超级计算民主化的策略：面向大数据 analytics 教育与实践的高性能计算可用性、可访问性与可用性
计算机与社会
2021-04-20 v1 分布式、并行与集群计算
人机交互
社会与信息网络
摘要
除相对成熟的量子物理与生物学超级计算领域外，在文本分析、商业领域分析、预测与自然语言处理（NLP）等领域，对高性能计算（HPC，俗称超级计算）的兴趣与需求日益增长。HPC 已广泛用于计算机科学（CS）及其他传统计算密集型学科，但在很大程度上与社会、行为、商业和经济等广泛学科相隔离。然而，随着无处不在的大数据，迫切需要在技术与经济上使 HPC 可访问、易用且运营民主化。因此，本研究做出两项关键贡献：其一，基于对诞生时颇具代表性的超级计算机 Caliburn 的分析性回顾，阐明基于可用性、可访问性与可用性的 HPC 去神秘化与民主化策略；其二，基于首次使用者视角下将 HPC 用于社交媒体数据文本分析与 NLP 的经验叙述，提出一套 HPC 采纳原则。HPC 使用过程与早期分析输出均被总结。本研究综合了关于 HPC 民主化策略的专家意见，并从多学科视角记录了将超级计算快速用于文本分析与 NLP 的案例中的挑战与机遇。运用演绎逻辑识别可促成研究人员、教师、专业人士及学生跨广泛学科进行有效参与、采纳、产出及持续用于研究、教学、应用与创新的策略。
引用
@article{arxiv.2104.09091,
title = {Strategies for Democratization of Supercomputing: Availability, Accessibility and Usability of High Performance Computing for Education and Practice of Big Data Analytics},
author = {Jim Samuel and Margaret Brennan-Tonetta and Yana Samuel and Pradeep Subedi and Jack Smith},
journal= {arXiv preprint arXiv:2104.09091},
year = {2021}
}