脑科学视角下的高性能计算

高性能计算已经成为脑研究的必要手段,为脑研究开启了全新的研究视角和研究模式;反过来脑研究为高性能计算提供新思路、提出了新要求,催生着新型计算模式的出现.具体来说:(1)近年来脑观测技术性能不断提升,多模态观测普遍采用,全球范围内交叉联合研究也越来越成为常态,使得"大数据"和"云计算"成为脑研究的一种崭新研究视角和研究方法;(2)信息科学家提出了深度神经元网络、脉冲神经元网络等大规模学习算法,这些算法从神经科学中汲取了营养,显著提升了自身性能,实现了人脑智能的某些特征,具有大脑计算模式高效率、低功耗的特征,在多领域内取得了显著的成效.这些算法的研究和实现对高性能计算提出了越来越高的要求,给目前基于传统微处理器和计算架构的计算平台带来了几乎无法克服的困难;(3)信息科学家和神经科学家联合,开始在类脑微处理器和类脑计算架构等层面上开展新型类脑计算探索性研究,取得的研究进展显示了该领域未来充满希望.基于以上三点原因,高性能计算和脑科学研究正越来越紧密地交织在一起,彼此融入了对方的发展.文中以脑研究为切入点,分别从高性能计算对脑研究的技术支撑以及脑研究对高性能计算的启发和推动两个方面对脑科学视角下的高性能计算的现状和发展趋势进行了讨论.

虚拟肝脏手术中的美兰注射实现技术研究

肝脏肿瘤切割手术中美兰注射过程是准确找到肿瘤所在位置的关键步骤之一。真实地模拟出美兰注射过程对虚拟肝脏肿瘤切割手术而言至关重要。针对虚拟手术中真实感的需求,提出了一种结合纹理映射技术的美兰注射模拟算法。运用扩散方程模拟了美兰在纹理表面的扩散过程,并结合保角映射算法将变化的纹理映射到虚拟手术中的三维网格表面。扩散方程能够真实地模拟出液体在物体表面扩散的过程,保角的纹理映射算法能够得到三维网格点的纹理坐标。实验结果表明,美兰注射过程的模拟算法能够模拟出虚拟肝脏肿瘤切割手术过程中的肿瘤标定,满足虚拟手术中的真实感需求。

编译基础设施Openimpact调试信息生成的设计

基于编译基础设施Openimpact开发DSP编译器的过程中,调试信息的生成是支持调试功能的必要条件。Openimpact本身并不支持调试信息的生成,它仅仅将调试信息从源代码携带到前端,以高级中间语言Pcode格式存放。为了支持调试信息的生成,我们必须对Openimpact进行适当扩展。本文详细讨论了具体扩展方法,包括调试信息从Pcode格式到低级中间语言Lcode格式的转换以及从Lcode格式到汇编格式的生成。