如何看待 2021 年图灵奖授予美国计算机科学家 Jack J. Dongarra?
要理解为什么 Dongarra 教授能够获得如此殊荣，我们需要深入了解他所做出的贡献以及这些贡献如何深刻地影响了科学计算的进程。简单来说，他的工作是构建现代高性能计算的基石之一，许多我们今天习以为常的科学研究和工程突破，都离不开他奠定的技术基础。
核心贡献一：开创性的高性能数学库
Dongarra 教授最为人称道的贡献，在于他开发和维护了一系列极具影响力的科学计算软件库，其中最著名的就是 LINPACK 和 BLAS (Basic Linear Algebra Subprograms)。
BLAS：你可以把 BLAS 理解为科学计算领域的“瑞士军刀”。它提供了一套标准化的、高度优化的向量和矩阵运算例程。在计算机科学中，大量的科学和工程问题，从天气预报、流体力学模拟到金融建模，最终都可以归结为大量的线性代数运算。在 Dongarra 教授之前，这些运算的实现效率参差不齐，往往依赖于不同硬件厂商的定制代码，移植性差，性能难以保证。Dongarra 教授等人标准化的 BLAS，使得开发者可以用一种统一的方式调用这些基础运算，而底层实现则可以针对不同的处理器架构进行极致的优化。这意味着，无论是在哪种计算机上，只要实现了 BLAS 接口，就能获得接近硬件极限的计算性能。这种标准化和优化，极大地加速了各种科学算法的开发和部署。
LINPACK：如果说 BLAS 是基础的积木，那么 LINPACK 则是用这些积木搭建起来的一座重要建筑。LINPACK 是一个用于求解稠密线性方程组的软件包。它的重要性在于，它成为了衡量计算机浮点运算能力的事实标准，催生了著名的 LINPACK Benchmark。每当新一代超级计算机问世，它都会被拿来运行 LINPACK，以其每秒能完成多少浮点运算（FLOPS）来衡量其性能高低。这个基准测试不仅推动了硬件厂商之间的竞争，不断追求更高的计算速度，也为科学家们评估和选择适合他们任务的计算资源提供了客观依据。
你可以想象一下，如果没有像 BLAS 这样标准且高效的基础库，科学家们每次都要从头开始为不同的硬件平台编写矩阵乘法、向量加法等核心运算，这不仅耗费大量时间和精力，而且很难达到最优性能。Dongarra 教授和他的团队填补了这个巨大的空白，为整个科学计算界提供了一个坚实的、可移植的、高性能的软件工具箱。
核心贡献二：对并行计算的深刻理解与推动
随着计算能力的提升，单核处理器的性能瓶颈逐渐显现，并行计算成为了提升性能的关键。Dongarra 教授也是最早认识到并行计算重要性并积极投入研究的先驱之一。
LAPACK (Linear Algebra PACKage)：在 BLAS 和 LINPACK 的基础上，Dongarra 教授与同事们开发了 LAPACK。LAPACK 进一步扩展了线性代数的功能，不仅包含稠密矩阵的求解，还涉及稀疏矩阵处理以及特征值问题等更复杂的运算。更重要的是，LAPACK 也是最早考虑如何利用并行计算架构的库之一，为后来更复杂的并行算法奠定了基础。
MPI (Message Passing Interface)：虽然 Dongarra 教授不是 MPI 标准的唯一创造者，但他在 MPI 的发展和推广过程中扮演了至关重要的角色。MPI 是目前分布式内存并行计算领域最广泛使用的通信协议标准。它定义了一系列通信操作，允许不同处理器（或计算节点）上的进程之间相互发送和接收数据。这种机制是构建大规模并行程序的核心。Dongarra 教授的团队开发了高性能的 MPI 实现，如 PVM (Parallel Virtual Machine) 和后来的 MPI/RT 等，并积极参与 MPI 标准的制定，使得高性能的并行计算得以在实际应用中落地生根。
想象一下，如果没有像 MPI 这样的标准通信接口，要让成千上万个处理器协同工作完成一项复杂的模拟任务将是极其困难的，每个应用都需要一套完全不同的通信机制。MPI 的标准化，极大地降低了开发大规模并行应用的门槛，使得气候模型、粒子物理模拟、基因测序等复杂科学问题的研究成为可能。
为什么这些贡献如此重要？
Dongarra 教授的贡献不仅仅是编写了几行代码，而是重塑了科学计算的生态系统。
1. 加速科学发现：通过提供高性能、易于使用的数学库，他极大地缩短了科学家们将数学模型转化为可执行程序所需的时间和精力。这意味着科学家可以更快地进行实验模拟，更快地验证理论，从而加速了各个科学领域的发现进程。从物理学到生物学，从工程学到金融学，几乎所有依赖计算的学科都受益于他的工作。
2. 推动硬件发展：LINPACK Benchmark 已经成为衡量超级计算机性能的金标准，直接驱动了硬件厂商在处理器设计、互联技术等方面不断创新，以追求更高的计算效率和更多的核心数量。每一次超级计算机榜单的更新，背后都有着对更高 FLOPS 的不懈追求，而这很大程度上源于对 Dongarra 教授所奠定软件基础的优化和利用。
3. 培养下一代人才：Dongarra 教授在橡树岭国家实验室和田纳西大学担任教授，他培养了大量在高性能计算领域的优秀人才，这些人后来又活跃在科研机构和工业界，将他的思想和技术发扬光大。
总结来说
Jack J. Dongarra 获得 2021 年图灵奖，是对他过去几十年在高性能计算软件开发、标准化和并行计算推动方面做出杰出贡献的高度认可。他不仅仅是一位卓越的程序员或算法设计者，更是一位具有远见卓识的教育家和系统构建者。他所开创的 BLAS、LINPACK、LAPACK 以及对 MPI 的贡献，为现代科学计算奠定了坚实的基础，让大规模科学模拟和复杂问题的解决成为可能，深刻地影响了从基础研究到实际应用的各个层面。他的工作，就像是为所有在数字世界中探索未知领域的科学家和工程师们，铺设了一条宽阔而高效的高速公路。这个奖项是对他个人成就的最高赞誉，也是对高性能计算这一关键领域的长期投入和重要性的肯定。
网友意见
笑死。
他还在我们学校当faculty的时候，各种开讲座输出，我可是亲耳在他的讲座里听他对中国超算群嘲的。当时我还是小粉红，我心中当时是中国之光的某超算被他集火嘲讽linpack benchmark造假，我当时恨不得跟他对线八百回合。
我笑他不懂中国崛起，他笑我年幼无知不懂计算。
利益相关：Jack Dongarra和Bjarne Stroustrup在校时期听过他俩的校友。目前是做计算的。
从近几年图灵奖得主的工作方向能看到一些规律吗？
A.M. Turing Award Winners by Year
(2017)Hennessy, John LPatterson, David 计算机体系结构
(2018)Bengio, YoshuaHinton, Geoffrey ELeCun, Yann 深度学习
(2019)Catmull, Edwin E.Hanrahan, Patrick M. 计算机图形学
(2020)Aho, Alfred VainoUllman, Jeffrey David 编译器
(2021)Dongarra, Jack 高性能计算
感觉这个规律已经呼之欲出了：那就是AI和元宇宙的基础设施
祝贺！最早在本科参加ASC比赛时就接触到了Jack Dongarra这个名字，在高性能计算领域无法避开LINPACK、BLAS、LAPACK和ScaLAPACK等等高性能计算库，当前几乎能用到的所有深度学习所需要的线性代数计算库框架都是老爷子一手搭建起来的。可以说Dongarra的工作为AI的发展插上了翅膀（当然这只是一个方面），在其他很多方面例如数值计算模拟领域，也都少不了高性能计算库得使用，由此也可以看出Dongarra在HPC领域的地位。
HPC为现代AI领域提供了澎湃的算力来源，那么什么时候HPC能被大家再一次重视起来呢？（或许这一次图灵奖可以成为一个契机吧）
如有错误还请指正～
我觉得老爷子获奖毫无疑问是实至名归的事情。
随着现在数据量越来越大，我们也越来越要求算法的scalability（可拓展性）。
我们纯理论领域也很关注scalability。但是往往都是先假设有一台理想的电脑，然后有一些操作的成本是1，然后去数操作数就可以了。
也能搞出来很漂亮的结果，但是由于上面的这个模型过于理想化很多时候实际跑起来可能并不是最优的，甚至可能跑不起来。
如果说想要真的实用的话，那就必须要考虑算法与底层的计算环境以及硬件的交互，并且对什么运算比较影响性能有一个深刻的了解。
这就要求对算法本身以及硬件都有着很高的造诣。
看老爷子的Google scholar从上世纪80年代就开始这方面工作了，而且论文引用量都很高。
虽然并不算领域内的人，但我觉得老爷子的贡献应该是不可否认的。
最后再提一点，发现老爷子是田纳西大学的。这点可能给之后的同学提个醒。申请phd不一定非要往那些top里面挤，普通的大学里面也有大牛。
每年图灵奖公布之际，都会在心里猜一猜会是谁。今年看到Jack Dongarra教授荣获图灵奖，虽然没有猜对，但第一感受仍是惊喜：
一个原因是很高兴看到高性能计算这个如此重要的领域终于轮上图灵奖了。其实我一直觉得如果不是Seymour Cray因为一场车祸于1996年意外离世，高性能计算领域早就应该出一个图灵奖了。Jack Dongarra教授今天获奖，是对整个高性能计算领域的一个迟到的图灵奖。
另一个原因是Jack Dongarra教授真可谓是中国高性能计算界的老朋友，很高兴看到他获得图灵奖。疫情前他每年都要到中国来好多趟，穿梭于中国的各个超算中心。周围有很多朋友和Dongarra教授有很深的交情，所以在他获奖后，朋友圈也有很多人晾出了和他的合影。
上面这篇文章很好地总结了Dongarra教授的贡献，我觉得有一段话总结得特别好：
“近四十年来，摩尔定律使硬件性能呈指数级增长。与此同时，虽然大多数软件未能跟上这些硬件进步的步伐，但高性能数值软件却做到了——这在很大程度上归功于 Dongarra 的算法、优化技术和高质量的软件实施。”
这篇文章还提到Dongarra教授过去的工作：
“过去的四十多年里，Dongarra 一直是 LINPACK、BLAS、LAPACK、ScaLAPACK、PLASMA、MAGMA 和 SLATE 等库的主要参与者或首席研究员。”
但这里却没有提到他的这些工作其实直接催生了一个成功的商业软件——Matlab。
2020年6月19日我曾经在CCF YOCSEF杭州· “Matlab被禁之特别论坛”上介绍过Matlab的起源，提到新墨西哥大学Cleve Moler教授1970年代在NSF支持下带领团队开发了几个软件，一个是EISPACK，另一个是LINPACK，后来为了方便用于教学，又写了一个小工具软件Matlab把它们封装起来。
1979年，Jack Dongarra在新墨西哥大学获得博士学位，他的导师正是Cleve Moler教授，他的博士工作正是开发LINPACK。
用Moler教授自己的话说，LINPACK项目做得很艰难。但是，做难事必有所得！
类似的话题
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有