数据挖掘算法在大规模数据集上的高性能计算实现与效果评估

本文以“数据挖掘算法在大规模数据集上的高性能计算实现与效果评估”为主题,针对当今大规模数据集背景下,数据挖掘算法在计算性能方面面临的挑战,提出了一种高效的计算实现方法,并对其在实际应用中的效果进行了评估。文章从算法层面入手,通过优化算法结构和设计,提升了算法在大规模数据集上的计算效率,同时基于高性能计算平台,对优化后的算法进行了实际部署,确保了其在大规模数据集上能够快速、稳定地运行。通过对多个真实场景的数据集进行实验验证,充分评估了所提方法在不同应用场景下的性能表现,验证了其在大规模数据集上具有显著的计算效果。

GPU高性能计算在大规模通信系统仿真中的应用

5G系统仿真中,由于多小区、多用户、多基站,多天线的大规模通信系统的出现,5G通信系统仿真的时间过长。为了突破5G仿真的"时间瓶颈",本文将高性能GPU计算应用到大规模通信系统的仿真中,利用CPU和GPU的交互编程,完成仿真任务,并提升仿真效率。以信道系数从时域到频域的变换为例,对单个GPU和多GPU在通信系统仿真中的应用进行研究,得出了仿真性能提升的方法和提升效果。

基于大规模事务处理系统的中间层语义缓存技术的研究

对当前的中间层语义缓存的研究进行了分析,以一个大规模事务处理系统为背景,提出了一个针对海量数据统计分析的中间层语义缓存解决方案,给出了其相关定义、体系结构及管理机制,并在大规模事务处理系统上对语义缓存进行了测试。

面向大规模网络的高性能仿真平台建设思维探讨

随着网络技术的飞速发展,网络规模迅速膨胀,网络拓扑结构日益复杂,设计一套能够对大规模网络进行高性能仿真的支撑平台已经成为实现大规模网络仿真亟需解决的问题。然而,当前对大规模网络仿真平台的认识不够全面深入,现有的仿真平台还不能有效满足大规模网络灵活扩展、柔性重构、高效运行和面向服务等新需求。亟需从不同角度、多个侧面重新认识大规模网络仿真平台,寻找更加科学的平台建设思路。为此,采用多个全新视角对大规模网络仿真平台进行重新审视和深入认识,深入研究大规模网络仿真环境生成和运行中迫切需要解决的重要问题,重点分析大规模网络仿真特性和平台需求,提出网络仿真平台建设所应把握的4种思维模式,并对其在网络仿真平台建设中的应用进行了分析。研究成果能够为实现大规模网络的高性能仿真提供可借鉴的理论依据和有效手段。

集约型超大规模高性能轿车子午线轮胎生产系统及工程关键技术

介绍了集约型超大规模高性能轿车子午线轮胎生产系统及工程关键技术研发的背景及意义,分析了该研发的技术原理,列举了研发的主要内容,包括工程总体方案研究、总体设计、各专业技术集成设计研究、公用工程集成创新技术、建造关键技术等,总结了该项研究的主要技术特征和总体性能指标。该研究对轮胎企业提高技术水平、促进技术进步、节约成本、节能降耗、提高供给竞争力有着很好的作用,可供同行借鉴。

新思科技针对400G超大规模数据中心推出高性能EthernetIP

DesignWare 56G Ethernet PHY满足下一代叶脊网络架构传输和性能要求重点:最新Design Ware 56G Ethernet PHY支持PAM-4和NRZ信号标准,适用于100G、200G和400GEthernet应用。硅验证的可配置发射器和基于DSP的接收器以及模数转换器降低功耗并优化了性能。

大规模并行处理技术应用综述

大规模并行处理技术是构建高性能计算的重要途径。该文论述了大规模并行处理技术的技术要点,并讨论了该技术在高性能计算机、高性能处理器及高性能系统芯片设计中的应用。

构建高性能可扩展业务逻辑的事务支持

分布式事务服务是企业级大规模分布计算的关键服务,而处理效率和可扩展性,是影响企业业务逻辑的工作性能和应用范围的重要因素,其中业务逻辑的事务支持部分与企业用户密切相关,在分布式计算中扮演重要的角色。以网络核心平台Once的分布式事务中间件OnceTX的设计和实现为例,探讨了如何在保证分布式事务服务可靠性和一致性的前提下,提高事务支持部分的处理效率和可扩展性。

科学工作流与高性能计算集成方案

科学工作流为科学计算提供了工作流定义、流程管理和任务并行化等支持,高性能计算为大规模数据处理提供了集群管理、任务管理、资源调度等机制。如今正进入一个"大数据"时代,将科学工作流系统与高性能计算结合实现高性能计算平台上大规模并行计算具有重要意义。集成中间件与上层工作流系统和底层高性能计算平台进行交互,提供任务提交与状态监控功能。同时,集成方案为分布式集群中计算平台提供新的参考实现。基于上述分析以Swift科学工作流与Windows高性能计算平台集成方案为例,通过NASA MODIS图片处理工作流来分析并验证集成方案的可行性和性能。

基于曙光并行机的超大规模非线性方程组并行算法研究

该文讨论了一类求解大规模非线性方程组算法的并行性能及其在曙光并行机上的实现过程 .与传统的算法不同之处是用一个块对角矩阵作为迭代矩阵 ,且该矩阵可由一个仅包含向量内积和矩阵与向量乘积的递推关系简便计算得到 .在对算法进行描述之后 ,分析了算法的并行加速比和存储需求 ,讨论了算法在基于消息传递的 MPI并行环境下的实现流程 ,数值计算表明理论分析与数值结果相符合 ,算法在分布式并行环境下具有较好的并行度和较低的存储要求 。

高性能计算技术发展

高性能计算(超级计算)技术是国家发展的战略性制高点技术。本文介绍了高性能计算技术的重要地位及当今世界各国装备应用情况;介绍了高性能机的发展历史与分类、最近十年的标志性成果及最近一年的世界最快计算机的前10名;分析了发展高性能计算技术的主要难点和研究方向;展望了未来十年发展的巨大新挑战。

高性能计算机曙光4000A的网格使能特征

网格计算的理想是实现基于Internet的资源共享和协同工作 ,是Internet继WWW后的又一个发展浪潮 高性能计算机 (超级服务器 )是网格中主要的共享资源提供者 ,而网格也必将成为高性能计算机的主要应用环境 因此网格成为推动高性能计算机发展的一个重要因素 ,高性能计算机研制中必须考虑网格的需求 ,并提供必要的支持 曙光 4 0 0 0A是由中国科学院计算技术研究所最新研制的面向网格的高性能计算机 ,该系统的研制得到国家“八六三”高技术研究发展计划的支持 ,并作为中国国家网格的主节点部署在上海超级计算中心 详细论述了曙光 4 0 0 0A系统中主要的网格使能特征 ,这些特征从体系结构、系统硬件和软件方面对网格提供了支持 。

高性能低功耗微控制器IP软核设计综述

介绍了IP核复用技术及微控制器的发展趋势,探讨了国内外微控制器芯片设计的现状;提出建立高性能、低功耗微控制器IP核库是我国IC设计业的一个发展方向。

高性能计算技术及标准现状分析

高性能计算是科技创新体系的重要组成,是知识创新和技术创新的重要能力支撑,是新时期下与理论、实验并重的三大科技创新手段之一。在过去的三十年间,高性能计算取得了以突飞猛进的进展,高性能计算已经进入E级计算时代,我国在高性能计算领域也取得了跨越式的发展,取得了天河、神威、曙光为代表的一系列成果,高性能系统研制水平跻身国际一流行列。随着摩尔定律接近极限,高性能计算技术的性能提升之路面临巨大挑战,在后摩尔时代,将依赖算法、软件和硬件架构去提升高性能计算机系统的终极性能。另一方面,与高性能计算机技术飞速发展相比,高性能计算标准的发展还存在很多不足。文中首先分析了当前国内外高性能计算机技术的发展现状及趋势,然后剖析了当前国内外高性能计算标准的现状及趋势,最后给出了当前发展中国高性能计算机标准的必要性和重要性。

高性能纤维和材料在防弹衣上的应用

1世界各国防弹纤维的发展 目前工业化、大规模生产的高性能纤维主要有对位芳香族聚酰胺纤维(芳纶纤维)、超高分子量聚乙烯纤维和炭纤维,广泛应用于防弹领域的是前两种.芳纶纤维的比强度和比模量是钢铁的10倍,而超高分子量聚乙烯纤维的强度又高出芳纶纤维1.5倍左右.

基于IA架构的高性能计算平台的研究

目前众多领域对大规模计算逐渐显示出一种迫切的需求,集群技术在高性能计算领域中的理论研究和实践越来越得到广泛的关注。高性能计算是解决大规模聚变模拟计算的有效途径。本文介绍如何基于集群技术构建聚变研究高性能计算系统,分析了系统的基本体系结构,从硬件和软件两个方面详细解析其高性价比的构建技术。

AIPerf:大规模人工智能算力基准测试程序

随着我国近几年人工智能新基建与大规模计算系统的逐步落地,为了使大规模人工智能计算系统健康持续发展,需要一个能够有效地评价计算系统的人工智能算力的评价指标,而现有的测试方法无法满足这一需求。目前,已有一些大规模计算系统的评测程序,例如Linpack是一个目前被广泛使用的高性能计算机双精度浮点运算性能基准评测程序,国际超算Top 500榜单依据Linpack值来进行排名。

一种高性能可重构深度卷积神经网络加速器

由于深度卷积神经网络的卷积层通道规模及卷积核尺寸多样,现有加速器面对这些多样性很难实现高效计算。为此,基于生物脑神经元机制提出了一种深度卷积神经网络加速器。该加速器拥有类脑神经元电路的多种分簇方式及链路组织方式,可以应对不同通道规模。设计了3种卷积计算映射,可以应对不同卷积核大小;实现了局部存储区数据的高效复用,可大量减少数据搬移,提高了计算性能。分别以目标分类和目标检测网络进行测试,该加速器的计算性能分别达498.6×10^9次/秒和571.3×10^9次/秒;能效分别为582.0×10^9次/(秒·瓦)和651.7×10^9次/(秒·瓦)。

基于带外存储虚拟化的逻辑卷高性能快照

在逻辑卷级别实现快照既能屏蔽物理存储设备的异构性,又能为各种应用提供透明的数据保护支持.提出了一种基于带外存储虚拟化系统的高性能快照方法LVHPsnap,它通过可扩展的元数据组织策略,能够灵活使用多种类型的快照适应不同应用的需求;通过以Finesnap卷、Checkpoint卷两种类型快照卷构建混合快照链表和压缩快照索引数据实现了高性能快照,以高频度生成快照时系统能保持较高的性能和存储空间利用率;引入自适应快照机制,通过监控数据块修改频度,使自动生成快照的时间间隔随应用负载的变化动态调整,实现数据按需保护.基于真实工作负载和基准测试程序的实验表明,在构建混合快照链表的条件下,LVHPsnap的性能和存储空间利用率随Finesnap卷的比例增加而提高,例如当Finesnap卷与Checkpoint卷比例分别为4:1和8:1时,LVHPsnap的性能分别较集群虚拟化系统LVM2提高了109.45%和130.86%,存储空间使用量分别仅为LVM2系统的43.40%和31.35%.

基于集群技术的高性能计算系统研究平台的构建

集群系统是随着微处理器技术和计算机互连网络技术的迅速发展而出现的一种并行计算系统,它使用高速通信网络将多台原本独立、完整的微机或工作站连接在一起,构成一个统一的整体,使之可作为一种单一的计算资源来使用.集群与SMP(对称多处理)和MPP(大规模分布式处理)相比,具有更高的可扩展性、可用性和易维护性,而且价格低,性价比高:相对于SMP、MPP类型的大型主机而言,使用相同等级的集群,价格仅为大型主机的六分之一.更重要的是,由于集群系统基于IA(IntelArchitecture)构架,采用的是商用处理器和商用高速网络,并且采用消息传递的编程模型,使其开发的程序具有很高的通用性和可移植性,可应用于不同的并行计算机.基于集群技术的高性能计算平台已成为并行计算系统发展的一种新主流技术,为磁约束聚变研究的大规模计算问题提供了一个有效解决途径.