超级计算机通常使用的软件包括以下几种：
操作系统
Linux操作系统：Linux操作系统在全球超级计算机中占据主导地位，特别是在TOP500超级计算机中，有85.4%的超级计算机使用Linux。
编程语言
C/C++：C语言是一种低级编程语言，具有高效的性能和强大的硬件控制能力，被广泛用于超级计算机的底层系统软件和设备驱动程序。
Fortran：Fortran是一种面向科学计算的编程语言，特别适合处理大规模数值计算和科学模拟，许多超级计算机上的科学应用程序仍然使用Fortran编写。
Python：Python是一种高级编程语言，具有简洁的语法和强大的库支持，在超级计算机中通常用于编写高层次的应用程序和数据分析脚本。
Java：Java是一种广泛使用的面向对象编程语言，具有跨平台的特性和良好的可移植性，一些超级计算机上的应用程序和中间件可能使用Java来实现。
MATLAB：MATLAB是一种专门用于数值计算和数据可视化的高级编程语言，具有丰富的数学和工程库，适用于开发科学计算和数据分析应用。
并行编程模型和框架
MPI （Message Passing Interface）：MPI是一种并行编程模型，用于在超级计算机集群中实现进程间通信。
OpenACC （Open Accelerators）：OpenACC是一种并行编程标准，用于在超级计算机上利用加速器进行并行计算。
深度学习框架：如TensorFlow、PyTorch、Caffe等，这些框架支持机器学习和深度学习任务的开发和运行。
分布式计算框架：如Spark、Hadoop等，这些框架用于大规模数据处理和分布式计算。
其他工具
AI超级计算机：通常采用深度学习框架和分布式计算框架来支持机器学习和深度学习任务的开发和运行。
Project DIGITS：由英伟达发布的个人AI超级计算机，使用Nvidia AI Enterprise软件平台进行AI模型的本地开发和测试。
建议
选择合适的操作系统：对于高性能计算，Linux是一个可靠且高效的选择。
掌握多种编程语言：了解并掌握C/C++、Fortran、Python等编程语言，以便能够充分利用超级计算机的计算能力。
学习并行编程模型：熟悉MPI和OpenACC等并行编程模型，以便更有效地利用多核处理器和集群资源。
利用深度学习框架：对于AI相关任务，学习和使用TensorFlow、PyTorch等深度学习框架可以大大提高开发效率。