动态編程算法(fǎ)應(yìng)用(yòng)于(yú)醫疗衛生(shēng)、机器人(rén)、量(liàng)子计算、數據(jù)科學(xué)等領域。

　　今天(tiān)在(zài)GTC上(shàng)發(fà)布(bù)的(de)NVIDIAHopperGPU架構使用(yòng)了(le)新(xīn)的(de)DPX指令，将动态編程速度(dù)提(tí)高(gāo)了(le)40倍。动态編程是(shì)一(yī)種(zhǒng)應(yìng)用(yòng)于(yú)基因组學(xué)、量(liàng)子计算、路(lù)線(xiàn)優化(huà)等領域的(de)算法(fǎ)来(lái)解(jiě)決問(wèn)题的(de)技術(shù)。

　　DPX是(shì)NVIDIAH100GPU的(de)內(nèi)置指令集，可(kě)以幫助開(kāi)發(fà)人(rén)員編写(xiě)代(dài)碼，提(tí)高(gāo)多(duō)个(gè)行業动态編程算法(fǎ)的(de)速度(dù)，加快(kuài)疾病診斷、量(liàng)子模拟、图(tú)形分(fēn)析和(hé)路(lù)線(xiàn)優化(huà)的(de)工作(zuò)过(guò)程。

　　什(shén)麼(me)是(shì)动态編程?

　　动态編程是(shì)一(yī)種(zhǒng)起(qǐ)源于(yú)20世紀50年(nián)代(dài)的(de)热(rè)門(mén)技術(shù)，它(tā)通(tòng)过(guò)遞歸和(hé)記(jì)忆来(lái)解(jiě)決複雜的(de)問(wèn)题。

　　遞歸是(shì)指将問(wèn)题分(fēn)解(jiě)为簡單的(de)子問(wèn)题，以节(jié)省(shěng)时(shí)間(jiān)和(hé)计算量(liàng)。記(jì)忆負責存儲这(zhè)些(xiē)子問(wèn)题的(de)答(dá)案(àn)，这(zhè)些(xiē)答(dá)案(àn)在(zài)解(jiě)決主(zhǔ)要(yào)問(wèn)题时(shí)会(huì)多(duō)次(cì)重(zhòng)複使用(yòng)。記(jì)忆可(kě)以提(tí)高(gāo)效率，所(suǒ)以當主(zhǔ)要(yào)問(wèn)题需要(yào)这(zhè)些(xiē)答(dá)案(àn)时(shí)，不(bù)需要(yào)重(zhòng)新(xīn)计算子問(wèn)题。

　　與(yǔ)NVIDIAmpere架構GPU相比，DPX指令将动态編程算法(fǎ)在(zài)NVIDIAH100GPU上(shàng)的(de)速度(dù)提(tí)高(gāo)了(le)7倍。在(zài)配備四个(gè)NVIDIAH100GPU的(de)节(jié)點(diǎn)中(zhōng)，速度(dù)可(kě)以進(jìn)一(yī)步提(tí)高(gāo)。

　　用(yòng)例涵蓋醫疗衛生(shēng)、机器人(rén)、量(liàng)子计算、數據(jù)科學(xué)。

　　动态編程通(tòng)常用(yòng)于(yú)许多(duō)優化(huà)、數據(jù)處(chù)理(lǐ)和(hé)组學(xué)算法(fǎ)。到(dào)目前(qián)为止，大(dà)多(duō)數開(kāi)發(fà)人(rén)員已經(jīng)在(zài)CPU或(huò)FPGA上(shàng)運行了(le)这(zhè)些(xiē)算法(fǎ)，而(ér)在(zài)DPX指令的(de)幫助下(xià)，NVIDIAHopperGPU可(kě)以大(dà)大(dà)加速。

　　Omics

　　组學(xué)涵蓋了(le)基因组學(xué)(關(guān)注DNA)、蛋白(bái)質(zhì)组學(xué)(關(guān)注蛋白(bái)質(zhì))和(hé)轉(zhuǎn)录(lù)组學(xué)(關(guān)注RNA)等一(yī)系(xì)列生(shēng)物(wù)領域。这(zhè)些(xiē)領域为依賴算法(fǎ)分(fēn)析的(de)關(guān)鍵工作(zuò)提(tí)供了(le)依據(jù)，如(rú)疾病研究和(hé)藥物(wù)研發(fà)(可(kě)通(tòng)过(guò)DPX指令加速)。

　　例如(rú)，Smith-Waterman和(hé)Nedleman-Wunsch动态編程算法(fǎ)用(yòng)于(yú)DNA序列比較、蛋白(bái)質(zhì)分(fēn)类和(hé)蛋白(bái)質(zhì)折疊。这(zhè)两(liǎng)種(zhǒng)算法(fǎ)都使用(yòng)評分(fēn)来(lái)測量(liàng)不(bù)同(tóng)樣(yàng)本(běn)基因序列的(de)比較。

　　Smith-Waterman可(kě)以産生(shēng)高(gāo)度(dù)準确的(de)結果(guǒ)，但與(yǔ)其(qí)他(tā)比較方(fāng)法(fǎ)相比，它(tā)需要(yào)更(gèng)多(duō)的(de)计算資源和(hé)时(shí)間(jiān)。當DPX指令用(yòng)于(yú)携带(dài)四个(gè)NVIDIAH100GPU的(de)节(jié)點(diǎn)时(shí)，科學(xué)家(jiā)可(kě)以加速这(zhè)个(gè)过(guò)程35倍，實(shí)現(xiàn)實(shí)时(shí)處(chù)理(lǐ)。其(qí)中(zhōng)，堿基識别和(hé)比較的(de)速度(dù)與(yǔ)DNA測序相同(tóng)。

　　这(zhè)種(zhǒng)加速将有(yǒu)助于(yú)全(quán)球醫院(yuàn)普及(jí)基因组分(fēn)析，使科學(xué)家(jiā)朝着为患者(zhě)提(tí)供个(gè)性(xìng)化(huà)醫疗的(de)方(fāng)向(xiàng)發(fà)展(zhǎn)。

　　線(xiàn)路(lù)優化(huà)

　　無論是(shì)在(zài)倉庫等动态环(huán)境中(zhōng)行走的(de)獨立机器人(rén)，還(huán)是(shì)需要(yào)将數據(jù)傳輸到(dào)计算机网(wǎng)络中(zhōng)多(duō)个(gè)接收(shōu)端的(de)發(fà)送者(zhě)，都需要(yào)为多(duō)个(gè)移动部(bù)件(jiàn)找(zhǎo)到(dào)最(zuì)佳路(lù)線(xiàn)，这(zhè)一(yī)點(diǎn)非(fēi)常重(zhòng)要(yào)。

　　为了(le)解(jiě)決这(zhè)一(yī)優化(huà)問(wèn)题，開(kāi)發(fà)人(rén)員使用(yòng)Floyd-Warshall动态編程算法(fǎ)在(zài)地(dì)图(tú)或(huò)图(tú)形中(zhōng)所(suǒ)有(yǒu)成(chéng)对目的(de)地(dì)之(zhī)間(jiān)找(zhǎo)到(dào)最(zuì)短(duǎn)的(de)距離。Floyd-Warshall與(yǔ)傳統的(de)双(shuāng)插槽CPU服(fú)務(wù)器相比，Floyd-Warshall将速度(dù)提(tí)高(gāo)了(le)40倍。

　　結合NVIDIAcuOptAI物(wù)流软(ruǎn)件(jiàn)，可(kě)用(yòng)于(yú)工廠(chǎng)、自(zì)动駕駛汽车或(huò)抽象(xiàng)图(tú)形中(zhōng)的(de)地(dì)图(tú)構建和(hé)線(xiàn)路(lù)算法(fǎ)的(de)實(shí)时(shí)應(yìng)用(yòng)。