高性能计算已成为全球各主要经济体国防、科技和社会发展的战略性基础设施,是综合国力的直接体现。近年来,我国对超算人才的需求剧增,如何将一系列高水平的科研成果转化成人才培养驱动力,融入教学,提升我国自主创新人才的培养水平?本文将谈谈作者对超算自主创新人才培养的理解和认识。
关键词:高性能计算人才培养 科研反哺教学 自主创新
高等学校是人才培养的主阵地,高水平大学肩负着面向世界科技前沿,面向国家重大需求,培养自主创新人才的使命,以培养领域内杰出的科学家、领军人物、有使命担当的拔尖人才为己任,这也是事关科技强国建设的大事。从高性能计算领域而言,高性能计算已成为全球各主要经济体国防、科技和社会发展的战略性基础设施,是综合国力的直接体现。近年来,我国高性能计算领域发展迅猛,使得国家对超算人才,特别是自主创新人才的需求剧增,因此面临一个问题:如何将一系列高水平的科研成果转化成人才培养驱动力,融入教学,提升我国自主创新人才的培养水平?这里根据近几年在超算人才培养方面实践的经历,谈谈个人的一些理解和认识。
依托一流科研成果和科研团队
国防科技大学计算机学院在高性能计算领域取得了一系列世界一流的科研成果,所研制的“天河一号”和“天河二号”超级计算机在全球超级计算机500强榜单上七度称雄,高性能计算专业方向在国际和国内享有盛誉。天河超级计算机系统在研制和应用领域取得的一系列成果,离不开我们长期以来坚持自主创新、科研育人的人才培养理念。一流的科研成果是不断产出高水平教学成果的力量源泉。
人才培养的主要践行者是教师,建立一流的教学团队是实践自主创新人才培养理念的基础。经过多年探索,依托一流的高性能计算科研成果和科研团队,我们建成了“科研+教学”协同融合的一流教学团队,为教学改革研究和人才培养实践奠定了基础。在“自主创新”的培养理念下,我们建立了由“科研导师+教学导师”融合式的教学团队,科研导师与教学导师共同指导应用问题分解、实践体系构建、实践过程指导、能力达成度评判等课内外实践教学活动,形成了高效的超算自主创新人才培养机制。
紧跟国际一流教学理念并勇于创新
ACM/IEEE CC2020(见图1)是由ACM和IEEE-CS联合组织全球计算机教育专家共同制定的计算机类专业课程体系规范,具有很高的权威性,是国内外一流计算机专业制定课程体系时的重要指导[1,2]。CC2020项目组由全球20个国家的50位相关领域专家组成,笔者有幸作为工作小组成员参与其中[1]。CC2020[2,3]在上一版CC2005的基础上进行了重要更新,提出了“胜任力”(competency)模型(见图2),融合知识(knowledge)、技能(skills)和品行(dispositions)三个方面的综合能力培养,加强了对职业素养、团队精神等方面的要求。胜任力模型的提出为超算自主创新人才培养提供了很好的指导;紧跟国际一流教学理念,为创新超算人才培养、与时俱进提出教学改革举措提供了强有力的支撑。
构建高性能计算领域特定的胜任力模型,能为超算自主创新人才培养提供理论依据。笔者与美国、澳大利亚等5个国家的相关领域专家合作,对目前世界范围内的高性能计算教育研究最新进展、教学理念及最新教学研究成果进行探讨,指明了当前高性能计算教育面临的挑战及未来发展方向;首次提出了高性能计算胜任力模型,以指导高性能计算教育领域的人才培养改革与创新;相关论文发表在计算教育国际顶会ITiCSE2020上[4],该文应该是迄今为止较为全面的介绍高性能计算教育现状的文章。该文同时列举了全球范围内比较有特色的10门高性能计算课程,包括卡内基梅隆大学开设的“并行计算机体系结构与编程”、巴塞罗那超算中心开设的“高性能计算”、国防科技大学开设的“高性能计算系列课程”等。
经过长时间对教育教学研究和实践方法的探索,我们逐步形成了具有国防科大特色的高性能计算人才培养理念和教学实践方法,在一些有影响力的国际会议上发表了一系列高水平论文。其中4篇教学研究论文被ACM/IEEE CC2020引用,在高性能计算人才培养方面为国际计算机学科规范贡献了我们的思考和举措。CC2020指出“高性能计算领域的多样性给其教学带来了挑战。由于高性能计算的重要性,从计算学科到非计算学科,从本科到研究生阶段都需要高性能计算教育。近年来,各种基于实践的高性能计算教学和人才培养方法得到了广泛的认可和实施”,并提到胜任力模型对将来课程体系开发的重要指导意义(见文献[2]中第88页)。
基于我们对高性能计算人才培养的定位,逐渐形成了以高性能计算胜任力模型为核心,以前沿基础科学问题为牵引,以重大工程任务为支撑,以多学科交叉融合为根本的具有国防科大特色的超算自主创新人才培养理念,逐步建设了独具特色的高性能计算系列课程[5],人才培养成果获2019年度湖南省教学成果一等奖。
建设具有国防科大特色的系列课程
创新系列课程建设
构建一体化的知识体系
在高性能计算系列课程建设方面,我们依托国际一流的高性能计算科研团队和成果,重构课程知识体系。高性能计算具有系统复杂度高、应用领域广、综合性强等特点,亟须大批跨计算机、应用、系统维护等多个领域的复合型人才,然而目前对这三类人才的培养相对独立,阻碍了高性能计算应用的发展。为解决该问题,我们以具备并行计算思维能力、计算机系统能力为人才培养目标,重新梳理课程知识体系,建立多层级的并行计算思维模型,并将多层级的并行计算思维模型与核心知识模块进行关联,构建一体化知识体系。
构建进阶式的实践体系
依托国家超算中心、学校高性能计算创新实践基地等平台构建真实的大规模并行计算环境。由科研团队提供真实的高性能计算应用问题,并进行课程实践教学案例转化,形成覆盖计算机、应用领域的一系列典型案例,贯穿整个课程体系,最终形成进阶式的实践体系,包括进阶式并行计算平台和进阶式并行编程案例库(如图3所示)。进阶式并行计算平台指从单计算结点多核环境,到中等规模并行多计算结点(高性能计算创新实践基地集群),再到大规模并行多计算结点(天河超级计算机)。进阶式并行编程案例库指从基准测试集验证性实验,到中等规模典型案例库测试,再到大规模典型应用问题求解。
创新科研教学协同融合的教学模式
我们建立了科研团队和教学团队协同融合的教学模式,在“科研反哺教学”的过程中,科研导师、教学导师共同指导教学活动全过程,推进合力育人。高性能计算领域涉及面广,跨多学科领域,人才培养难度高,授课知识内容需要与时俱进,以保证紧跟国际学术前沿。教学导师往往难以独立完成教学活动,需要联合科研导师共同完成课程知识内容设计、讲义PPT制作、课程讲授、实践环境搭建等。科研导师不仅能够提供实验环境,还能从最新科研中抽取实际应用问题作为教学案例,补充和丰富案例库,保证课程内容不断更新。同样,离开了教学导师,科研导师也难以独立完成课程内容设计、实验案例设计等,因为真实的应用案例往往不能直接拿来作为教学案例,需要进行转化或者分解,才能变成课堂可用的教学案例,这就需要依靠教学导师的经验。
系列课程特色鲜明
在一体化知识体系框架下,面向本科生、研究生开设“并行程序设计”“高性能计算”等特色鲜明的系列课程。
1. 强化课程思政与宣扬“天河文化”。将重大工程研制等案例融入课程教学,邀请院士进课堂、让天河人讲天河故事,使学生在天河文化浸润中体会自主创新的艰辛,塑造学生科技强国的使命感,培养理想信念坚定、思想素质优良、理论基础厚实、创新能力突出、身心素质过硬的自主创新型人才。
2. 面向超算人才培养需求,跨多学科领域、本硕博一体化构建知识体系;依托国家超算中心构建大规模并行计算环境,基于实际的高性能计算应用问题构建典型案例库,形成进阶式实践体系。课程内容设计融入“自主创新”元素,将自主处理器设计、高性能计算系统设计中的相关知识点进行拆解,融入到课程内容中,形成知识亮点。
3. 以重大工程任务支撑学生培养并行计算思维和提升系统能力,学生自主创新能力得到大幅提升。指导学生从重大工程任务中提炼创新实践课题;指导学生参加各类学科竞赛,培养并行计算思维;指导学生参与大工程“团队作战”,提升系统能力;鼓励毕业生在系统研制、应用研发中发挥中坚骨干作用。
教育教学反思
[1] 张铭,陈娟,韩飞,等. ACM/IEEE计算课程体系规范CC2020对中国计算机专业设置的启发[J].中国计算机学会通讯, 2020,16(12):32-37.
[2] CC2020 Paradigms for Future Computing Curricula. Technical Report[R/OL]. ACM/IEEE. In Press. http://www.cc2020.net/.
[3] CLEAR A, IMPAGLIAZZO J, ZHANG M.Computing Competencies and the CC2020 Project[C]//The 50th ACM Technical Symposium, ACM, 2019:1245-1246.
[4] RAJ R K, ROMANOWSKI C J, IMPAGLIAZZO J, et al.High Performance Computing Education: Current Challenges and Future Directions[C]//Proceedings of the Working Group Reports on Innovation and Technology in Computer Science Education, WGR, 2020:51-74.
[5]CHEN J, IMPAGLIAZZO J, SHEN L.High-Performance Computing and Engineering Educational Development and Practice[C]//Proceedings of the 50th Frontiers in Education 2020 (FIE2020), IEEE, 2020.
陈娟
CCF杰出会员,CCF高性能计算专委、理论计算机科学专委委员。国防科技大学教授。主要研究方向为高性能计算、高能效计算软件优化、计算机教育。
juanchen@nudt.edu.cn
特别声明:中国计算机学会(CCF)拥有《中国计算机学会通讯》(CCCF)所刊登内容的所有版权,未经CCF允许,不得转载本刊文字及照片,否则被视为侵权。对于侵权行为,CCF将追究其法律责任
点击“阅读原文”,查看更多CCCF文章。