CN114996969A - 电磁仿真并行计算方法、装置、计算机设备及存储介质 - Google Patents
电磁仿真并行计算方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114996969A CN114996969A CN202210765646.3A CN202210765646A CN114996969A CN 114996969 A CN114996969 A CN 114996969A CN 202210765646 A CN202210765646 A CN 202210765646A CN 114996969 A CN114996969 A CN 114996969A
- Authority
- CN
- China
- Prior art keywords
- simulation
- calculation
- computing
- task
- node
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F9/5072—Grid computing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种电磁仿真并行计算方法、装置、计算机设备及存储介质,涉及计算机技术领域,方法包括:将主控节点设置为主控模式,加载电磁仿真的物理几何模型,以及确定物理几何模型的频率计算范围;基于选定的待计算频点生成N个仿真计算任务,分别发送至计算机集群中的任务代理节点,以便任务代理节点基于仿真计算任务分配计算节点进行模型仿真计算;接收仿真任务返回的计算结果,并基于计算结果的收敛条件和精度判断,输出电磁仿真结果。本方案采用主从结构的分布式并行计算方法,从任务级、进程级、线程级挖掘电磁仿真的多级并行特性来减少电磁仿真的计算时间,提升电磁仿真的计算性能和求解能力,实现大规模/超大规模物理模型的电磁仿真。
Description
技术领域
本申请实施例涉及计算机技术领域,特别涉及一种电磁仿真并行计算方法、装置、计算机设备及存储介质。
背景技术
近年来,随着微波/电子系统的设计越来越复杂、功能越来越多、指标越来越高、尺寸越来越小,以及设计周期越来越短,必然要使用微波/电子EDA软件进行电磁场的数值求解,即进行电磁仿真。其过程通常分为系统建模、前处理、仿真计算、后处理等几个阶段进行迭代直至满足设计要求。
相关技术中,仿真计算阶段采用数值方法求解一定频率范围的系统特征参数,是典型的计算密集型应用。对于大规模或超大规模系统模型,需要消耗大量的计算资源,使用单机已无法完成计算任务,通常使用计算机集群来并行求解,若无高效的并行计算方法,则会直接影响电磁仿真程序的计算性能和求解能力,且无法充分利用集群的计算资源。
发明内容
本申请提供了一种电磁仿真并行计算方法、装置及存储介质、装置及存储介质。所述技术方案如下:
一方面,提供了一种电磁仿真并行计算方法,所述方法应用于计算机集群中的主控节点,所述计算机集群包括所述主控节点、任务代理节点和计算节点,所述方法包括:
将所述主控节点设置为主控模式,加载电磁仿真的物理几何模型,以及确定所述物理几何模型的频率计算范围;
基于选定的一组待计算频点生成N个仿真计算任务,以及将N个所述仿真计算任务分别发送至所述计算机集群中的所述任务代理节点,以便所述任务代理节点基于所述仿真计算任务分配所述计算节点,以及进行模型仿真计算;其中,每个仿真计算任务对应一个任务代理节点,且执行同一仿真计算任务的任务代理节点和M个计算节点采用进程级和线程级多机并行计算模式,M、N是正整数;
接收所述仿真任务返回的计算结果,并基于所述计算结果的收敛条件和精度进行判断,输出电磁仿真结果;所述计算结果包括各频点电磁仿真的特征参数。
另一方面,提供了一种电磁仿真并行计算方法,所述方法应用于计算机集群中的任务代理节点,所述计算机集群包括主控节点、所述任务代理节点和计算节点,所述方法包括:
接收所述主控节点下发的仿真计算任务,将所述任务代理节点设置为从属计算模式;所述仿真计算任务是所述主控节点根据加载电磁仿真的物理几何模型确定的待计算频点生成,且不同的仿真计算任务对应不同的计算频点;
基于所述仿真计算任务确定用于多机并行求解的M个所述计算节点,并根据所述仿真计算任务控制所述计算节点进行进程级和线程级多机并行求解,获得计算结果;所述计算结果包括各频点电磁仿真的特征参数,M是正整数;
向所述主控节点发送对目标频点的计算结果。
又一方面,提供了一种电磁仿真并行计算方法装置,所述装置应用于计算机集群中的主控节点,所述计算机集群包括所述主控节点、任务代理节点和计算节点,所述装置包括:
第一确定模块,用于将所述主控节点设置为主控模式,加载电磁仿真的物理几何模型,以及确定所述物理几何模型的频率计算范围;
第一发送模块,用于基于选定的一组待计算频点生成N个仿真计算任务,以及将N个所述仿真计算任务分别发送至所述计算机集群中的所述任务代理节点,以便所述任务代理节点基于所述仿真计算任务分配所述计算节点,以及进行模型仿真计算;其中,每个仿真计算任务对应一个任务代理节点,且执行同一仿真计算任务的任务代理节点和M个计算节点采用进程级和线程级多机并行计算模式,M、N是正整数;
第一接收模块,用于接收所述仿真任务返回的计算结果,并基于所述计算结果的收敛条件和精度进行判断,输出电磁仿真结果;所述计算结果包括各频点电磁仿真的特征参数。
又一方面,提供了一种电磁仿真并行计算装置,所述装置应用于计算机集群中的任务代理节点,所述计算机集群包括主控节点、所述任务代理节点和计算节点,所述装置包括:
第二接收模块,用于接收所述主控节点下发的仿真计算任务,将所述任务代理节点设置为从属计算模式;所述仿真计算任务是所述主控节点根据加载电磁仿真的物理几何模型确定的待计算频率点生成,且不同的仿真计算任务对应不同的计算频点;
仿真计算模块,用于基于所述仿真计算任务确定用于进行多机并行求解的M个所述计算节点,并根据所述仿真计算任务控制所述计算节点进行进程级和线程级多机并行求解,获得计算结果;所述计算结果包括各频点电磁仿真的特征参数,M是正整数;
第二发送模块,用于向所述主控节点发送对目标频点的计算结果。
又一方面,提供了一种计算机设备,所述计算机设备包含处理器和存储器,所述存储器中存储由至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方面所说的电磁仿真并行计算方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方面所说的电磁仿真并行计算方法。
另一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令,处理器执行所述计算机指令,使得所述计算机设备执行上述任一方面所说的电磁仿真并行计算方法。
上述技术方案带来的有益效果至少包括:通过将大型电磁仿真任务采用分布式并行计算的方式,划分为主控程序和多个仿真计算任务,将形成的仿真任务按照频点划分至计算机集群中的任务代理节点;任务代理节点进一步根据仿真计算任务确定计算节点,并设置为从属模式,执行进程级和线程级多机并行求解来获得计算结果并返回主控节点进行收敛性和精度评估,进而输出结果。整个仿真系统采用二级资源调度和控制模式执行,仿真执行效率更高。从任务级、进程级、线程级等多个层次挖掘电磁仿真计算的多级并行特性,以更大规模的计算资源和更加高效的相互协同来减少电磁仿真的计算时间,大大提升电磁仿真的计算性能和求解能力,提高资源利用率,实现大规模/超大规模物理模型的电磁仿真。
附图说明
图1是本申请一个实施例提供的计算机集群的网络拓扑图;
图2是本申请实施例提供的电磁仿真并行计算方法的流程图;
图3是本申请另一实施例提供的电磁仿真并行计算方法的流程图;
图4是本申请实施例提供的电磁仿真并行计算方法的结构示意图;
图5是本申请实施例提供的电磁仿真并行计算装置的结构框图;
图6是本申请实施例提供的电磁仿真并行计算装置的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
图1是本申请一个实施例提供的计算机集群的网络拓扑图。包括主控节点110、任务代理节点120和计算节点130。主控节点110为计算机集群中的运行电磁仿真主控程序的计算机或服务器,任务代理节点120为接收主控节点各种指令和数据的计算机或服务器,计算节点130为进行仿真计算的计算机或服务器。主控节点110、任务代理节点120和计算节点130之间通过特定连接结构组成计算机集群网络。其中的主控计算机可以包括一台或多台,本方案中的主控计算机主要用于运行电磁仿真主控程序,向计算机集群中的任务代理节点下发相关指令和仿真计算任务,以及收集各个任务代理节点的反馈结果。任务代理节点是计算机集群中的二级受控计算机,以从属模式运行电磁仿真程序,也即用于接收主控节点的仿真计算任务,同时可以调度集群中的计算节点,计算和生成仿真结果,并进行反馈。本方案中的任务代理节点和计算节点协同完成进程级(MPI)和线程级(OpenMP)多机并行计算任务。计算节点负责接收任务代理节点的资源调度,参与电磁仿真计算,生成电磁仿真结果。
图2是本申请实施例提供的电磁仿真并行计算方法的流程图,应用于图1中的主控节点和任务代理节点,包括如下步骤:
步骤201,将主控节点设置为主控模式,加载电磁仿真的物理几何模型,以及确定物理几何模型的频率计算范围。
主控节点中运行有进行电磁仿真的主程序,将其设置为主控模式,可用于生成仿真计算任务,和进行任务分配。主控节点需要启动和加载电磁仿真的物理几何模型,以便确定出物理几何模型的频率计算范围,后续选定频段和频率点进行仿真计算。
步骤202,主控节点基于选定的一组待计算频点生成N个仿真计算任务,以及将N个仿真计算任务分别发送至计算机集群中的任务代理节点。
主控节点需要在确定频段范围后,从中选定一组计算频点(N个计算频点),然后基于这N组计算频点生成N个仿真计算任务,仿真计算任务需要通过计算机集群中的任务代理节点执行,因而需要将选定的仿真计算任务发送至N个任务代理节点。其中,每个仿真计算任务对应一个计算频点。
步骤203,任务代理节点接收主控节点下发的仿真计算任务,将任务代理节点设置为从属计算模式。
任务代理节点在接收到主控节点下发的仿真计算任务后,将自身设置为从属模式,从属模式下运行的电磁仿真程序,受控于主控节点,根据主控节点的指令执行相关操作。
步骤204,任务代理节点基于仿真计算任务确定用于多机并行求解的M个计算节点,并根据仿真计算任务与计算节点协同进行进程级和线程级并行计算,获得计算结果。
本方案将仿真计算任务采用分布式并行计算的方式,将频点仿真任务分配到各个任务代理节点上,而任务代理节点基于仿真计算任务,从计算机集群中进行资源调度,确定用于进行进程级和线程级多机并行求解的计算节点。执行仿真任务的任务代理节点和计算节点之间采用进程级并行模式,单个计算机则为多线程并行模式,任务代理节点和计算节点构成进程级和线程级多机并行求解的方式进行计算,得到计算结果。整个仿真逻辑采用二级资源调度和控制模式执行电磁仿真任务,计算结果包括该频点电磁仿真的特征参数,用于后续的判断和评估。对于不同的仿真计算任务,对应的任务代理节点确定的M值可不相同,且M是正整数。
步骤205,任务代理节点向主控节点发送对目标频点的计算结果。
任务代理节点和计算节点采用进程级和线程级并行计算模式进行仿真,得出的计算结果进而发送回主控节点。对于建立的N个仿真计算任务,分别有N个任务代理节点向主控节点发送各自目标频点的计算结果。
步骤206,接收仿真任务返回的计算结果,并基于计算结果的收敛条件和精度进行判断,输出电磁仿真结果。
主控节点在接收到N个任务代理节点反馈的计算结果后,还需要对计算结果进行评估,包括对收敛性的判断和精度的判断。当判断结果满足收敛性和精度条件时,输出电磁仿真结果。否则,返回步骤202,重新选择一组频点继续进行仿真计算,直至符合结果。
综上所述,本发明通过将大型电磁仿真任务采用分布式并行计算的方式,划分为主控程序和多个仿真计算任务,将形成的仿真任务按照频点划分至计算机集群中的任务代理节点;任务代理节点进一步根据仿真计算任务确定计算节点,并设置为从属模式,执行进程级和线程级多机并行求解来获得计算结果并返回主控节点进行收敛性和精度评估,进而输出结果。整个仿真系统采用二级资源调度和控制模式执行,仿真执行效率更高。从任务级、进程级、线程级等多个层次挖掘电磁仿真计算的多级并行特性,以更大规模的计算资源和更加高效的相互协同来减少电磁仿真的计算时间,大大提升电磁仿真的计算性能和求解能力,实现大规模/超大规模物理模型的电磁仿真。
图3是本申请另一实施例提供的电磁仿真并行计算方法的流程图。包括如下步骤:
步骤301,将主控节点设置为主控模式,加载电磁仿真的物理几何模型,以及确定物理几何模型的频率计算范围。
步骤302,采用离散式扫频方式从物理几何模型中的频率计算范围中选定N个离散计算频点,并基于离散计算频点生成N个仿真计算任务。
本方案采用连续性离散扫频和插值扫频结合,此处采用离散式连续扫频,从频率计算范围中选定N个离散计算频点,采样点按照固定采样间隔选取。例如以间隔1KHZ间隔选取50个频率点,再分别以50个频率点生成50个仿真计算任务。
步骤303,主控节点将仿真计算任务发送至任务代理节点中。
主控节点、任务代理节点和计算节点通过特定方式组成计算机集群(不限定于图1中的架构,还可以采用星型结构、环型结构、总线结构、分布式结构、树型结构、网状结构和蜂窝状结构等)。仿真计算任务采用集群连接结构发送至任务代理节点上。主控节点和任务代理节点使用指定的通信端口与主控程序进行通信。
步骤304,任务代理节点接收主控节点下发的仿真计算任务,设置为从属计算模式。
主控节点运行主程序,管控N个任务代理节点,N个任务代理节点接收到仿真计算任务后自动设置为从属计算模式,执行仿真计算任务。如图4所示,主控节点建立N个仿真计算任务,并通过特定通讯端口向任务代理节点发送仿真计算任务。
步骤305,基于执行目标频点的仿真计算任务所需的独立计算资源,确定用于进行进程级和线程级多机并行求解的M个计算节点,并将计算节点设置为从属计算模式。
由于主控节点并非直接控制计算节点,因此需要任务代理节点进行资源调度和分配,确定各个目标频点下该仿真计算任务所需的独立计算资源,然后确定出一定数量的(M个)计算节点,并将计算节点设置为从属计算模式。计算节点和任务代理节点是协同计算关系,共同执行仿真计算任务,采用进程级和线程级多机并行计算方式。
步骤306,基于仿真计算任务主控节点和任务代理节点建立主从控制信道和高速数据传输通道。
在确定和下发仿真任务计划后,主控节点还需和N个任务代理节点建立主从控制信道和高速数据传输通道。主从控制信道用于发送控制指令,与任务代理节点进行交互,高速数据传输通道用于传输相关模型数据。主控程序与仿真计算任务使用指定的端口进行握手、验证、注册,为每个仿真计算任务分配唯一的ID号并维护一个长连接作为主从控制信道,同时主控程序与仿真计算任务创建一个MPI通信域,用于实现高速数据传输通道。
步骤307,主控节点将电磁仿真的模型数据和频率数据通过对应的高速数据传输通道发送至任务代理节点。
对于不同的任务代理节点,其分别通过各自与主控节点建立的高速数据传输通道接收不同目标频点的仿真计算任务。模型数据至少包括几何拓扑、网格剖分、有限元求解波动方程、激励源以及边界条件等,频率数据即为各自计算任务的目标频点。
步骤308,通过主从控制信道向任务代理节点发送求解指令。
主控节点在确定任务代理节点接收到模型数据和频率数据后,进一步主从控制信道向其发送求解指令,求解指令用于控制任务代理节点开始仿真计算。
步骤309,基于高速数据传输通道接收主控节点发送的电磁仿真的模型数据和频率数据;基于主从控制信道接收主控节点发送的求解指令。
步骤310,基于求解指令进行目标频点的任务级计算,以及向计算节点广播模型数据、频率数据和控制指令,控制计算节点执行目标频点的进程级和线程级多机并行计算,获取目标频点的特征参数。
任务代理节点在接收到模型数据后,向计算节点广播相关数据和控制指令,进行计算任务的控制和同步。执行不同仿真计算任务的节点之间(任务代理节点)属于任务级并行模式,而执行同一仿真计算任务的节点之间属于进程级和线程级多机并行模式。整个计算系统采用任务级、进程级和线程级并行计算模式,获取目标频点的特征参数。特征参数包括电磁仿真模型的电场、磁场、电流密度以及功率等参数。
步骤311,任务代理节点基于目标频点的特征参数生成计算结果,并通过主从控制信道向主控节点发送计算结果。
各个任务代理节点分别计算和获取执行同一仿真计算任务下计算节点的数据,即将线程级计算的数据整合收集,获得目标频点的特征参数和计算结果,然后通过建立的主从控制信道返回至主控节点。此时对于任务代理节点和计算节点的进程结束。
步骤312,主控节点通过高速数据传输通道获取任务代理节点返回的计算结果,并提取其中的特征参数。
步骤313,主控节点对不同频率参数下的特征参数进行整合,并对于整合后的收敛条件和精度值进行判断。
对于选取的N个频点,主控节点需要对其结果进行评估,包括对各个特征参数的整合及精度判断,该整合后的结果用于电磁仿真的后处理阶段。
步骤314,当整合后的数据满足收敛条件,且精度值满足仿真要求时,输出电磁仿真结果。
如图4所示,当主控节点(主控程序)对N个计算结果的判断为满足收敛性和精度要求时,直接输出仿真结果,方便后续的后处理过程。但当整合后的结果无法满足精度和收敛性判断时,即模型系统误差(整合各频点特征参数得到的系统模型与真实模型比较)不满足收敛条件或精度要求,选择误差最大特殊频点,该特殊频点是需要进一步进行仿真计算的频率点。主控程序再次根据频点数量启动下一批电磁仿真计算任务并分发频点数据,进行插值扫频,重复上述过程,直至结果满足收敛性和精度要求。
综上,本申请实施例提供的方法,采用主从结构,将一个完整的电磁仿真任务采用分布式计算模式拆分成主控程序和仿真求解程序,分别由计算机集群中的主控节点和任务代理节点执行;同时为了执行的效率,采用二级控制模式,在主控节点和任务代理节点之间建立主从控制信道和高速数据传输通道,用于指令控制、传输模型数据和频率数据等,实现多个子任务的并行计算;而对于任务代理节点,采用二级控制模式,根据各自的仿真计算任务确定计算节点,以及控制任务代理节点进行仿真计算,计算节点和任务代理节点采用线程级和进程级计算模式执行仿真计算任务来获取同一目标频点的特征参数,并通过任务代理节点将计算结果反馈回主控节点;主控节点收集并整合计算结果,从收敛性和精度方面评估是否满足输出条件,在满足条件的情况下输出计算结果。
本方案从任务级、进程级、线程级等多个层次挖掘电磁仿真计算的多级并行特性,以更大规模的计算资源和更加高效的相互协同来减少电磁仿真的计算时间,大大提升电磁仿真的计算性能和求解能力,实现大规模/超大规模物理模型的电磁仿真。
图5是本申请实施例提供的电磁仿真并行计算装置的结构框图,用于主控节点,装置包括:
第一确定模块501,用于将所述主控节点设置为主控模式,加载电磁仿真的物理几何模型,以及确定所述物理几何模型的频率计算范围;
第一发送模块502,用于基于选定的一组待计算频点生成N个仿真计算任务,以及将N个所述仿真计算任务分别发送至所述计算机集群中的所述任务代理节点,以便所述任务代理节点基于所述仿真计算任务分配所述计算节点,以及进行模型仿真计算;其中,每个仿真计算任务对应一个任务代理节点,且执行同一仿真计算任务的任务代理节点M个和计算节点采用进程级和线程级多机并行计算模式,M、N是正整数;
第一接收模块503,用于接收所述仿真任务返回的计算结果,并基于所述计算结果的收敛条件和精度进行判断,输出电磁仿真结果;所述计算结果包括各频点电磁仿真的特征参数。
图6是本申请实施例提供的电磁仿真并行计算装置的结构框图,用于任务代理节点,装置包括:
第二接收模块601,用于接收所述主控节点下发的仿真计算任务,将所述任务代理节点设置为从属计算模式;所述仿真计算任务是所述主控节点根据加载电磁仿真的物理几何模型确定的待计算频率点生成,且不同的仿真计算任务对应不同的计算频点;
仿真计算模块602,用于基于所述仿真计算任务确定用于进行多机并行计算的M个所述计算节点,并根据所述仿真计算任务控制所述计算节点进行多机并行计算,获得计算结果;所述计算结果包括各频点电磁仿真的特征参数,M是正整数;
第二发送模块603,用于向所述主控节点发送对目标频点的计算结果。
本申请实施例中,还提供了一种计算机设备,所述计算机设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现上述各个方法实施例提供的电磁仿真并行计算方法。
本申请实施例中,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令,处理器执行所述计算机指令,使得所述计算机设备执行上述任一方面所述的电磁仿真并行计算方法。
以上对本发明的较佳实施例进行了描述;需要理解的是,本发明并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案作出许多可能的变动和修饰,或修改为等同变化的等效实施例,这并不影响本发明的实质内容;因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (12)
1.一种电磁仿真并行计算方法,其特征在于,所述方法应用于计算机集群中的主控节点,所述计算机集群包括所述主控节点、任务代理节点和计算节点,所述方法包括:
将所述主控节点设置为主控模式,加载电磁仿真的物理几何模型,以及确定所述物理几何模型的频率计算范围;
基于选定的一组待计算频点生成N个仿真计算任务,以及将N个所述仿真计算任务分别发送至所述计算机集群中的所述任务代理节点,以便所述任务代理节点基于所述仿真计算任务分配所述计算节点,以及进行模型仿真计算;其中,每个仿真计算任务对应一个任务代理节点,且执行同一仿真计算任务的任务代理节点和M个计算节点采用进程级和线程级多机并行计算模式,M、N是正整数;
接收所述仿真任务返回的计算结果,并基于所述计算结果的收敛条件和精度进行判断,输出电磁仿真结果;所述计算结果包括各频点电磁仿真的特征参数。
2.根据权利要求1所述的方法,其特征在于,所述基于选定的一组待计算频点生成N个仿真计算任务,以及将N个所述仿真计算任务分别发送至所述计算机集群中的所述任务代理节点,包括:
采用离散式扫频方式从所述物理几何模型的频率计算范围中选定N个离散计算频点,并基于N个离散计算频点生成N个所述仿真计算任务;
分别将N个所述仿真计算任务发送至N个所述任务代理节点中;不同仿真计算任务的计算频点各不相同;
基于N个所述仿真计算任务和所述计算机集群中的N个所述任务代理节点建立N个主从控制信道和N个高速数据传输通道;
将电磁仿真的模型数据和频率数据分别通过对应的所述高速数据传输通道发送至N个所述任务代理节点,所述模型数据至少包括几何拓扑、网格剖分、有限元求解波动方程、激励源以及边界条件中的至少一种。
3.根据权利要求2所述的方法,其特征在于,所述将电磁仿真的模型数据和频率数据分别通过对应的所述高速数据传输通道发送至N个所述任务代理节点后,所述方法还包括:
通过N个所述主从控制信道,向所述任务代理节点发送求解指令,用于控制N个所述仿真计算任务对应的所述任务代理节点和所述计算节点进行进程级和线程级多机并行计算,获得对应频点下的特征参数;所述特征参数至少包括电场、磁场、电流密度以及功率中的至少一种。
4.根据权利要求3所述的方法,其特征在于,所述接收所述仿真任务返回的计算结果,并基于所述计算结果的收敛条件和精度进行判断,输出电磁仿真结果,包括:
通过N个所述高速数据传输通道分别获取N个所述任务代理节点返回的计算结果,并提取其中的所述特征参数;
对不同频率参数下的所述特征参数进行整合,并对整合后数据的收敛性和精度值进行判断;
当整合后的数据满足收敛条件,且精度值满足仿真要求时,输出电磁仿真结果。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当整合后的数据不满足收敛条件和/或精度值要求时,选择出误差最大的特殊频点;
基于所述特殊频点进行插值扫频,获取第二组待计算频点,基于第二组待计算频点生成第二组仿真计算任务,并继续执行下发第二组仿真计算任务以及接收计算结果的步骤,直至整合后的数据满足收敛条件,且精度值满足仿真要求,输出电磁仿真结果。
6.一种电磁仿真并行计算方法,其特征在于,所述方法应用于计算机集群中的任务代理节点,所述计算机集群包括主控节点、所述任务代理节点和计算节点,所述方法包括:
接收所述主控节点下发的仿真计算任务,将所述任务代理节点设置为从属计算模式;所述仿真计算任务是所述主控节点根据加载电磁仿真的物理几何模型确定的待计算频点生成,且不同的仿真计算任务对应不同的计算频点;
基于所述仿真计算任务确定用于多机并行求解的M个所述计算节点,并根据所述仿真计算任务控制所述计算节点进行进程级和线程级并行计算,获得计算结果;所述计算结果包括各频点电磁仿真的特征参数,M是正整数;
向所述主控节点发送对目标频点的计算结果。
7.根据权利要求6所述的方法,其特征在于,所述基于所述仿真计算任务确定用于进行多机并行求解的M个所述计算节点,并根据所述仿真计算任务控制所述计算节点进行进程级和线程级多机并行计算,获得计算结果,包括:
基于执行所述目标频点的所述仿真计算任务所需的独立计算资源,确定用于进行进程级和线程级多机并行计算的M个所述计算节点,并将所述计算节点设置为从属计算模式;
基于所述仿真计算任务和所述主控节点建立主从控制信道和高速数据传输通道;
基于所述高速数据传输通道接收所述主控节点发送的电磁仿真的模型数据和频率数据;基于所述主从控制信道接收所述主控节点发送的求解指令;
基于所述求解指令进行所述目标频点的任务级并行计算,以及向所述计算节点发送模型数据、频率数据和控制指令,控制所述计算节点执行所述目标频点的进程级和线程级多机并行计算,获取所述目标频点的特征参数。
8.根据权利要求7所述的方法,其特征在于,所述获取所述目标频点的特征参数后,所述方法还包括:
基于所述目标频点的所述特征参数生成计算结果,并通过建立的所述主从控制信道向所述主控节点发送计算结果,便于所述主控节点进行收敛条件和精度进行判断,输出电磁仿真结果。
9.一种电磁仿真并行计算装置,其特征在于,所述装置应用于计算机集群中的主控节点,所述计算机集群包括所述主控节点、任务代理节点和计算节点,所述装置包括:
第一确定模块,用于将所述主控节点设置为主控模式,加载电磁仿真的物理几何模型,以及确定所述物理几何模型的频率计算范围;
第一发送模块,用于基于选定的一组待计算频点生成N个仿真计算任务,以及将N个所述仿真计算任务分别发送至所述计算机集群中的所述任务代理节点,以便所述任务代理节点基于所述仿真计算任务分配所述计算节点,以及进行模型仿真计算;其中,每个仿真计算任务对应一个任务代理节点,且执行同一仿真计算任务的任务代理节点和M个计算节点采用进程级和线程级多机并行计算模式,M、N是正整数;
第一接收模块,用于接收所述仿真任务返回的计算结果,并基于所述计算结果的收敛条件和精度进行判断,输出电磁仿真结果;所述计算结果包括各频点电磁仿真的特征参数。
10.一种电磁仿真并行计算装置,其特征在于,所述装置应用于计算机集群中的任务代理节点,所述计算机集群包括主控节点、所述任务代理节点和计算节点,所述装置包括:
第二接收模块,用于接收所述主控节点下发的仿真计算任务,将所述任务代理节点设置为从属计算模式;所述仿真计算任务是所述主控节点根据加载电磁仿真的物理几何模型确定的待计算频率点生成,且不同的仿真计算任务对应不同的计算频点;
仿真计算模块,用于基于所述仿真计算任务确定用于多机并行求解的M个所述计算节点,并根据所述仿真计算任务控制所述计算节点进行进程级和线程级多机并行求解,获得计算结果;所述计算结果包括各频点电磁仿真的特征参数,M是正整数;
第二发送模块,用于向所述主控节点发送对目标频点的计算结果。
11.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5或6至8任一所述的电磁仿真并行计算方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至5或6至8任一所述的电磁仿真并行计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210765646.3A CN114996969A (zh) | 2022-07-01 | 2022-07-01 | 电磁仿真并行计算方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210765646.3A CN114996969A (zh) | 2022-07-01 | 2022-07-01 | 电磁仿真并行计算方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114996969A true CN114996969A (zh) | 2022-09-02 |
Family
ID=83019320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210765646.3A Pending CN114996969A (zh) | 2022-07-01 | 2022-07-01 | 电磁仿真并行计算方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114996969A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455745A (zh) * | 2022-11-09 | 2022-12-09 | 深圳飞骧科技股份有限公司 | 自适应频点采样的扫频方法、系统及相关设备 |
-
2022
- 2022-07-01 CN CN202210765646.3A patent/CN114996969A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455745A (zh) * | 2022-11-09 | 2022-12-09 | 深圳飞骧科技股份有限公司 | 自适应频点采样的扫频方法、系统及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122243B (zh) | 用于cfd仿真计算的异构集群系统及计算cfd任务的方法 | |
CN110780914B (zh) | 服务发布方法及装置 | |
CN109993299A (zh) | 数据训练方法及装置、存储介质、电子装置 | |
CN102473116B (zh) | 使用最佳网络拓扑识别的作业调度的方法和系统 | |
Zhang et al. | Edge-to-edge cooperative artificial intelligence in smart cities with on-demand learning offloading | |
CN108270805B (zh) | 用于数据处理的资源分配方法及装置 | |
CN113918314A (zh) | 任务处理方法、边缘计算设备、计算机设备、介质 | |
CN112948123B (zh) | 一种基于Spark的网格水文模型分布式计算方法 | |
CN105488134A (zh) | 大数据处理方法及大数据处理装置 | |
CN114996969A (zh) | 电磁仿真并行计算方法、装置、计算机设备及存储介质 | |
CN101639788A (zh) | 一种基于tbb线程构建块的连续系统仿真多核并行方法 | |
Wang et al. | Task scheduling for MapReduce in heterogeneous networks | |
Zhang et al. | Dynamic DNN decomposition for lossless synergistic inference | |
Busetti et al. | A Comparison of Synchronous and Asynchronous Distributed Particle Swarm Optimization for Edge Computing. | |
CN110266757A (zh) | 一种面向任务协同场景的边缘计算资源优化方法 | |
Banino et al. | Scheduling strategies for master-slave tasking on heterogeneous processor grids | |
Wang et al. | A gossip-based asynchronous distributed algorithm for economic dispatch problem with transmission losses | |
CN116321234A (zh) | 带有任务协同的最小化时间开销资源分配方法及相关装置 | |
CN104915250A (zh) | 一种实现作业内的MapReduce数据本地化的方法 | |
Chen et al. | Delay-optimal distributed edge computation offloading with correlated computation and communication workloads | |
CN114035919A (zh) | 基于配电网分层分布特征的任务调度系统及方法 | |
Lin et al. | Multi-round real-time divisible load scheduling for clusters | |
CN116089021B (zh) | 面向深度学习的大规模负载混部调度方法、装置及介质 | |
CN118569358A (zh) | 模型的分布式计算编排方法、装置、设备及存储介质 | |
CN109978081B (zh) | 特征变换方式的确定方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |