論文の概要: Survey of HPC in US Research Institutions

• arxiv url: http://arxiv.org/abs/2506.19019v1
• Date: Mon, 23 Jun 2025 18:13:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.336277
• Title: Survey of HPC in US Research Institutions
• Title（参考訳）: 米国研究機関におけるHPCの実態調査
• Authors: Peng Shu, Junhao Chen, Zhengliang Liu, Huaqin Zhao, Xinliang Li, Tianming Liu,
• Abstract要約: AI、データ集約科学、デジタルツインテクノロジーは、ハイパフォーマンスコンピューティングに対する前例のない需要を駆り立ててきた。 この調査は、米国全大学におけるHPCの展望を総合的に評価するものである。 計算能力、建築設計、ガバナンスモデル、エネルギー効率を分析し、50以上の主要な研究機関について検討する。
• 参考スコア（独自算出の注目度）: 16.354150881950147
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid growth of AI, data-intensive science, and digital twin technologies has driven an unprecedented demand for high-performance computing (HPC) across the research ecosystem. While national laboratories and industrial hyperscalers have invested heavily in exascale and GPU-centric architectures, university-operated HPC systems remain comparatively under-resourced. This survey presents a comprehensive assessment of the HPC landscape across U.S. universities, benchmarking their capabilities against Department of Energy (DOE) leadership-class systems and industrial AI infrastructures. We examine over 50 premier research institutions, analyzing compute capacity, architectural design, governance models, and energy efficiency. Our findings reveal that university clusters, though vital for academic research, exhibit significantly lower growth trajectories (CAGR $\approx$ 18%) than their national ($\approx$ 43%) and industrial ($\approx$ 78%) counterparts. The increasing skew toward GPU-dense AI workloads has widened the capability gap, highlighting the need for federated computing, idle-GPU harvesting, and cost-sharing models. We also identify emerging paradigms, such as decentralized reinforcement learning, as promising opportunities for democratizing AI training within campus environments. Ultimately, this work provides actionable insights for academic leaders, funding agencies, and technology partners to ensure more equitable and sustainable HPC access in support of national research priorities.
• Abstract（参考訳）: AI、データ集約科学、デジタルツイン技術の急速な成長により、研究エコシステム全体にわたるハイパフォーマンスコンピューティング(HPC)に対する前例のない需要が高まった。 国立研究所や工業用ハイパースケーラは、エクサスケールとGPU中心のアーキテクチャに多大な投資をしてきたが、大学が運用するHPCシステムは、比較的低リソースのままである。 この調査では、米国全大学におけるHPCの全体像を総合的に評価し、エネルギー省(DOE)のリーダーシップクラスシステムと産業AIインフラに対してその能力をベンチマークした。 計算能力、建築設計、ガバナンスモデル、エネルギー効率を分析し、50以上の主要な研究機関について検討する。 その結果, 大学クラスタは, 学術研究に欠かせないが, 成長軌跡(CAGR $\approx $ 18%) が, 全国(\approx $ 43%) と産業(\approx $ 78%) よりも著しく低いことが判明した。 GPU依存型AIワークロードへのスキューの増加により、フェデレーションコンピューティング、アイドルGPUの収穫、コスト共有モデルの必要性が強調され、能力ギャップが拡大した。 また、分散強化学習のような新興パラダイムを、キャンパス環境におけるAIトレーニングを民主化するための有望な機会として挙げる。 最終的に、この研究は、学術指導者、資金調達機関、技術パートナーに対して、国家研究の優先事項を支持するために、より公平で持続可能なHPCアクセスを確保するための実用的な洞察を提供する。

関連論文リスト

• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Coordinated Science Laboratory 70th Anniversary Symposium: The Future of Computing [80.72844751804166]
  2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。 シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。 参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
  論文  参考訳（メタデータ） (2022-10-04T17:32:27Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• Future Computer Systems and Networking Research in the Netherlands: A Manifesto [137.47124933818066]
  我々はICTの重要部分としてCompSysに注目している。 オランダ経済のトップセクター、国家研究アジェンダの各ルート、国連持続可能な開発目標の各ルートは、コンプシーズの進歩なしには対処できない課題を提起する。
  論文  参考訳（メタデータ） (2022-05-26T11:02:29Z)
• Infrastructure for Artificial Intelligence, Quantum and High Performance Computing [0.5760524510298753]
  これらの分野の研究者は、コンピューティングインフラストラクチャへのアクセスに依存しているが、これらのリソースは不足しており、通常は彼らの研究を支援するサイロ化されている。 本稿では、コンピュータ科学研究を支援するために、いくつかの能力の収束を認識するコンピューティングインフラに対するより総合的なアプローチが必要であると論じる。
  論文  参考訳（メタデータ） (2020-12-16T22:41:24Z)
• The De-democratization of AI: Deep Learning and the Compute Divide in Artificial Intelligence Research [0.2855485723554975]
  大手テクノロジー企業やエリート大学は、2012年のディープラーニングの予期せぬ増加以来、主要なAIカンファレンスへの参加を増やしている。 この効果は、QS世界大学ランキングで1-50位にランクされているエリート大学に集中している。 このAI研究における企業やエリート大学の存在の増加は、中層(QSが201-300位)と下層(QSが301-500位)の大学が混在している。
  論文  参考訳（メタデータ） (2020-10-22T15:11:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。