CMSSW_14_2_2版本发布:CMS实验软件框架的重要更新
2025-07-05 17:01:03作者:董灵辛Dennis
关于CMSSW项目
CMSSW(Compact Muon Solenoid Software)是欧洲核子研究中心(CERN)大型强子对撞机(LHC)上CMS实验的核心软件框架。它为物理学家提供了从原始探测器数据到最终物理分析的全套工具链,涵盖了数据获取、事件重建、模拟、触发等多个关键环节。
版本更新内容
CMSSW_14_2_2作为14_2_X系列的一个维护版本,在前一版本基础上进行了多项功能改进和问题修复,主要涉及以下几个方面:
1. GPU计算优化
开发团队对异构计算部分进行了重要改进:
- 移除了已弃用的
cudaLimitDevRuntimeSyncDepth功能,这是NVIDIA CUDA编程接口中不再推荐使用的特性 - 修复了
HOST_DEVICE_CONSTANT宏在AMD GPU上的兼容性问题,增强了框架对不同GPU架构的支持 - 更新了NVIDIA gdrcopy至v2.4.4版本,提升了GPU与主机内存间数据传输的效率
这些改进使得CMSSW在高性能计算环境下,特别是使用GPU加速的场景中表现更加稳定和高效。
2. 内存管理优化
在核心组件方面:
- 通过移除InputFileCatalog中冗余的数据成员,显著减少了内存使用量
- 这一优化对于处理大规模数据集尤为重要,能够降低整体内存占用,提高长时间运行作业的稳定性
3. 触发系统更新
触发系统(HLT)获得了新的开发内容:
- 这是14_2_X系列中HLT菜单开发的第一阶段更新
- 这些改动为后续的触发算法优化和新型触发器实现奠定了基础
4. 数据输入处理改进
在数据处理流程方面:
- 简化了flat mixing配置,使混合模拟的配置更加简洁明了
- 这一改进特别有利于需要大量模拟数据的物理分析工作
5. 底层基础设施升级
框架的基础组件获得了重要更新:
- XRootD升级至5.7.2版本,提升了分布式数据访问的效率和可靠性
- 这一升级对于处理LHC产生的大规模实验数据尤为重要
6. 特定领域改进
针对特定物理分析需求:
- 更新了MC全局标签(GTs),为Winter25和2024年的重离子(HI)及质子-质子(pp)参考运行做好准备
- 这些更新确保了模拟数据与真实实验条件的一致性
技术意义与应用价值
CMSSW_14_2_2版本的发布体现了CMS实验软件框架持续优化的过程。这些改进不仅提升了框架的性能和稳定性,也为即将到来的LHC Run-3数据采集和分析工作做好了准备。特别是GPU计算方面的优化,反映了高能物理实验软件向异构计算架构迁移的趋势。
对于物理分析人员来说,这个版本提供了更高效的数据处理工具;对于系统管理员而言,内存使用的优化意味着可以在相同硬件条件下运行更多作业;对于开发者来说,框架的持续改进为开发新功能提供了更好的基础。
这些更新共同确保了CMS实验能够继续高效处理LHC产生的大量数据,为物理发现提供可靠的技术支持。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220