高性能并行计算在科学计算领域的应用与优化

高性能并行计算在科学计算领域扮演着至关重要的角色,其应用和优化对于推动科学研究和解决复杂问题具有重大意义。文章旨在探讨高性能并行计算在科学计算领域的应用及其优化方法,首先介绍了高性能并行计算的基本概念。然后,详细讨论了高性能并行计算在科学计算中的应用情况。接下来,探讨了高性能并行计算的优化方法和策略,包括并行算法设计、任务划分、数据通信和同步机制等方面,希望可以为相关研究人员提供一定借鉴。

一种高性能并行计算网络—RHiNET

RHiNET是用于构建高性能分布式并行计算系统的光互联网络 ,它由协议、网络接口、交换机和光链路四部分组成 ,有三代实验产品面世。在全面介绍以上各部分的结构、特点后 ,还与其它一些高性能互联网络和标准进行了比较。

高坝抗震高性能并行计算研究及其应用

高坝是复杂的空间结构,其地震响应分析需要同时计入坝体-地基-库水的动态相互作用、坝体伸缩横缝开合的边界非线性、远域坝基的振动能量逸散、近域地基的复杂地形和地质构造、坝体和地基岩体材料的非线性、沿坝基地震动的不均匀性,以及在拱座和地基动力耦合作用下,坝肩潜在滑动岩块的动态稳定性等复杂问题。整个体系的有限元数值计算需要求解几十万、甚至几百万个自由度的方程组。具有120万自由度的沙牌拱坝抗震分析应用单机串行程序计算,需要39d才能完成。在时域内求解如此大规模的非线性动力学问题,计算速度已成为高拱坝地震动分析和抗震安全评价的瓶颈。高性能并行计算已经成为解决大规模科学计算的主要手段。本文作者所在研究团队长期从事高坝地震动响应研究,本文将主要介绍研究团队多年来自主开发的高坝地震动响应并行计算软件(PSDAP)有关理论方法,及其在2010年排名世界上最快运行速度的超级计算机"天河一号"上运行的若干工程实践。

基于高性能并行计算的武器装备混合调度控制方法研究

传统的武器装备混合调度控制方法抗干扰能力差,控制的武器装备数量很少;为了解决上述问题,基于高性能并行计算研究了一种新的武器装备混合调度控制方法,通过高性能并行计算求出混合调度周期,与基本调度周期进行对比,判断武器装备是否适合混合调度,设置实时调度集和优先调度集,确定实时调度命令,根据得到的调度命令,多次传递武器信息,实现调度工作;通过研究的调度方法在武器装备上标记电子标签,引入计算机技术提取控制指令,在多次审核武器装备信息后,完成武器装备的控制工作;为验证研究的调度控制方法操作效果,与传统调度控制方法进行对比实验,结果表明,基于高性能并行计算的武器装备混合调度控制方法具有很强的抗干扰能力,控制的武器装备数量也远远大于传统控制方法,对于现代武器装备管理有着积极的促进意义。

集群高性能并行计算研究

针对集群技术的发展及其与高性能计算的关系,给出了集群的发展历史、集群的分类和构成,指出了并行运算是微机集群发展的—个强大生命力。讨论了集群管理涉及的一些主要方面内容,如负载均衡、单点控制和其它一些系统管理。介绍了两种主要并行支持环境 MPI 和 PVM,以及他们得一些优缺点。最后,给出了有关试验集群的—个测试报告,并与 IBM 大型并行机 SP作了性能比较,证明了微机集群可以获得与传统并行机同样的性能。

求解Boltzmann模型方程高性能并行算法在航天跨流域空气动力学应用研究

对Boltzmann方程碰撞积分物理分析与可计算建模,得到适于描述航天再入从外层空间到近地面各流域统一Boltzmann模型方程,提出求解Boltzmann模型方程统一算法高性能并行计算数学模型.发展离散速度空间区域分解大规模并行计算技术,分析统一算法变量依赖关系,建立可扩展并行计算方案;研究数据并行分布与并行执行特征,开展大规模并行化程序设计,并在小、中、大规模256-512、4096-20 625CPU及异构计算机500-45 000、3125-112 500进程并行算法测试,建立稳定运行于国产千万亿次超级计算机高性能可扩展大规模并行算法与航天器再入跨流域复杂气动力/热绕流问题并行化软件应用平台.通过对稀薄流到连续流再入飞行不同高度可回收返回式卫星飞行器、近空间大尺度机动飞行器跨流域绕流环境不同粒度高性能计算与验证,揭示大尺度复杂结构飞行器跨流区飞行稀薄过渡流区热流系数比连续、近连续流区热流系数随物面变化剧烈得多、大得多,发现该类飞行器后端面热流最大值发生在水平舵外侧拐角处,达驻点热流六分之一量级,提供了一个可靠求解航天器再入各流域高超声速绕流问题统一算法高性能并行计算应用研究方向.

高性能并行可视化服务器的资源管理技术研究

开发高性能并行可视化服务器可充分发挥高性能计算机的资源优势,实现基于高性能计算机的高效并行可视化服务,克服传统后处理模式科学可视化存在的效率低等问题。本文介绍了高性能并行可视化服务器的功能和组成结构,重点论述了在研究高性能并行可视化服务器资源管理技术中提出的基于任务属性的计算结点资源分配算法和基于线性回归的任务属性自适应维护算法,算法能够有效利用高性能计算机的计算资源完成科学计算可视化应用任务的计算节点分配,并具有良好的任务属性自适应维护功能。实验结果表明所提出的算法可针对大数据科学计算可视化任务特点,有效完成并行可视计算的任务调度和资源分配,提高科学计算可视化的效率。

水利科学计算并行计算平台构建及算法实践

文中采用现代先进的信息技术和计算技术,研究基于高性能并行计算的水利水电大型科学计算平台体系和构建,并采用Sun Fire 6800R和Sun Cluster Tools初步形成了高性能并行计算平台的架构,结合水利水电科学计算的实践,通过数学模型的结构分析、并行改造,探索、推广并行计算技术在水利水电数学模型计算领域的应用,并以此构架基于网络的开发式并行计算共享平台。

Ising模型的并行计算

本文以Ising模型为例,介绍有关格点系统的Monte carlo数值模拟并行算法的设计和编程,并给出在本组建造的PC集群式高性能并行计算系统上的测量结果。本文的结果对格点量子色动力学的大规模数值模拟研究有一定的参考价值。

基于深度神经网络与MPI并行计算的人脸识别算法研究

针对实际环境中干扰因素多和计算量大,导致人脸识别准确度下降和系统算力不足的问题,提出了一种基于深度神经网络与MPI并行计算的人脸识别算法.首先,分析深度神经网络模型,设计关键训练步骤,同时收集各类人脸图像,建立训练样本库.然后,结合深度神经网络模型,对样本库数据进行训练,生成识别框架,并借助TensorFlow开源模型与Python来实现算法,进而达到识别人脸的目的.最后,基于MPI并行计算技术,搭建高性能并行计算平台,对所提算法进行分段优化与集成,实现识别系统的高速计算效率.实验测试结果显示:与已有的相关识别技术相比,所提算法具有更高的人脸识别准确度与抗干扰能力,从而可为高端智能监控系统提供技术基础.

E 级计算给 CFD 带来的机遇与挑战

E级(Exascale)计算机有望在2020年前后投入使用,E级计算将给计算科学和科学研究带来革命性的变化。计算流体力学(CFD)作为超大规模计算机应用的重要领域之一,将迎来前所未有的发展机遇,同时也将面临极其严峻的技术挑战。本文对当前国内外超大规模CFD计算的现状进行了概述,探讨了未来CFD的发展趋势,并对E级计算给CFD带来的机遇与挑战进行了分析,最后提出了适应未来E级计算的CFD发展思路与建议。为了实现E级计算的宏伟目标,CFD与计算机科学、应用数学等学科的"协同设计"势在必行。我们期待本文的分析能对我国的高性能计算应用、CFD发展有一定的启示作用。

高精度单频干扰并行压制技术及其应用

为了提高当前工业化处理软件中单频干扰的处理效率,并降低常规处理流程的复杂度,提出并建立了一种高精度单频干扰并行压制新技术。该技术根据最小二乘最优逼近来逐道自动识别与自适应压制单频干扰,同时结合高性能并行处理算法,大大简化了常规处理流程。在XX工区实际地震资料中应用表明,该技术不受其他类型地震噪声影响,能够自动识别含单频干扰的地震道,且能精确得到单频干扰的频率、振幅和相位等信息,具有较高的振幅保真性和计算效率,处理效果优于工业化软件,为勘探成熟区地震资料保幅预处理提供了重要技术参考。

基于Fermi平台的双边滤波超声图像斑点噪声抑制并行处理算法

对医学超声图像使用双边滤波技术不仅可以很好地抑制噪声,同时可以较好地保留组织结构信息。但由于该技术涉及大量的复杂计算往往难以满足实时处理的要求,为此依据Fermi架构技术特性设计完成一种斑点噪声抑制的并行处理算法。数据测试结果显示,采用Fermi架构的GPU处理在保证算法处理效果基础上获得了比较明显的加速效果。对于512×512的图像数据在迭代两次的情况下能够达到25 fps的帧率,速度提高了大约90倍。

CUDA平台下的超声弹性成像并行处理算法

超声弹性模式成像是新兴高端超声成像系统中出现的新型成像模式,与传统的黑白超,彩超成像模式不同,它能够为临床诊断提供组织器官的硬度信息。弹性成像模式可以帮助医生定性和定量地检测组织的弹性值变化,特别是对一些肿瘤疾病如乳腺癌等的早期检测有巨大的推动作用,因此,这一新型检测手段具有十分重大的临床应用价值。但是弹性成像系统在处理时涉及大量的复杂运算,使其难于在临床实时系统中得到应用,为此文章研究并提出一种基于CUDA(Compute Unified Device Architecture,统一计算设备架构)平台的超声弹性成像模式并行处理算法。算法包括了信号预处理,运动计算,应变估计和图像后处理与显示等处理步骤的并行实现。由弹性体模得到的数据实验表明,基于CUDA的超声弹性成像处理结果与基于CPU的实现相比,不仅可以得到相同质量的显示图像,而且可以取得较大的加速效果,满足实时系统需求,文章的数据测试显示对于256×512的信号数据能够达到63fps的帧率,速度提高了85倍。

Fermi架构下超声成像组织运动可视化并行算法

在临床超声实时成像系统中组织运动情况是医生想要获取的重要诊断信息,例如心脏运动.基于线积分卷积的二维矢量场可视化技术可以同时展现运动矢量场的强度和方向.但这一算法在处理时涉及大量的复杂计算,尤其是流线追踪处理部分,使其成为临床实时成像系统中的一大性能提升瓶颈.为此研究并提出了一种基于新兴的高性能并行计算平台Fermi架构GPU(graphics processing unit图形处理单元)的并行运动可视化算法.数据测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到一致的运动可视化和信息分析效果,而且可以取得较大的加速效果.对于260×260的图像数据在使用线积分卷积滤波器长度为7的情况下,速度提高了大约237倍.

基于J-Earth领域编程框架的高效并行大气环流模式(H-GAMIL)构建

高性能并行计算,一直是气候系统模式研究中的重要科学前沿。然而,随着计算机技术的发展,计算机体系结构越来越复杂,以及气候系统模式本身的复杂性使得开发高性能气候系统模式成为一个难题。采用了一种全新的并行程序设计方法:基于针对气象科学中的计算特点发展出的领域编程框架J-Earth,构建了高性能并行大气环流模式H-GAMIL。在对原模式GAMIL分析和解构以后,结合J-Earth的特点,采用面相对象的编程方式,对H-GAMIL进行重构。重构后的H-GAMIL具有现代软件标准化模块化的特点,并具有自动二维剖分、MPI(Message Passing Interface)和Open MP(Open Multi-Processing)混合并行实现、并行输出等新功能。解决了原模式一维剖分受到处理器限制,串行IO等问题。在此基础上,本文对H-GAMIL进行了并行效率测试,结果显示,模式水平分辨率为1°(纬度)×1°(经度)时,可使用上千处理器核,并行效率达40%以上且负载平衡达70%。测试结果表明了H-GAMIL具有较好的并行效率和可扩展性;同时对H-GAMIL模拟性能进行对比分析,其结果表明H-GAMIL保持了原模式的守恒性,并且具有与原模式相当的模拟性能,能够满足气候研究的计算需求,达到实用程度。

压制工业电干扰并行处理模块的开发与应用

压制工业电干扰是勘探成熟区地震保幅预处理的重要内容之一。根据多种频率成分工业电干扰的识别与压制原理,结合CPU多核多线程的并行处理程序设计思路,开发了高性能并行处理模块:ckymonofre,从而保证高效、高精度实现含工业电干扰地震道的自动识别和自适应压制。实际资料处理中的应用效果能够满足工业化应用的需求。

一种基于范围搜索的并行多维分类算法PRSMC

针对高速网络应用对基于范围查找的分组分类算法的要求以及高性能并行计算环境的特点,提出了一种高速多维分组分类算法——PRSMC(基于范围搜索的并行多维分类)算法。该算法具有较快的搜索速度和较强的并行性,特别适合在多CPU多核高性能计算机上实现。同时提出了算法的双缓冲并行实现技术,使得在软件环境中具有良好空间和时间性能。性能实验表明该算法具有良好的可扩展性,算法速度较同类基于区域划分的算法有较大提升,平均分类速率能达到1Mpkt/s左右。

2008年汶川地震中沙牌拱坝的震情检验和分析

为对2008年汶川地震中沙牌拱坝的震情进行检验和分析,本文提出了一个基于损伤力学对高混凝土坝地震损伤破坏过程分析的新方法,可计入残余变形但避免损伤—塑性耦合。由于汶川地震中未能取得坝址的地震动输入记录,为此,采用随机有限断层法,通过邻近台站的加速度记录,对汶川地震中断层破裂模型参数进行校准后,重建了汶川地震中沙牌拱坝坝址的地震动输入加速度时程。为上述计算研发了高性能并行计算程序,在"天河一号"超级计算机上进行了高效运算,并对都经受过强震的沙牌拱坝和美国帕柯依玛拱坝的震情进行了对比分析。计算结果表明,所建议的方法能可靠应用于混凝土坝的地震损伤破坏过程的分析。

基于CUDA的超声B模式成像

超声B模式成像是超声成像系统中最基本的成像模式,能够为临床诊断提供器官组织的解剖信息。但由于从聚焦的射频信号(radio-frequency,RF)到B模式图像的基带处理过程中涉及大量运算,为了得到高质量的B模式图像,现有的医疗系统在实际实现过程中通常依赖于复杂的硬件,这大大加大了实现难度及成本。为此提出了一种基于NVID IA公司统一计算设备架构(compute unified device architecture,CUDA)的超声B模式成像的并行实现,利用图形处理单元(graphic processing unit,GPU)并行计算实现从RF到B模式图像过程中的卷积计算、正交解调、包络检测、数据压缩及扫描转换等处理。临床活体组织数据上的实验表明,针对由规模为191×9344的RF数据得到648×512的B模式图像,基于CUDA的并行实现与基于CPU的实现相比,在保证得到相同质量的B模式图像的前提下,速度提高了69倍。