混合精度计算用于科学发现：格式、协同设计与负责任的近似
Mixed-Precision Computing for Scientific Discovery: Formats, Co-Design, and Responsible Approximation
浏览论文内容
中文总结 AI 辅助
本文系统梳理混合精度计算在科学计算中的七个关键主题，提出以“每可信解能耗”为核心目标，倡导在积极利用低精度的同时建立检测、升级与认证机制，实现负责任的近似计算。
中文摘要 AI 辅助
降低精度和混合精度已从一种小众优化转变为科学计算和工程领域的核心设计轴，这得益于能源约束、异构加速器以及模拟与机器学习的融合。本文围绕七个相互关联的主题组织这一领域——数字格式、浮点模拟、新兴架构、硬件/软件协同设计、与其他近似方法的关系、软件设计以及精度作为多级资源——并针对每个主题综合了最新进展、未来方向和开放问题。我们强调“每可信解能耗”作为核心目标，并将“鲁莽但负责任”的计算框定为一种务实原则：积极利用低精度，但需具备系统的检测、升级和认证路径。
英文摘要
Reduced and mixed precision have moved from a niche optimization to a central design axis in scientific computing and engineering, driven by energy constraints, heterogeneous accelerators, and the convergence of simulation and machine learning. This paper organizes the landscape around seven coupled themes---number formats, floating-point emulation, emerging architectures, hardware/software co-design, relation to other approximations, software design, and precision as a multilevel resource ---and, for each theme, synthesizes the state of the art, future directions, and open questions. We emphasize \emph{energy per trusted solution} as the core objective, and we frame \say{recklessly responsible} computing as a pragmatic doctrine: exploit low precision aggressively, but with systematic detection, escalation, and certification pathways.
发表机构
- INRIA - Bordeaux（法国国家信息与自动化研究所波尔多分部）
- TU München - Heilbronn（慕尼黑工业大学海尔布隆校区）
- Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
- Cornell University（康奈尔大学）
- CNRS IRIT（法国国家科学研究中心IRIT研究所）
- ETH Zürich（苏黎世联邦理工学院）
- Charles University（查理大学）
- CNR IAC（意大利国家研究委员会应用计算研究所）
- Cerfacs（法国欧洲研究与应用计算中心）
- University of California - Berkeley（加州大学伯克利分校）
- University of Tennessee（田纳西大学）
- STFC Rutherford Appleton Laboratory（科学与技术设施委员会卢瑟福阿普尔顿实验室）
- University of Leeds（利兹大学）
- Universität Stuttgart（斯图加特大学）
- Sorbonne University（索邦大学）
- Openchip
- Umeå University（于默奥大学）
- Uppsala University（乌普萨拉大学）
- LMU München（慕尼黑大学）
- Technical University of Ostrava（俄斯特拉发理工大学）
- Czech Academy of Sciences, Institute of Geonics（捷克科学院地球物理研究所）
- University of Colorado Denver（科罗拉多大学丹佛分校）
- Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
- KAUST（沙特阿卜杜拉国王科技大学）
- MIT Lincoln Laboratory（麻省理工学院林肯实验室）
- Sorbonne Université, CNRS, LIP6（索邦大学、法国国家科学研究中心LIP6实验室）
- NVIDIA（英伟达）
- LLNL（劳伦斯利弗莫尔国家实验室）
- Universitat Politècnica de València（瓦伦西亚理工大学）
机构由 AI 辅助整理，请以论文原文为准。
