剛剛，2021 年計算機領域的最高獎項 —— 圖靈獎公布!美國計算機科學家 Jack J. Dongarra 獲獎，以表彰他在高性能計算領域的卓越成就。
根據 ACM 的介紹，Dongarra 的算法和軟件推動了高性能計算的發展，對人工智能、計算機圖形學等多個計算科學領域均產生了重大的影響。
他在數值算法和庫方面做出了開創性的貢獻，使得高性能計算軟件能夠跟上四十多年來的指數級硬件更新。
圖靈獎被稱為「計算機領域的諾貝爾獎」，由美國計算機協會(ACM)于 1966 年設立，目的之一是為了紀念世界計算機科學的先驅艾倫?圖靈(A.M. Turing)，每年評選出在計算機領域作出重大貢獻的一到兩名科學家，獎勵 100 萬美元，由谷歌全額贊助。
Jack Dongarra 是誰?
Jack J. Dongarra 生于 1950 年 7 月 18 日，自 1989 年以來便在田納西大學電氣工程和計算機科學系擔任特聘教授，還是美國橡樹嶺國家實驗室計算機科學和數學部的杰出研究人員。自 2007 年以來，他還擔任曼徹斯特大學數學學院的圖靈研究員，同時在萊斯大學計算機科學系擔任兼職教授。
他的求學經歷如下：
1972 年獲得芝加哥州立大學數學學士學位
1973 年獲得伊利諾伊理工學院計算機科學碩士學位
1980 年獲得新墨西哥大學應用數學哲學博士學位，師從美國工程院院士 Cleve Moler
在博士畢業后、加入田納西大學大學前，他一直在阿貢國家實驗室工作。
回顧 Jack J. Dongarra 的研究生涯，可謂風光無限：他曾獲得 IEEE 計算機先鋒獎、SIAM / ACM 計算科學與工程獎和 ACM / IEEE 肯肯尼迪獎，同時還是 ACM Fellow、IEEE Fellow、SIAM Fellow、AAAS Fellow、ISC Fellow 與 IETI Fellow，真?Fellow 大滿貫。
此外，他還是美國國家工程院院士與英國皇家學會的外籍院士。
看谷歌學術，他的被引數超過了 11 萬，h-index 超過了 130：
他的研究貢獻
據 ACM 官網通報，Dongarra 通過對線性代數運算的高效數值算法、并行計算編程機制和性能評估工具的貢獻引領了高性能計算的世界。
近四十年來，摩爾定律使硬件性能呈指數級增長。與此同時，雖然大多數軟件未能跟上這些硬件進步的步伐，但高性能數值軟件卻做到了 —— 這在很大程度上歸功于 Dongarra 的算法、優化技術和生產質量的軟件實施。
這些貢獻奠定了一個框架，可以使科學家和工程師在大數據分析、醫療保健、可再生能源、天氣預報、基因組學和經濟學等領域取得重要發現和改變游戲規則的創新。Dongarra 的工作還有助于促進計算機體系結構的跨越式發展，并支持計算機圖形學和深度學習的革命。
Dongarra 的主要貢獻是創建了開源軟件庫和標準，這些軟件庫和標準采用線性代數作為中間語言，可以被各種應用程序使用。這些庫是為單處理器、并行計算機、多核節點和每個節點的多個 GPU 編寫的。Dongarra 的庫還引入了許多重要的創新，包括自動調整、混合精度算術和批處理計算。
作為高性能計算的領先研究者，Dongarra 帶領該領域說服硬件供應商優化這些方法，并說服軟件開發人員在他們的工作中以他的開源庫為目標。最終，這些努力導致基于線性代數的軟件庫在從筆記本電腦到世界上最快的超級計算機等機器上實現了幾乎普遍的高性能科學和工程計算。這些庫對于該領域的發展至關重要 —— 使功能越來越強大的計算機能夠解決具有計算挑戰性的問題。
ACM 的主席 Gabriele Kotsis 表示：
「除了對打破新記錄的興趣之外，高性能計算一直是科學發現的主要工具。HPC 創新也蔓延到許多不同的計算領域，推動了我們整個領域的發展。Jack Dongarra 在指導這一領域的成功發展中發揮了核心作用。他的開創性工作可以追溯到 1979 年，至今他仍是 HPC 領域最重要且積極參與的領導者之一。他的職業生涯無疑體現了圖靈獎對『具有持久重要性的重大貢獻』的認可。」
谷歌的 Jeff Dean 也評價：
「Jack Dongarra 的工作從根本上改變并推動了科學計算。他在世界上使用最頻繁的數值庫的核心所做的深入而重要的工作是科學計算各個領域的基礎，幫助推進了從藥物發現到天氣預報、航空航天工程和其他數十個領域的發展，他專注于表征廣泛的計算機已經為計算機體系結構帶來重大進步，(使之)非常適合數值計算。」
四十多年來，Dongarra 一直是 LINPACK、BLAS、LAPACK、ScaLAPACK、PLASMA、MAGMA 和 SLATE 等多個庫的主要實施者或首席研究員。這些庫是為單處理器、并行計算機、多核節點和每個節點的多個 GPU 編寫的。他的軟件庫幾乎普遍用于在從筆記本電腦到世界上最快的超級計算機等機器上進行高性能科學和工程計算。
這些庫體現了許多深刻的技術創新，例如：
自動調整：從他獲得「2016 年超算會議時間測試獎 ATLAS」的項目來看，Dongarra 開創了自動查找算法參數的方法，這些算法參數能夠產生接近最佳效率的線性代數內核，通常優于供應商提供的代碼。
混合精度算術：在他被 2006 年 SC 會議接收的論文“Exploiting the Performance of 32 bit Floating Point Arithmetic in Obtaining 64 bit Accuracy”中，Dongarra 率先利用浮點算術的多種精度來更快地提供準確的解決方案。最近的 HPL-AI 基準(該基準在世界頂級超級計算機上實現了前所未有的性能水平)測試展示，這項工作在機器學習應用中發揮了重要作用，該基準在世界頂級超級計算機上實現了前所未有的性能水平。
批量計算：Dongarra 開創了將大型密集矩陣的計算劃分為可獨立和并行計算的范式，常被用于模擬、建模和數據分析。根據他在 2016 年的論文“Performance, design, and autotuning of batched GEMM for GPUs”，Dongarra 領導了用于此類計算的「批量 BLAS 標準」的開發，并應用于軟件庫 MAGMA 和 SLATE 中。
Dongarra 在上述工作中與許多國際學者進行合作，通過不斷開發新技術以最大限度地提高性能和便攜性，同時使用最先進的技術保持數值可靠的結果，始終扮演了創新驅動力的角色。
他領導的其他研究還包括消息傳遞接口 (MPI)，MPI 是并行計算架構中可移植消息傳遞的事實標準;以及性能 API (PAPI)，它提供了一個接口，允許從異構系統收集和合成來自組件的性能。他幫助創建的標準(例如 MPI、LINPACK 基準測試和 Top500 超級計算機列表)支撐著從天氣預報到氣候變化再到分析大型物理實驗數據的計算任務。
