“青年科技工作者园地”举行第165次活动
时间：2025年11月5日, 下午2:30—4:30
地点：高能所计算中心二楼202会议室
腾讯会议：981-552-184
报告相关信息如下：
1. 面向大科学装置网络安全的异常流量检测关键技术研究
报告人：刘珺怡
报告人简介：高能所计算中心2020级学生，从事网络安全相关工作，主要研究方向是大科学装置中的异常流量检测
报告简介：本研究面向大科学装置网络安全，针对异常流量检测中面临的挑战提出了三项关键技术：基于生成学习的弱监督检测框架，有效降低对标注数据的依赖；基于密度比聚类的未知流量识别技术，实现对新型威胁的自主发现与持续学习；以及融合动态图与LLM语义增强的轻量级检测模型，在资源受限环境中实现可解释检测。研究构建了一个精准、自适应、高效的一体化智能检测防御体系，为大科学装置的稳定运行与国家科技安全提供了理论支撑和技术路径。
2. Claude code的基本原理和使用方法
报告人：唐梓涵
报告人简介：高能所计算中心2024级硕士研究生，从事大模型应用相关工作
报告简介：本研究面向大科学装置网络安全，针对异常流量检测中面临的挑战提出了三项关键技术：基于生成学习的弱监督检测框架，有效本报告是关于AI编程助手Claude Code的基本原理与灵活应用。首先回顾了自动编程辅助工具从早期语法补全到现代多智能体助手的发展历程。重点解析了Claude Code作为新一代AI代码助手的核心架构，其基于智能体技术，具备任务规划、工具调用、记忆管理等复杂能力。文档通过多个实际案例展示了Claude Code在快速原型开发、代码重构、编程学习及团队协作中的强大效用，并提供了详细的安装配置指南。总结了一系列关键使用技巧，包括模型切换、上下文压缩、记忆文件设置以及利用MCP（模型上下文协议）扩展功能等，旨在帮助开发者充分发挥其潜力，提升软件开发效率与质量。
3. 基于深度学习的HPC集群资源需求预测研究
报告人：何煜
报告人简介：高能所计算中心2023级学生，从事高性能计算与异构集群调度优化，研究方向为作业级多维资源预测。
报告简介：本研究面向大科学装置网络安全，针对异常流量检测中面临的挑战提出了三项关键技术：基于生成学习的弱监督检测框架，有效面向高能物理 HPC 生产集群中“提交前资源申报缺乏依据、作业异构且并行度各异、调度入队仅凭静态声明而易过配”的共性难题，本研究提出并在真实环境验证一套可落地的深度学习多维资源预测方案。方法创新体现在三点：① 两阶段“先分类、后回归”：以无监督聚类刻画作业模式，训练集成分类器判别类型，并复用末层表征驱动多目标回归，显式应对异质与长尾；② 仅依赖提交时可得信息：以静态代码特征与作业基础特征为输入，结合历史运行行为构建监督信号，避免对运行期可观测性的依赖，便于生产接入与灰度发布；③ Need-GPU 门控 + CPU/GPU 解耦回归链路：实现 GPU 需求判定与各资源目标的协同建模而互不干扰。实验验证表明，在不使用运行期信息的前提下，本方法给出的 CPU/GPU/显存建议与真实有效使用高度一致，可显著抑制过度申报、缓解 GPU 低活跃与装填碎片化、降低排队时延。该方案为面向科学计算与 AI 混合负载的 HPC 资源治理提供了可迁移的方法范式与实证支撑。
附件下载：
