隆重推出:Xilinx宣布自适应计算挑战赛启动竞赛的获胜者!

源节点: 805093

AdobeStock_130567898.jpeg

去年,我们开始了有史以来的第一次 Xilinx自适应计算挑战,为开发人员和初创公司提供了两种不同的竞赛方式,使他们可以使用 Vitis Unified软件平台 和 葡萄 在某些Xilinx硬件平台上。 我们 公布 我们今年年初的开发者大赛获奖者,现在我们很高兴能揭晓初创企业大赛获奖者!

在初创企业竞赛中,我们挑战了技术初创企业,早期技术公司和研究机构,以他们的专业知识在Xilinx平台上利用创新技术解决现实世界中的问题。 参与者使用了围绕Xilinx的28nm,20nm和16nm器件构建的硬件平台,以可编程逻辑演示了应用程序加速,从而展示了显着的性能或TCO优势。

全球超过55家创业公司参加了比赛。 我们收到了许多引人入胜的作品,这使我们的法官将其范围缩小到前三个项目变得非常具有挑战性。 我们要感谢所有参与的人,并对我们的获奖者表示祝贺,他们将分得180,000美元的总现金奖池!

一等奖

项目解决方案: DeepField-SR:通过Xilinx Alveo卡加速的基于AI的超分辨率

启动:  布鲁多,是一家韩国风险投资公司,通过云数据中心使用系统半导体和人工智能提供快速和智能的图像处理和图像压缩技术。

DeepField-SR是利用Xilinx的固定功能硬件加速器 阿尔韦奥 云或内部部署中的存储卡和FPGA实例可为视频超分辨率提供最高的计算效率。 基于专有的神经网络,该网络接受了来自互联网的实词视频数据的训练,并在多个帧中融合了时空信息,从而产生了卓越的高分辨率视频质量。

DeepField-SR可通过以下方式在公共云和本地部署 阿尔沃U200阿尔沃U50 加速卡。 它采用可扩展的体系结构设计,并支持多张Alveo卡,从而可以灵活地支持各种分辨率的高端要求。 单个Alveo U50卡上的运行时性能高达14fps,可将视频分辨率提高到4K。 该API集成在FFmpeg工作流程中,允许使用简单的命令启用DeepField-SR加速并放大用户输入的视频。

3倍实时将360p30升级到1080p30 / 1440p30的通道3倍实时将360p30升级到1080p30 / 1440p30的通道

 亚军

项目解决方案: Yaddle:Xilinx FPGA上用于药物发现的分子动力学解决方案

启动: 雪湖总部位于上海钦a, 是一家领先的技术公司,提供基于FPGA的专用计算解决方案来支持AI和HPC应用程序。 该产品已广泛应用于各种场景,包括自动驾驶和高性能计算解决方案(地震勘探和分子动力学模拟)。

Snowlake Technology开发了Yaddle,这是一种用于Xilinx FPGA上的分子动力学计算的专用解决方案。 Yaddle可在单个FPGA上完成完整的分子动力学计算,并有效地输出结果。 借助Xilinx运行时库(XRT),Yaddle通过Yaddle API为常用的分子动力学软件和其他分析插件提供了兼容性支持。 在Xilinx Alveo卡上,Yaddle(FPGA)的性能几乎是CPU的一百倍,是GPU的两倍以上。 同时,Yaddle(FPGA)仅拥有CPU TCO的百分之一和GPU TCO的七分之一。

在不同平台上进行分子动力学的性能和总拥有成本比较。 对于一天内一百万个原子的仿真长度(ns),在一台服务器上装有八张Alveo U250卡,Yaddle-MD可以实现Dual Xeon 98的9282倍性能和DGX-A2.4的100倍性能。在不同平台上进行分子动力学的性能和总拥有成本比较。 对于一天内一百万个原子的仿真长度(ns),在一台服务器上装有八张Alveo U250卡,Yaddle-MD可以实现Dual Xeon 98的9282倍性能和DGX-A2.4的100倍性能。

 三等奖

项目解决方案: 由FPGA驱动的交互式分析

启动: 凯特里德(Katoid) Technology是一家在西班牙巴塞罗那成立的颠覆性实时分析公司。

Katoid的技术利用Xilinx FPGA的独特功能以线速处理来自NVMe存储的数据。 Katoid可水平扩展为一个有机分布式系统,可在Web规模上实时以行为方式进行洞察,其计算速度比现有云解决方案快100倍。

由Xilinx提供支持的Katoid交互式分析解决方案可在Alveo卡上使用, Zynq UltraScale + MPSoC以及AWS F1云实例。 其技术利用了Xilinx FPGA的无与伦比的计算能力,再加上PCIe上的NVMe SSD驱动器的巨大带宽,可提供比竞争解决方案快100倍,便宜90%的交互式大数据分析。 可以以交互的速度计算巨大的数据集,并水平扩展以每秒XNUMX TB的速度推动用户探索。

替换.png

 感谢所有参与者,使首届Xilinx自适应计算挑战赛取得了圆满成功! 期待下一个 自适应计算挑战 2021年秋天开幕!

资料来源:https://forums.xilinx.com/t5/Xilinx-Xclusive-Blog/Roll-Out-the-Red-Carpet-Xilinx-Announces-Winners-of-the-Adaptive/ba-p/1214007

时间戳记:

更多来自 Xlx