创新不止，联泰集群为高校毫米波雷达测试系统注入新活力

毫米波雷达利用毫米波频段的电磁波进行探测和感知，具有高分辨率、抗干扰等特点，因此在许多场景下都能发挥重要作用。主要在自动驾驶、安防、医疗、气象、军事等领域得到了广泛的应用。

本次项目预搭建一套毫米波雷达目标模拟测试系统，对现有的数据进行模拟计算、测试。随着科研需求和业务发展，在满足现有需求的算力的同时，资源利用、环境搭建、大规模计算等问题愈发重要，关乎科研成果的达成和前端业务的推进。

在进行毫米波雷达目标模拟测试系统相关科研实验分析时，采用高性能 CPU 和 GPU 服务器构建异构计算平台，主要进行毫米波雷达目标模拟等科学计算分析。随着后续用户科研水平逐步向前迈进的同时，所产生的数据量也与日俱增，如何进一步加速和提升计算性能、合理分配使用国产算力资源、国产算力芯片兼容软件框架和用户应用是否自洽，是本次方案的一个重要的考量因素。

本次项目主核心要采用 5 台高性能计算节点，其中 3 台 CPU 采用双路 AMD EPYC™7642 处理器，2 台 Intel Xeon Gold 6342，GPU 采用 NVIDIA 企业级加速器(40GB)、NVIDIA 高性能加速器(24GB)，采用管理软件统一调度，融合统一异构计算资源池，针对不用科研人员的需求，满足其对应的算力资源分配和使用需求。

通过和用户充分沟通后发现，目前采用多台桌边工作站为算力核心的主要仿真模拟计算形式，在针对大规模数据训练时，由于工作站间支持的网络带宽有限，极大的影响了训练效率；随着数据量和需求的增加，因工作站单台的算力有限及网络带宽方面的限制，无法满足大规模分布式训练的要求。结果变成各自分散的计算资源孤岛，无法和前端的业务形成高效的对接，满足科研人员的计算要求。

结合用户痛点和对需求的分析，本次方案采用 5 台计算节点、网络设备、集群附件及 1 套异构资源管理软件的总体架构，搭建以 NVIDIA 加速卡为核心，支持划分算力资源池，支持资源虚拟化、支持容器管理、作业管理、镜像创建与管理、分布式存储管理、用户管理、数据处理标注、模型开发、作业建模、模型纳管、部署等功能，搭建整体集群解决方案，基本规格如下：