用球面傅立葉神經算子模擬地球大氣層

Thu, 27 Jul 2023 03:14:41 +0000

基于機器學習的天氣預測已經成為傳統數值天氣預測（NWP）模型的有力補充。例如，NVIDIA FourCastNet已經證明，生成天氣預報的計算時間可以從幾個小時縮短到幾秒鐘，這對當前基于NWP的工作流程帶來了重大改進。傳統方法通常根據第一性原理制定，并需要時間步限制以保證基礎數值方法的準確性。而基于 ML 的方法沒有這樣的限制，其統一的內存訪問模式非常適合 GPU。然而，這些方法純粹是數據驅動的，你可能會問：在這篇文章中，我們討論了球面傅立葉神經算子（SFNO）、球面上的物理系統、對稱性的重要性，以及如何使用SFNO的實現和球面諧波變換（SHT）。如果你想了解更多關于這個數學主題的信息，請參閱 ICML 論文，Spherical Fourier Neural Operators: Learning Stable Dynamics on the Sphere。

Source

]]>

針對 NVIDIA GPU 的低延遲交易和快速回測的深度神經網絡基準

Thu, 02 Feb 2023 03:02:44 +0000

降低對新市場事件的響應時間是算法交易的一個驅動力。對延遲敏感的交易公司通過在其系統中部署諸如現場可編程門陣列（ FPGA ）和專用集成電路（ ASIC ）等低級別硬件設備來跟上金融電子市場不斷增長的步伐。然而，隨著市場變得越來越高效，交易者需要依靠更強大的模型，如深度神經網絡（ DNN ）來提高盈利能力。由于在低級別硬件設備上實現此類復雜模型需要大量投資，通用 GPU 為 FPGA 和 ASIC 提供了一種可行、經濟高效的替代方案。 NVIDIA 在 STAC 審計的 STAC-ML 推理基準中證明，1 NVIDIA A100 Tensor Core GPU 可以以低延遲一致地運行 LSTM 模型推斷。這表明， GPU 可以替代或補充現代交易環境中通用性較差的低級硬件設備。具有長短期記憶的深度神經網絡（ LSTM ）是時間序列預測的成熟工具。它們也適用于現代金融。

Source

]]>

Maximilian Baust – NVIDIA 技術博客

用球面傅立葉神經算子模擬地球大氣層

針對 NVIDIA GPU 的低延遲交易和快速回測的深度神經網絡基準