高性能计算解决方案
GPU集群方案
基于深度学习的虚实融合环境生成关键技术研究及应用
提出了拥有自主知识产权的基于Docker开源的应用容器引擎及配套的运算节点管理软件的解决方案
John Doe
方案执行人
GPU deep learning
GPU深度学习
电子科技大学某2个团队对基于云计算大数据的智能信息技术与应用服务、基于深度学习的虚实融合环境生成关键技术研究及应用、基于机器学习的智能化医学筛查与预警方法研究、人体行为和表情识别及虚实交互应用研究域等为研究课题，基于GPU深度学习高性能计算能力的需求，满足日常教学及实训，同时还要满足2个研究团队各个课题小组共计90+人员对GPU集群不同应用环境的要求。对网络、数据，设备使用等安全也有一定要求。日常运维需要简单便捷也是核心需求之一。
- 文件管理
- 应用管理
- 镜像管理
- 系统监控
- 集群部署
High performance HPC+AI solution
高性能HPC+AI方案
电子科技大学某团队对神经电生理、磁共振成像和理论分析，融合神经生物学、认知心理学和信息科学的理论与技术，开展脑功能与重大脑疾病的神经信息基础研究，发展脑机交互技术、神经系统疾病诊疗技术以及受脑功能启发的脑样信息处理技术，提供自研AI算法等应用的需求，同时还要满足研究团队各个课题小组共计50+人员对超算中心不同应用环境的要求。对网络、数据，设备使用等安全也有一定要求。日常运维需要简单便捷也是核心需求之一。
- 全程安全防护
- 全程可视化管理
通用机架式服务器节点和GPU混合计算节点组成的计算混合集群架构。计算集群面向高性能计算设计，具有可伸缩、高度可管理、高可靠、高可用、系统软硬件运行状态监控等混合平台应用等
Margaret Curtis
方案执行人
即CPU+GPU异构设计方案，HPC系统采用了Intel最新一代Cascade Lake架构处理器以及Nvidia Tesla V100用于Data C enter GPU计算卡。
Matthew Fox
方案执行人
High performance HPC+AI solution
高性能HPC+AI方案
电子科技大学某团队对无线新体制通信、认知电子对抗、AI技术在通信中的应用、非合作信号处理等领域为研究课题，既需要传统的高性能计算能力，还需要兼备AI技术才通信中的应用的需求，同时还要满足研究团队各个课题小组共计70+人员对超算中心不同应用环境的要求。对网络、数据，设备使用等安全也有一定要求。日常运维需要简单便捷也是核心需求之一。
- 资产识别
- 脆弱性识别
- 策略有效性