问：实验室的硬件条件好坏对你的科研有多大影响？
答：啥条件都行，没有影响。
我们坚信以下三点：
1、科学家就是专门负责搞科研的；
2、不依赖别人，你的研究效率和节奏必须掌握在你自己手里；
3、不管是尝试有风险的新颖项目，还是运用深度学习手段，科研多试错才能出好东西。
有老师跟我们吐槽说，一天天地忙着维护环境，整得跟运维工程师一样了，太耽误事儿。想找学生帮忙吧，他们很多也不懂啊~
老师们的硕博后们也苦不堪言，本专业要学的东西已经多到爆炸，又要理论还要搞实验，还要学大量计算机专业知识……
你这边数据刚拿到手，别人文章都发了……救救孩子吧。
守着大把机器的，不见得有恃无恐；
得不到的，永远在骚动，甚至还会掉头发。。。
《学生篇》
一、你们具体怎么帮我们搞科研的？展开说说
二、在云上和在本地跑任务有什么区别？
三、我自己也会上云，为啥要选你们？
四、你们跟超算比怎么样，有区别吗？
《老师篇》
五、我是一个老师，你们对我的科研工作/团队管理有什么帮助？
六、我是药物/生物/化学专业方向的，你们能做到什么程度？
七、我是集成电路/微电子专业方向的，你们能做到什么程度？
八、我是力学/热能/机械工程专业方向的，你们能做到什么程度？
你想问的，这里都有答案。
你想要的，我们能提供更多。
以下是学生篇精华摘要
你们面向的是哪些科研方向的人？
四大类：
集成电路/微电子专业方向，包括物理电子学/电路与系统/微电子学与固体电子学等专业；
药物/生物/化学专业方向，包括生物化学与分子生物学/化学工程/生物化学/生物工程/药物化学/分析化学/高分子化学与物理等专业；
力学/热能/机械工程专业方向，包括流体力学/工程力学/机械制造及其自动化/车辆工程/工程热物理/热能工程/动力机械及工程/流体机械及工程/航空宇航制造工程等专业；
以及高校或科研机构的AI训练平台、虚拟仿真实验室等等。
你们是怎么帮助我们这些搞科研的人的？
两点结论：
1、让大家更专心做科研，提升高校及科研机构师生的整体科研效率，让IT能力跟上科研能力。
2、避免大家因为资源不够而不得不选择短平快的研究，不敢尝试。
具体分成以下四个维度：
一整套针对应用优化的自动化科研环境，即开即用；
海量资源加智能决策辅助，大幅提升计算效率同时降低成本；
有针对老师需求的独特场景（这一点后续单独展开）；
让IT能力跟上科研能力，可视化操作，轻松上手。
有时候为了抢几台机器都要跟实验室的师兄弟姐妹斗智斗勇，你们的资源真有那么多？
云上资源非常多，我们曾经根据IDC 告推测国内云厂商的服务器总量超过116万台，2020年中国公有云服务市场的全球占比为6.5%，可大致估算出全球公有云厂商的服务器总量超过千万台。
重点是，这些机器都是可用资源。
之前上过云，发现有些类型的资源比较少（如部分型 的GPU），需要分别从几个不同云厂商调资源，你们支持吗？
我们支持多云。
多云指使用来自多个云厂商的多种服务，可以最大限度利用不同云厂商的不同优势，就像你说的从几个不同云厂商调资源。而在产品价格、地域选择，多云也更有优势。
多机并行跑任务真的特别快吗？
云端的一大特点，就是你用相同的钱，可以让1台机器跑100小时，也可以让100台机器跑1小时，后者就是多机并行，能够大大节省跑任务的时间。
我们实验室里才几台机器，天天维护头就很大了，云上这么多机器还不得把自己搞秃了？
云上的运行环境都是自动化配置的，不需要人工干预，用户还可以通过平台进行统一管理和监控，方便易操作。
举个例子，我们的Auto-Scale功能可以自动监控用户提交的任务数量和资源的需求，动态按需地开启和关闭所需算力资源，在不够的时候，还能根据不同的用户策略，自动化调度本区域及其他区域的目标类型或相似类型实例资源。
所有操作都是自动化完成，无需用户干预。
下图就是开启Auto-Scale功能后，用户某项目一周之内所调用云端计算资源的动态情况。
其中橙色曲线为OD实例的使用状况，红色曲线为SPOT的使用状况。
可以看到整个阶段算力波峰为约3500核，而波谷只有650核左右。Auto-Scale功能可以根据任务运算情况动态开启云端资源，并在波峰过去后自动关闭，让资源的使用随着用户的需求自动扩张及缩小，最大程度匹配任务需求。
任务跑得怎么样可以在平台上监控吗？
提交任务后，可以在监控界面中查看任务和集群运行情况。
我们也可以在界面上查看任务运行的日志。
我们还支持实时查看任务本身的状态，比如Fluent的残差曲线，监控计算的收敛情况。
老师想搞深度学习，需要很多GPU，但有时候云上连几块GPU都很难抢到，怎么办？
一般来说单家云厂商的GPU可用资源是比较有限的，我们曾经在一个任务中成功地调用了155块NVIDIA Tesla V100，单个公有云厂商单区域资源未必能够随时满足这种需求。这里面就还涉及到跨云调度。
具体可以看《生信云实证Vol.6：155个GPU！多云场景下的Amber自由能计算》
我试过自己抢云厂商的SPOT，虽然确实很便宜，但非常难用，随时会断掉，你们对SPOT支持到什么程度？
由于SPOT一定会被抢走，我们的建议是用SPOT去算那些单个任务小总数却很多的东西。
比如生物/化学计算里的分子对接。常规分子对接任务几分钟即可算完，特别适合SPOT这种分分钟可能被抢走的状态。而且我们平台具备自动重试功能，一个任务被中断可以自动重新提交，任务之间互相不影响，重新提交单个任务影响很小。
不太懂IT，看到Linux就束手无策，我还能用你们这个云平台吗？
可以的，我们支持Windows系统。
另外，由于分布式计算场景大部分基于Linux系统，我们可为用户提供图形化界面，基本不改变操作习惯，通过简单的鼠标操作就可以跑任务，上手非常快。
我们学校的超算中心总是在用好多年前的旧机器，非常慢，实验室的情况稍微好一点，你们云上有新硬件吗？
你在云上随时可以用到最新的硬件。
举个例子，2019年4月3日上午，Intel在太平洋两岸近乎同步发布了代 Cascade Lake的第二代至强可扩展处理器。当天中午12点，国内某云厂商便宣布其基于Cascade Lake的全新一代通用计算增强型云服务器C6正式转为商用。
超算就要慢得多了，超算中心从规划设计到正式上线需要经历若干年的时间，能够在上线时配置当年上市的硬件已经是其规划能力的最佳体现，其最新硬件更新周期至少要以年为单位。
超算资源有时候跑着跑着就被强制回收了，你们也会有这种情况吗？
我们提供的是独占资源，不会被抢走。
我们之前用超算都是共享资源，不能改，也不能自己装一些组件，你们可以吗？
我们提供的是独占资源，用户拥有管理员权限，安装什么、如何使用均由用户自己做主。
你们支持哪些应用？
药物/生物/化学方向的有Autodock Vina、NetMHC、Qvina、Amber、MaterialsStudio、GATK、VASP、Rosetta、Schr?dinger、BCFtools、Gromacs、FastQC、DeltaVina、Gaussian等；
集成电路/微电子方向的有Innovus、Spectre、Genus、Dracula、Virtuoso、Ncsim、PowerSI、Xcelium、PT、DC、VCS、VC、FM、Verdi、OPC Proteus、Tmax2、HSPICE、Spyglass、Starrc、Calibre、Tessent、nmLVS、nmDRC、xACT、xL、xRC等；
力学/热能/机械工程方向的有Abaqus、Autodesk、Bladed、CFX、COMSOL、Fluent、HyperWorks、LS-DYNA、Matlab、Mechanical、MSC Adams、MSC Nastran、StarCCM、SOLIDWORKS、VASP、WRF等；
人工智能方向的有Pytorch、Mxnet、Tensorflow、Caffe2、Miniconda、Scikit Learn/OpenCV、Pylearn2、Keras等。
你们和这些软件/工具，有什么区别呢？
一句话概括，我们是EDA/CAE/CFD/生物/化学/AI计算云平台，通过我们可以在短时间内调集海量资源，为上述软件/工具加速，从而抢在各种科研deadline之前跑完任务，拿到结果。
关于我们的其他优势与技术能力，可以通过后面的问题了解。
……
– END –
我们有个科研计算云平台
集成多种科研应用，大量任务多节点并行
应对短时间爆发性需求，连 即用
跑任务快，原来几个月甚至几年，现在只需几小时
5分钟快速上手，拖拉点选可视化界面，无需代码
支持高级用户直接在云端创建集群
扫码免费试用，送300元体验金，入股不亏~
更多电子书
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！