 编译器对 OpenMP 优化更好；GCC 需手动调优测试验证通过perfnumastatlscpu验证性能和绑定效果。
1.现代终端设备一般都跟云端服务器相连，但只要可能，我们都希望计算可以在本地终端解决，这样做的好处是多方面的：既可以减小网络带宽的压力，又可以避免网络传输产生的时延，还可以让用户的数据更安全。现代终端设备一般用一个片上系统 (SoC)做计算，上面部署了通用的CPU和集成显卡。对于日益增多的卷积神经网络推理计算来说，在移动端的CPU（多数ARM，少数x86）上虽然优化实现相对简单（参见我们对CPU的
高性能计算（HPC）领域的创新，往往在幕后悄然发生。算法、工作流与自动化技术的渐进式优化，日积月累终成显著突破。这些改进或许并非一目了然，却能精简运营流程、减少瓶颈阻碍，让研究人员与管理人员得以专注探索创新，而非耗费精力于系统维护。随着人工智能驱动方案的介入，下一次飞跃已然来临——具备自主适应、优化与决策能力的系统，正不断放大这份“隐形的创新力量”。
在使用学校HPC集群时，发现win10写的batch任务报错，用dos2unix可解决。
异构计算是指将不同类型的处理器（如CPU、GPU、FPGA等）组合在一个计算系统中，充分发挥各处理器的独特优势，以实现更高的计算性能和能效比。
Altair 近日宣布对 Altair®HPCWorks® 高性能计算 (HPC) 与云平台进行多项重大功能升级。Altair HPCWorks 2026 融合多项功能升级，为研发探索注入加速度。
Schwarz方法（Schwarz Method）是求解偏微分方程（PDE）的一种经典区域分解方法（Domain Decomposition Method, DDM），由 Hermann A. Schwarz 在19世纪提出，用于证明 Dirichlet 问题解的存在性。现代计算数学中，它被广泛应用于并行计算、大规模科学计算和多物理场耦合问题中。如果你有具体方向（如用于有限元、并行计算、机器学习加
✅高性能并行计算：支持 MPI + OpenMP 混合并行，适配大规模 HPC 系统。✅多种预条件子重叠型（如 Additive Schwarz, Restricted Additive Schwarz）非重叠型（如 BDDC, FETI-DP）多重网格（Multilevel）✅灵活的求解器接口：支持 Krylov 子空间方法（CG, GMRES, BiCGStab 等）。✅与外部库集成PETSc
HPDDM（High-performance PDDM）是基于 PDDM（Parallel Domain Decomposition Methods）发展而来的开源 C++ 库，由 Pierre Jolivet 等人开发。高效的并行域分解方法自适应粗空间构造（如 GenEO）与 PETSc、SLEPc 深度集成支持 MPI + OpenMP 混合并行支持复数、块矩阵、非对称问题在 PETSc 中，
技巧说明✅ 复用parallel区域避免线程创建开销✅ 使用nowait消除不必要的同步✅ 合理schedule匹配负载特性✅reductionprivate避免数据竞争✅singlemaster控制串行段执行✅提高代码安全性通过以上方法，可以在串行与并行混合的多段循环中，实现OpenMP 性能最大化，同时保证正确性和可维护性。
The Constrained Pressure Residual (CPR) preconditioner is a powerful and widely used technique in the numerical solution of systems of equations arising from the discretization of multiphase flow in p
方法是否推荐说明✅ 推荐（C++）高效，适合集成到大型系统✅ 推荐（Python）快速原型开发⚠️ 需改造仅支持全局，需手动局部化rbfPython库✅ 强烈推荐支持局部、正则化、多种基函数。
在现代科学研究中，高性能计算（HPC）已成为推动重大突破的核心引擎，其以远超常规计算机的算力，为科学家提供了探索未知世界的「放大镜」和「加速器」。从模拟宇宙演化、预测气候变化，到揭示生命分子的运作机制、加速新药研发，HPC 正不断拓展人类认知的边界。尤其在数据爆炸与人工智能快速发展的时代，AI for Science 发展提速，在很多科研领域，尤其是在面对真实场景中的动态模拟、动态预测以及多尺度、
Eikonal方程是一类非线性偏微分方程，形式为 ( |\nabla u(x)| = f(x) )，常见于波传播、几何光学、最短路径等问题。通过结合上述工具和方法，可高效求解Eikonal方程。实际应用中需根据问题规模、精度需求和计算环境选择合适方案。
在油藏模拟（Reservoir Simulation）领域，有许多开源工具和资源可供使用，涵盖从基础建模到高级数值模拟的各个环节。注意：开源工具通常需要一定的编程和油藏工程基础，部分工具文档可能不够完善，建议结合论文或社区（如GitHub Issues）学习。
在三维克希霍夫积分法深度偏移成像中，旅行时计算是核心环节，而振幅和相位信息的准确计算直接影响成像质量。这种方法的精度依赖于速度模型的准确性和高频近似有效性，对于复杂介质（如强横向变速），需结合波束偏移或全波形偏移（FWI）改进。克希霍夫偏移基于波动方程积分解，其核心是计算从震源到成像点再到接收点的旅行时场（(\tau(x,z))）。其中 (v(x)) 为速度场。但仅旅行时不足以描述波场特性，需补充
High performance computing高性能计算定义高性能计算（HPC）是利用先进的计算机技术，如超级计算机和并行处理算法，来解决复杂的计算问题。主要用于科学、军事和学术领域。现在也被利用在数据存储和事务处理领域，以及为统计目的挖掘或使用这些信息。"深蓝"是一种超级计算机，它通过与人类大师对弈来展示人工智能。高性能计算的主要目标是以精确、快速、高效的方式解决计算问题，并行处理是高性能
人工智能算法需要大量的计算资源来进行训练和推理，而高性能计算能够提供强大的计算能力和并行处理的能力，加速人工智能模型的训练和应用。人工智能算法的训练和推理需要大量的计算资源，高性能计算工程师能够利用并行计算和高速网络来提供高效的计算支持。随着科技的不断进步和数据量的爆炸式增长，尤其是大模型时代和AIGC的发展，使得高性能计算成为解决复杂问题和实现创新的重要工具。这是因为高性能计算工程师的工作需要综
两者的区别在于存在于片内的缓存体系和数字逻辑运算单元的结构差异：CPU虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存和足够多的数字和逻辑运算单元，并辅助有很多加速分支判断甚至更复杂的逻辑判断的硬件；GPU由于历史原因，是为了视频游戏而产生的（至今其主要驱动力还是不断增长的视频游戏市场），在三维游戏中常常出现的一类操作是对海量数据进行相同的操作，如：对每一个顶点进行同样的坐标变换，对每一个
长期以来，关于 AI 的讨论始终被两种极端观点主导：要么是 AI 驱动未来的乌托邦幻想，要么是机器掌控世界的反乌托邦恐惧。此外，关于支撑 AI 训练所需计算能力的硬件创新也备受关注。
本指南将带您深入了解MPI（Message Passing Interface）和OpenMP（Open Multi-Processing）两种重要的并行计算技术，并为您提供学习和应用的指南。无论您是从零开始学习并行计算，还是希望进一步提升您的技能水平，本指南将为您提供全面的学习和应用指南。本指南为您提供了MPI和OpenMP的全面学习和应用指南，帮助您进入并行计算的精彩世界。MPI和OpenMP
高性能计算涉及许多方面的技术和概念，包括并行编程模型（如MPI、OpenMP和CUDA）、高性能文件系统（如Lustre和GPFS）、集群管理工具（如Slurm和PBS）以及性能分析和调优工具。虽然高性能计算已经取得了许多重要的成就和突破，但随着科学、工程和商业领域对计算能力需求的不断增加，高性能计算的发展依然具有巨大的潜力和前景。并行计算、分布式计算和优化算法是实现高性能计算的关键技术。硬件和技
PMPI (Profiling MPI) 是MPI标准中定义的接口，允许开发者通过拦截MPI调用进行性能测量和调试。
但是AIGC浪潮之下，HPC高性能计算,这一计算科学上的明珠却实实在在出圈了。现如今人工智能方向算法岗逐渐见顶、如何找到一条有前景且有钱景、且不被GPT替代的路子，相信是很多开发同学关注的重点。今天就和大家介绍一个人工智能方向就业的新路子——AI+HPC。
这种方法可以高效地计算分布在多个GPU上的大型向量的模，适用于大规模科学计算和机器学习应用。：向量被均匀分布在多个GPU上，每个GPU处理一部分数据。
Reef3D 是一款开源的 CFD (计算流体动力学) 软件套件，专门用于模拟自由表面流动和波浪与结构的相互作用。它由挪威科技大学(NTNU)的海洋工程系开发，主要面向海洋工程、海岸工程和近海结构物设计等领域的研究和应用。
HPC
——HPC
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
火山引擎 ADG 社区
2048 AI社区
鲲鹏昇腾开发者社区
开源鸿蒙跨平台开发者社区
DAMO开发者矩阵
EazyDevelop社区
九章云极普惠算力
GitCode-AI社区
