CN106407005B - 一种基于多尺度耦合的并行进程合并方法及系统 - Google Patents

一种基于多尺度耦合的并行进程合并方法及系统 Download PDF

Info

Publication number
CN106407005B
CN106407005B CN201610789024.9A CN201610789024A CN106407005B CN 106407005 B CN106407005 B CN 106407005B CN 201610789024 A CN201610789024 A CN 201610789024A CN 106407005 B CN106407005 B CN 106407005B
Authority
CN
China
Prior art keywords
width
merging
memory
data
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610789024.9A
Other languages
English (en)
Other versions
CN106407005A (zh
Inventor
聂宁明
贺新福
李建江
张博尧
贾丽霞
杨少峰
冯仰德
吴石
王东杰
豆艳坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Computer Network Information Center of CAS
China Institute of Atomic of Energy
Original Assignee
University of Science and Technology Beijing USTB
Computer Network Information Center of CAS
China Institute of Atomic of Energy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB, Computer Network Information Center of CAS, China Institute of Atomic of Energy filed Critical University of Science and Technology Beijing USTB
Priority to CN201610789024.9A priority Critical patent/CN106407005B/zh
Publication of CN106407005A publication Critical patent/CN106407005A/zh
Application granted granted Critical
Publication of CN106407005B publication Critical patent/CN106407005B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于多尺度耦合的并行进程合并方法及系统。其中，该方法包括:分别计算统计需耦合计算的至少两类计算方法所需的变量和所需的内存空间，并确定需传递的数据的类型与大小；判断所述至少两类计算方法中第一类计算方法的n个进程合并成第二类计算方法的1个进程的合并宽度；按照所述合并宽度对第一类计算方法的n个进程和第二类计算方法的1个进程之间的数据进行释放和迁移传输。该系统包括第一计算模块，第二计算模块和传输模块。本发明实现了计算方法在大规模并行计算中进行不同进程的数据合并，节约了计算资源，实现资源利用的最大化。

Description

一种基于多尺度耦合的并行进程合并方法及系统
技术领域
本发明涉及计算方法的并行进程合并技术，尤其涉及一种基于多尺度耦合的计算方法的并行进程合并方法及系统。
背景技术
在多尺度耦合大规模计算中，通常会涉及到两类或以上计算方法的耦合计算，而不同计算方法在大规模计算中对于内存的需求也会不尽相同。因此在实现超大规模的耦合计算时，为节约计算资源，实现资源利用最大化，对于两类或以上计算方法在大规模并行计算中进行不同进程的数据合并十分必要。
在多尺度耦合计算中，两类或以上计算方法的耦合通常牵涉到各计算方法之间的数据继承与传递。对于超大规模多尺度耦合并行计算中，各计算方法间的数据传递更是一个难点。
发明内容
本发明的目的在于，解决现有的超大规模多尺度耦合并行计算中不同进程的数据合并困难的问题，提供了一种基于多尺度耦合的并行进程合并方法及系统，通过计算合并宽度并对相应进程数据进行释放和迁移传输，实现计算方法在大规模并行计算中进行不同进程的数据合并，节约了计算资源，实现资源利用的最大化。
为了实现上述目的，一方面，本发明提供了一种基于多尺度耦合的并行进程合并方法，该方法包括以下步骤：分别计算统计需耦合计算的至少两类计算方法所需的变量和所需的内存空间，并确定需传递的数据的类型与大小；判断所述至少两类计算方法中第一类计算方法的n个进程合并成第二类计算方法的1个进程的合并宽度；按照所述合并宽度对第一类计算方法的n个进程和第二类计算方法的1个进程之间的数据进行释放和迁移传输。
另一方面，本发明提供基于多尺度耦合的并行进程合并系统，具体包括：第一计算模块，分别计算统计需耦合计算的至少两类计算方法所需的变量和所需的内存空间，并确定需传递的数据的类型与大小；第二计算模块，判断所述至少两类计算方法中第一类计算方法的n个进程合并成第二类计算方法的1个进程的合并宽度；传输模块，按照所述合并宽度对第一类计算方法的n个进程和第二类计算方法的1个进程之间的数据进行释放和迁移传输。
本发明提供的一种的基于多尺度耦合的并行进程合并方法及系统，实现了计算方法在大规模并行计算中进行不同进程的数据合并，节约了计算资源，实现资源利用的最大化。
附图说明
图1为本发明实施例提供的一种基于多尺度耦合的并行进程合并方法流程示意图；
图2为本发明实施例提供的一种基于多尺度耦合的并行进程合并系统结构示意图；
图3为图1所示基于多尺度耦合的并行进程合并流程中一个以MD与KMC的耦合计算为例的示意图；
图4为图1所示基于多尺度耦合的并行进程合并流程中另一个以MD与KMC的耦合计算为例的示意图；
图5为图1所示基于多尺度耦合的并行进程合并流程中，按照合并宽度对进程进行数据合并的过程示意图；
图6为图1所示基于多尺度耦合的并行进程合并流程中，按照合并宽度对相应进程数据进行释放和迁移传输的整体流程图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案作进一步的详细描述。
本发明实施例提供的一种的基于多尺度耦合的并行进程合并方法及系统，实现了计算方法在大规模并行计算中进行不同进程的数据合并，节约了计算资源，实现资源利用的最大化。
图1为本发明实施例提供的一种基于多尺度耦合的并行进程合并方法流程示意图。如图1所示，该方法包括步骤101-103：
步骤101，分别计算统计需耦合计算的至少两类计算方法所需的变量和所需的内存空间，并确定需传递的数据的类型与大小。
具体地，根据材料多尺度耦合计算的不同计算方法的实际情况，进行数据类型与大小的统计。
本实施例以Cu-Fe合金为材料样本，以分子动力学模拟(MD)和动力学蒙特卡罗模拟(KMC)两类计算方法为例。在MD和KMC方法程序中，每个原子所占内存大小是确定的，由于MPI(Multi Point Interface)通信方式和缓冲结构也是确定的，且Cu-Fe合金在固体状态下是排布均匀的单晶结构,所以如果知道每个进程上模拟的样本块的长，宽，高，就可以计算出它与相邻进程通信所需的缓冲开销，缓冲开销通过以下公式获取：
memBuffers＝2*a*(n*blockX*blockY+n*blockX*blockZ+blockY*blockZ)其中，a为单位接触面积通信所需的内存大小，n为合并宽度，blockX，blockY，blockZ分别为MD模拟物理块在X轴，Y轴，Z轴上的长度，各进程相同。据此在程序运行前计算出合并宽度为n时每个KMC进程所需的内存空间：
mem_n＝memAtoms(nTotalAtoms)+memBuffers+comVariables，其中nTotalAtoms为合并的n个进程中的原子数之和，memAtoms(nTotalAtoms)为原子所占内存，comVariables为公共变量所占内存。
步骤102，判断MD的n个进程合并成KMC的1个进程的合并宽度；以按行合并数量相同的相邻的进程块为例，实现进程合并宽度n的自动判断。
(1)以X轴方向为准，对Y轴和Z轴方向的行循环，进行进程合并；
(2)初始化合并宽度：n＝1；
(3)计算加入合并组numGroup的数据量大小：
若m％n＝0时，x轴上每行的进程按宽度n可分为m/n组。若m％n！＝0时，x轴上每行的进程按宽度n可分为m/n+1组，最后一组的合并进程数小于n，所占总内存小于前面任何一组，所以在计算时只计算前面合并进程数为n的组的内存即可。
①计算加入合并组numGroup的n个进程内原子存储数据大小：
其中，numProc_Y表示进程的Y轴坐标，numProc_Z表示进程的Z轴坐标，procMD[n*numGroup+i][numProc_Y][numProc_Z]表示坐标为([n*numGroup+i],[numProc_Y],[numProc_Z])的进程号，nAtoms[procMD[n*numGroup+i][numProc_Y][numProc_Z]]表示第i个进程的原子存储数据大小,numGroup表示按X轴分组后的组别编号，i表示n个进程内的第i个进程。
②计算加入合并组numGroup的n个进程通信缓存数据大小：
memBuffers＝2*a*(n*blockX*blockY+n*blockX*blockZ+blockY*blockZ)
③计算加入合并组numGroup的n个进程数据总量大小
mem_n＝memAtoms(nTotalAtoms)+memBuffers+comVariables；
(4)确认合并宽度n的值：
①如果计算所得的内存mem_n大于单个进程的实际物理内存phyMem，则这行最大合并宽度为当前n减1。继续对其他行进行计算。
②如果计算所得的内存mem_n小于或等于单个进程的实际物理内存phyMem，且组号numGroup为最大组号m/n时，进程合并宽度为当前的n，将n值n加1后继续对该行进行宽度为n+1的判断；
(5)计算所有行的合并宽度n中的最小值，即为MD算法与KMC算法耦合的进程合并宽度。
If n<min_n then
min_n＝n
假设模拟区域块在分子动力学模拟阶段有m*m*m个进程，即X、Y、Z轴三个方向上的进程数均为m，MPI数据重分布的方案为以x轴方向为准将n个MD进程合并为一个KMC进程，则根据m是否能够被n整除分为两种情况，m能被n整除时，每个KMC进程的模拟规模相同，若m不能被n整除，则有m％n个进程的模拟规模会小于其他的KMC进程。
图3、图4分别为图1所示基于多尺度耦合的并行进程合并流程中，以MD与KMC的耦合计算为例的示意图，图3中m＝2，n＝2，图4中m＝3,n＝2。
步骤103，按照合并宽度对MD的n个进程和KMC的1个进程之间的数据进行释放和迁移传输。
在MD与KMC的大规模耦合计算中，为了最大限度地利用计算机资源，MD计算规模通常会设计成内存使用达到每个进程物理内存允许的上限，在运行过程中各进程的内存几乎会被用完，因此选择出在下一步KMC模拟中不需要的数据，将其释放为合并进程腾出空间十分重要。先将MD中对KMC模拟过程中没有影响的原子速度、力等变量空间释放掉，腾出足够的内存空间用于缺陷处理。用Wigner-Seitz缺陷分析方法对MD计算结果的所有原子进行缺陷处理，得到空位、间隙原子和正常原子的信息，同时也可以得到晶格点上原子的类型信息，存到数组TYPE中。其中，数组TYPE的数据就是KMC模拟计算所需的原子及其相关信息。缺陷处理结束后释放掉处理过程中新申请的内存的原子坐标所占用的内存，然后进行进程间数据的迁移。
对于数据迁移，首先必须确定数据接收进程，即继续进行KMC模拟的进程，以及数据发送进程，在数据发送结束后将进程杀死。合并的进程在物理模型和计算机模型上并无区别，因此，认为规定将合并的n个相邻进程中X坐标最小的进程作为接收进程，其他进程为发送进程。对于接收进程，一方面要接收发送进程发来的数据，另一方面，要进行KMC模拟的初始化。由于Cu-Fe合金在固体状态下是排布均匀的单晶结构，所以只需发送Cu和空位对应的TYPE数组的信息即可，其他晶格点上默认为铁。保留MD模拟中给晶格点上原子类型数组、电子云密度数组以及嵌入能导数数组分配的内存空间，作为KMC模拟中存储晶格点原子类型以及二体斥能EV和嵌入能ER的的存储空间，而模拟温度，时间步长，总时间等变量则可以根据输入重新赋值，继续使用。
图5为图1所示基于多尺度耦合的并行进程合并流程中，按照合并宽度对进程进行数据合并的过程示意图，其中合并宽度n＝2。
数据迁移流程如下：
(1)以X轴为基准进行进程合并的数据迁移过程，根据合并宽度n计算沿X轴方向的MD进程合并成numTolGroup个KMC进程：
(2)在MD进程中进行数据处理，将KMC进程中不需要的数据释放掉：
①释放力和速度变量；
②采用Wigner-Seitz缺陷分析方法进行缺陷处理，更新格点原子类型数组TYPE；
(3)对于KMC接收进程，释放原子坐标所占的内存P(上一步缺陷处理用到了原子坐标信息)，清空电子云密度数组rho以及嵌入能导数数组df，用于在KMC模拟中存储能量相关的变量ER、EV；
(4)数据迁移：发送进程将存储晶格点处原子类型的数组TYPE中表示类型为Cu和空位的部分发送给接收进程；
(5)更新进程拓扑信息；
(6)杀死进程合并后剩下的空闲进程；开始KMC模拟。
图6为图1所示基于多尺度耦合的并行进程合并流程中，按照合并宽度对相应进程数据进行释放和迁移传输的整体流程图。
本发明提供的一种的基于多尺度耦合的并行进程合并方法，实现了计算方法在大规模并行计算中进行不同进程的数据合并，节约了计算资源，实现资源利用的最大化。
图2为本发明实施例提供的一种基于多尺度耦合的并行进程合并系统结构示意图。该并行进程合并系统500包括第一计算模块501、第二计算模块502和传输模块503。
第一计算模块501，分别计算统计需耦合计算的至少两类计算方法所需的变量和所需的内存空间，并确定需传递的数据的类型与大小；
第二计算模块502，判断所述至少两类计算方法中第一类计算方法的n个进程合并成第二类计算方法的1个进程的合并宽度；
传输模块503，按照所述合并宽度对第一类计算方法的n个进程和第二类计算方法的1个进程之间的数据进行释放和迁移传输。
本发明实施例提供的一种的基于多尺度耦合的并行进程合并系统，实现了计算方法在大规模并行计算中进行不同进程的数据合并，节约了计算资源，实现资源利用的最大化。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于多尺度耦合的并行进程合并方法，其特征在于，包括以下步骤：
分别计算统计需耦合计算的至少两类计算方法所需的变量和所需的内存空间，并确定需传递的数据的类型与大小；
判断所述至少两类计算方法中第一类计算方法的n个进程合并成第二类计算方法的1个进程的合并宽度；
按照所述合并宽度对第一类计算方法的n个进程和第二类计算方法的1个进程之间的数据进行释放和迁移传输；
所述至少两类计算方法包括MD分子动力学模拟与KMC动力学蒙特卡罗模拟，所述内存空间通过以下步骤获取：
所述至少两类计算方法中每个进程与相邻进程通信所需的缓冲开销为memBuffers＝2*a*(n*blockX*blockY+n*blockX*blockZ+blockY*blockZ)，其中，a为单位接触面积通信所需的内存大小，n为合并宽度，blockX，blockY，blockZ分别为MD模拟物理块在X轴，Y轴，Z轴上的长度；
KMC的每个进程所需的内存空间为mem_n＝memAtoms(nTotalAtoms)+memBuffers+comVariables，其中nTotalAtoms为合并的n个进程中的原子数之和，memAtoms(nTotalAtoms)为原子所占内存，comVariables为公共变量所占内存；
所述判断所述至少两类计算方法中第一类计算方法的N个进程合并成第二类计算方法的1个进程的合并宽度步骤包括：
(1)以X轴方向为准，对Y轴和Z轴方向的行循环，进行进程合并；
(2)初始化合并宽度：n＝1；
(3)计算加入合并组numGroup的数据量大小：
若m％n＝0时，x轴上每行的进程按宽度n可分为m/n组，m为x轴上的进程数；若m％n！＝0时，x轴上每行的进程按宽度n可分为m/n+1组，最后一组的合并进程数小于n，所占总内存小于前面任何一组，所以在计算时只计算前面合并进程数为n的组的内存即可；
①计算加入合并组numGroup的n个进程内原子存储数据大小；
②计算加入合并组numGroup的n个进程通信缓存数据大小；
③计算加入合并组numGroup的n个进程数据总量大小；
(4)确认合并宽度n的值：
①如果计算所得的内存mem_n大于单个进程的实际物理内存phyMem，则这行最大合并宽度为当前n减1，继续对其他行进行计算；
②如果计算所得的内存mem_n小于或等于单个进程的实际物理内存phyMem，且组号numGroup为最大组号m/n时，进程合并宽度为当前的n，将n加1后继续对该行进行宽度为n+1的判断；
(5)计算所有行的合并宽度n中的最小值，即为算法A与算法B耦合的进程合并宽度；
所述至少两类计算方法包括MD和KMC，所述按照所述合并宽度对第一类计算方法的n个进程和第二类计算方法的1个进程之间的数据进行释放和迁移传输的步骤包括：
(1)以X轴为基准进行进程合并的数据迁移，根据合并宽度n计算沿X轴方向的MD进程合并成numTolGroup个KMC进程；
(2)在MD进程中进行数据处理，将KMC进程中不需要的数据释放掉；
(3)对于KMC接收进程，释放原子坐标所占的内存P，清空电子云密度数组rho以及嵌入能导数数组df，用于在KMC模拟中存储能量相关的变量ER、EV；
(4)数据迁移，发送进程将存储晶格点处原子类型的数组TYPE中表示类型为Cu和空位的部分发送给接收进程；
(5)杀死进程合并后剩下的空闲进程；开始KMC模拟。
2.一种基于多尺度耦合的并行进程合并系统，其特征在于，包括以下步骤：
第一计算模块，分别计算统计需耦合计算的至少两类计算方法所需的变量和所需的内存空间，并确定需传递的数据的类型与大小；
第二计算模块，判断所述至少两类计算方法中第一类计算方法的n个进程合并成第二类计算方法的1个进程的合并宽度；
传输模块，按照所述合并宽度对第一类计算方法的n个进程和第二类计算方法的1个进程之间的数据进行释放和迁移传输；
所述第一计算模块具体通过以下步骤分别计算统计需耦合计算的至少两类计算方法所需的变量和所需的内存空间：
所述至少两类计算方法包括MD和KMC，所述至少两类计算方法中每个进程与相邻进程通信所需的缓冲开销为memBuffers＝2*a*(n*blockX*blockY+n*blockX*blockZ+blockY*blockZ)，其中，a为单位接触面积通信所需的内存大小，n为合并宽度，blockX，blockY，blockZ分别为MD模拟物理块在X轴，Y轴，Z轴上的长度；
KMC的每个进程所需的内存空间为mem_n＝memAtoms(nTotalAtoms)+memBuffers+comVariables，其中nTotalAtoms为合并的n个进程中的原子数之和，memAtoms(nTotalAtoms)为原子所占内存，comVariables为公共变量所占内存；
所述第二计算模块具体用于：
(1)以X轴方向为准，对Y轴和Z轴方向的行循环，进行进程合并；
(2)初始化合并宽度：n＝1；
(3)计算加入合并组numGroup的数据量大小：
若m％n＝0时，x轴上每行的进程按宽度n可分为m/n组，m为x轴上的进程数；若m％n！＝0时，x轴上每行的进程按宽度n可分为m/n+1组，最后一组的合并进程数小于n，所占总内存小于前面任何一组，所以在计算时只计算前面合并进程数为n的组的内存即可；
①计算加入合并组numGroup的n个进程内原子存储数据大小；
②计算加入合并组numGroup的n个进程通信缓存数据大小；
③计算加入合并组numGroup的n个进程数据总量大小；
(4)确认合并宽度n的值：
①如果计算所得的内存mem_n大于单个进程的实际物理内存phyMem，则这行最大合并宽度为当前n减1，继续对其他行进行计算；
②如果计算所得的内存mem_n小于或等于单个进程的实际物理内存phyMem，且组号numGroup为最大组号m/n时，进程合并宽度为当前的n，将n加1后继续对该行进行宽度为n+1的判断；
(5)计算所有行的合并宽度n中的最小值，即为算法A与算法B耦合的进程合并宽度；
所述传输模块具体用于：
(1)以X轴为基准进行进程合并的数据迁移，根据合并宽度n计算沿X轴方向的MD进程合并成numTolGroup个KMC进程；
(2)在MD进程中进行数据处理，将KMC进程中不需要的数据释放掉；
(3)对于KMC接收进程，释放原子坐标所占的内存P，清空电子云密度数组rho以及嵌入能导数数组df，用于在KMC模拟中存储能量相关的变量ER、EV；
(4)数据迁移，发送进程将存储晶格点处原子类型的数组TYPE中表示类型为Cu和空位的部分发送给接收进程；
(5)更新进程拓扑信息；
(6)杀死进程合并后剩下的空闲进程；开始KMC模拟。
CN201610789024.9A 2016-08-31 2016-08-31 一种基于多尺度耦合的并行进程合并方法及系统 Active CN106407005B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610789024.9A CN106407005B (zh) 2016-08-31 2016-08-31 一种基于多尺度耦合的并行进程合并方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610789024.9A CN106407005B (zh) 2016-08-31 2016-08-31 一种基于多尺度耦合的并行进程合并方法及系统

Publications (2)

Publication Number Publication Date
CN106407005A CN106407005A (zh) 2017-02-15
CN106407005B true CN106407005B (zh) 2019-09-27

Family

ID=58001159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610789024.9A Active CN106407005B (zh) 2016-08-31 2016-08-31 一种基于多尺度耦合的并行进程合并方法及系统

Country Status (1)

Country Link
CN (1) CN106407005B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108090279B (zh) * 2017-12-15 2021-01-08 中国科学院合肥物质科学研究院 基于杂化lkmc和okmc模拟纳米结构核材料辐照损伤的方法
CN110427711A (zh) * 2019-08-07 2019-11-08 中国原子能科学研究院 反应堆关键材料并行模拟的md和kmc耦合方法
CN112069091B (zh) * 2020-08-17 2023-09-01 北京科技大学 一种应用于分子动力学模拟软件的访存优化方法及装置
CN116167272B (zh) * 2023-02-21 2024-01-26 北京科技大学 一种原子尺度md-kmc并行模拟统一建模方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101650687A (zh) * 2009-09-14 2010-02-17 清华大学 一种大规模并行程序性能预测实现方法
CN102236542A (zh) * 2010-05-05 2011-11-09 中兴通讯股份有限公司 一种基于任务进程表的硬件控制实现方法和装置
CN103076627A (zh) * 2011-10-26 2013-05-01 中国石油化工股份有限公司 一种速度模型平滑优化方法
CN103248465A (zh) * 2012-02-01 2013-08-14 联芯科技有限公司 一种终端处理装置以及终端处理方法
CN104375806A (zh) * 2014-11-19 2015-02-25 北京应用物理与计算数学研究所 一种并行计算构件、方法及相应并行软件开发方法与系统
US9477386B2 (en) * 2014-04-21 2016-10-25 National Instruments Corporation Systems and methods for high throughput signal processing using interleaved data converters

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101650687A (zh) * 2009-09-14 2010-02-17 清华大学 一种大规模并行程序性能预测实现方法
CN102236542A (zh) * 2010-05-05 2011-11-09 中兴通讯股份有限公司 一种基于任务进程表的硬件控制实现方法和装置
CN103076627A (zh) * 2011-10-26 2013-05-01 中国石油化工股份有限公司 一种速度模型平滑优化方法
CN103248465A (zh) * 2012-02-01 2013-08-14 联芯科技有限公司 一种终端处理装置以及终端处理方法
US9477386B2 (en) * 2014-04-21 2016-10-25 National Instruments Corporation Systems and methods for high throughput signal processing using interleaved data converters
CN104375806A (zh) * 2014-11-19 2015-02-25 北京应用物理与计算数学研究所 一种并行计算构件、方法及相应并行软件开发方法与系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《GPU上高效Jacobi迭代算法的研究与实现》;狄鹏等;《小型微型计算机系统》;20120930;第33卷(第9期);全文 *
《面向并行程序设计的扩展UML建模》;胡长军等;《计算机工程》;20070131;第34卷(第1期);全文 *

Also Published As

Publication number Publication date
CN106407005A (zh) 2017-02-15

Similar Documents

Publication Publication Date Title
CN106407005B (zh) 一种基于多尺度耦合的并行进程合并方法及系统
Tegeler et al. Parallel multiphase field simulations with OpenPhase
CN106445629B (zh) 一种负载均衡的方法及其装置
CN102822798B (zh) 用于虚拟容器系统内的资源容量评估的方法和装置
CN102111337B (zh) 任务调度方法和系统
CN102457571B (zh) 一种云存储中数据均衡分布方法
CN103473115B (zh) 虚拟机放置方法和装置
CN103595805A (zh) 一种基于分布式集群的数据放置方法
CN103970879B (zh) 一种调整数据块存储位置的方法及系统
CN103326953A (zh) 一种基于令牌桶的流量限制方法和装置
CN105740199B (zh) 芯片上网络的时序功率估算装置与方法
CN103346978B (zh) 一种虚拟机网络带宽公平性和稳定性保障方法
Grossman et al. Filtering, reductions and synchronization in the Anton 2 network
CN104063265A (zh) 一种虚拟资源的综合评估方法
CN109587072A (zh) 分布式系统全局限速系统及方法
CN110287179A (zh) 一种数据缺失属性值的填充设备、装置及方法
CN105554069B (zh) 一种大数据处理分布式缓存系统及其方法
CN106971229B (zh) 神经网络计算核信息处理方法和系统
Penmatsa et al. Cooperative load balancing for a network of heterogeneous computers
CN108595149A (zh) 可重构乘加运算装置
CN106464481A (zh) 通信装置、通信方法以及程序
Li et al. Hardware/software co-design of particle filter and its application in object tracking
CN107370149A (zh) 确定电力系统负荷削减量的方法和系统
CN108380673B (zh) 确定粗轧减宽策略的方法、系统及终端设备
CN106936611A (zh) 一种预测网络状态的方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant