发表机构
University of South Carolina; Boston University（南卡罗来纳大学; 波士顿大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文介绍了南卡罗来纳大学开发的AI驱动HPC集群Hyperion，通过集成两个机器学习模型预测作业周转时间（等待时间和墙钟时间）以优化Slurm作业调度，并展示了多种示例应用。
AI 中文摘要
Hyperion是一个创新的高性能计算（HPC）集群，专为南卡罗来纳大学（USC）科学与人文领域的研究人员开发。我们的方法包括构建一个旨在满足当前研究需求并兼顾未来扩展的HPC集群。此外，我们开发并训练了两个机器学习（ML）模型，用于预测周转时间（包括等待时间和墙钟时间），并将其无缝集成到Slurm作业提交中。最后，我们展示了托管在Hyperion平台上的多种示例应用。
英文摘要
Hyperion is an innovative high-performance computing (HPC) cluster developed for researchers in both science and humanities disciplines at the University of South Carolina (USC). Our approach involved constructing a HPC cluster designed to meet the current research needs while accommodating future expansion. Additionally, we developed and trained two machine learning (ML) models to predict turnaround time, including wait time and wall time, and seamlessly integrated them into the Slurm job submission. Finally, we showcase a variety of sample applications hosted on the Hyperion platform.
