パワーシフティングによる電力制約下における高性能計算機システムの性能向

パワーシフティングによる電力制約下における高性能計算機システムの性能向上将来のスパコンは20～30MWという厳しい電力制約のもとでエクサフロップス級（浮動小数点演算を1秒間に1,000,000,000,000,000,000回）の性能を実現することが求められています．このような高い電力効率を実現するため，CPU，メモリ，ネットワーク，アクセラレータなどのさまざまなデバイスをオーバープロビジョン（大量に搭載）したシステムを我々は提案しています．このシステムは，アプリケーションのタイプやフェーズに応じて各デバイスのピーク電力を最適化することにより，与えられた電力制約下において従来よりも高い性能を実現します．このピーク電力を調整するプロセスをパワーシフティングと言います．デバイスのピーク電力は，例えば電源投入するデバイスの数を制限する，デバイスが利用可能な動作周波数を制限するなどの方法により制御します．現在は2種類のデバイス間（CPUとメモリ間，CPUとネットワーク間など）のパワーシフティングについて研究しており，将来はあらゆるデバイス間のパワーシフティングを実現する予定です．東京大学，九州大学，富士通と共同で研究を行っています．ニューロコンピューティングのための計算基盤プログラマブルなニューラルネットワークアクセラレータ現在のCPUは，ほぼすべてがフォンノイマン型と呼ばれるアーキテクチャを基本とし，その改良を重ねることによって進化してきました．しかし，そもそもこのようなコンピューティング方式は電力効率の面で優れているとは言えず，電力効率をさらに高めるためには，今後はニューロコンピューティングのようなまったく別の方式を採用する必要があるのではないかと言われています．一方，ニューロコンピューティングは，画像認識などの特定の問題に対しては多くの成功事例がありますが，現在のコンピュータが得意とするような一般の問題に対してどのようにニューラルネットを構成し，学習すればよいかはまだよくわかっていません．上記の構成法や学習法を開発するためには大規模なニューラルネットの振る舞いを高速に模倣できる計算環境が必要とされており，どのようにハードウェアを構成すればそのような環境が構築できるかを研究しています．名古屋工業大学と共同で研究を行っています．

0/5000

源语言: -

目标语言: -

结果 (简体中文) 1: [复制]

复制成功！

实现原始的在性能改善未来的超级计算机高性能计算机系统的20〜30 MW的了Exa触发器扫描级严重功率约束的性能（1,000,000,000,000,000,000倍浮动每秒点运算）由动力变速功率约束下是必需的。这种为了实现高功率效率，CPU，存储器，网络，各种以上专业视觉（配备有大的数字），例如促进剂的我们提议系统中的设备。该系统中，通过优化根据应用的类型和阶段的每个设备的峰值功率，以下给出的实现中功率限制的高于常规性能。调整峰值功率的过程被称为功率偏移。该设备的峰值功率限制，例如上电，并且通过方法控制设备的数量，诸如设备以限制工作频率可用。目前，这两种类型的设备（CPU和存储器，CPU等的网络之间）之间已经研究了功率将来的移动将要实现电力的任何装置之间进行切换。东京九州大学大学，一直在进行与富士通的合作研究。 对于神经计算计算基础 CPU的可编程神经网络加速器目前，已几乎所有所谓的冯·诺依曼的基本架构发展而来的，重叠的提高。然而，第一地点这样的计算系统不能被说成是在功率效率方面是优异的，为了进一步提高功率效率，有必要采用一种完全不同的类型，如一个神经计算未来有人说，这将是。在另一方面，中枢计算，但对于具体的问题，如图像识别有很多成功的案例，配置如何处理一般问题，如当前计算机到Excel的神经网络，这是否足以使学习不熟悉呢。大规模神经网络的行为已经需要一种计算环境，可以模仿高速，被配置硬件如何是这样的环境可以建立在为了开发一种构造方法以及上述方法的学习我们正在研究如何。开展研究与技术的名古屋研究所合作。

正在翻译中..

结果 (简体中文) 2:[复制]

复制成功！

功率换档在功率限制下提高高性能计算机系统的性能未来的超级计算机在 20 到 30MW 的严格功率限制下（浮点运算每秒 1 个，实现 000，000，000，000，000，000 次）的性能。为了实现如此高的能效，我们提出了一个系统，该系统过度预配了各种设备，如 CPU、内存、网络和加速器。该系统根据应用类型和阶段优化每个设备的峰值功率，从而在给定功率限制下提供比过去更高的性能。调整此峰值功率的过程称为电源换档。设备的峰值功率可以通过限制打开的设备数或限制设备可用的工作频率来控制。目前，我们研究两种设备之间的电源换档（CPU 和内存之间、CPU 和网络之间），并计划在未来实现所有设备之间的电源换档。与东京大学、九州大学和富士通合作进行研究。 神经计算的计算基础 可编程神经网络加速器当前 CPU 的演变基于称为冯·诺伊曼类型的体系结构，并不断改进。然而，这种计算方法在能效方面并不好，为了进一步提高电力效率，据说将来需要采用完全不同的方法，如神经计算。另一方面，神经计算在图像识别等特定问题上有许多成功案例，但如何配置神经网络，以应对当今计算机擅长的一般问题，我不知道该学什么。为了开发上述配置和学习方法，需要一个计算环境，可以快速模拟大型神经网络的行为，我们正在研究如何配置硬件来构建这样的环境。与名古屋工业大学合作进行研究。

正在翻译中..

结果 (简体中文) 3:[复制]

复制成功！

由于功率移位在电力制约下的高性能计算机系统的性能提高将来的超级计算机20～30MW这个严厉的电力制约的原来实现练习流程级(浮动小数点运算1秒间1,000,000,000,000,000,000,000次)的性能的事被要求.这个哟为了实现更高的电力效率，我们提议了CPU、存储器、网络、加速器等各种设备的超前版本（大量配备）系统。通过优化伊斯峰值功率，在给定的电力制约下实现比以往更高的性能.调整峰值功率的过程称为功率位移.设备的峰值功率例如限制了接通电源的设备的数量，而解压缩机则是该装置通过限制可用工作频率等方法进行控制.目前正在研究两种设备之间(CPU和存储器之间,CPU和网络之间等)功率位移,将来计划实现所有设备之间的功率位移.与东京大学,九州大学,富士通共同进行研究. 计算基础 可编程的新式网络加速器目前的CPU，基本都是以被称为手机型架构为基础，经过不断改进而进化的。但是，这种计算方式原本就是功率效率另外，据说为了提高电力效率，今后有必要采用像电子计算机那样的完全不同的方式。对于目前计算机擅长的一般问题，如何构成神经网络，如何学习比较好还不是很清楚。我们需要一个能够高速模仿舞蹈的计算环境，我们正在研究如何构成硬件才能构筑这样的环境，与名古屋工业大学共同进行研究。

正在翻译中..

其它语言

本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.