一种高效的多细胞分子动力学算法

多细胞分子动力学算法是分子动力学模拟中普遍使用的并行算法.因为利用不同作用路径的多细胞分子动力学算法的消息传递次数彼此不同,利用作用路径能够优化消息传递次数.优化消息传递次数是一种设计高效并行算法的方法.因此,本文研究十六个不同的作用路径,推导出十六个表示消息传递次数的数学模型,并在高性能通信和负载平衡方面决定十六个模型中最好的.实验结果表明模型的平均正确率是99.1391％,它的一个时间步骤的并行效率比HS算法平均提高了5.16％,处理器数的增加和截断半径的优化提高其并行效率.     

一种适合中文的多模式匹配算法

中文字符的相互独立性导致AC算法的时空性能急剧下降。针对此问题,对AC算法的存储结构进行了改进,提出了一种适合中文的多模式匹配算法——AC_SC算法。该算法以邻接链表存储有限状态自动机,尝试解决存储空间快速膨胀问题,并将状态“0”的长链表转化为散列链表,以提高算法的匹配效率。实验结果表明,AC_SC算法具有良好的时空性能。     

基于十字链表的Apriori改进算法

针对Apriori算法中存在的不足,提出一种把事务数据库映射到十字链表中的改进算法。该算法可以减少连接数据库的次数及事务记录的扫描次数。Apriori算法与改进算法的性能对比分析表明,改进算法能有效提高执行效率。     

一种节约内存的中文多模式匹配算法

AC及其改进算法基于有限状态自动机,随着中文模式串数目增加,完全Hash表和状态表矩阵存储方式会导致存储空间快速膨胀,状态转移函数计算量大,Cache命中率下降,算法的时空性能急剧下降。提出以邻接链表方式存储有限状态自动机,并将状态"0"的链表转化为线性表,以提高算法的时空效率。在此基础上,设计了一种适合中文的多模式匹配算法,该算法所需存储空间仅为完全Hash表方式的10%,约为状态表矩阵方式的20%。     

A~*算法在地图寻径中的实用性优化

为了提高A*算法在地图寻径中的执行效率,首先深入分析了A*算法在游戏地图中搜索最优路径时影响速度的原因,然后从数据结构方面入手通过引入最小化堆的方法遍历开启列表,引入链表对节点数据结构进行改进等手段给出了A*算法的优化方案并对该方案进行了理论分析,最后通过500个大小不同的游戏地图对改进后的算法进行了测试和评估,实验结果表明改进后的A*算法有效地提高了路径搜索速度,切实可行。     

基于云控制的自适应遗传算法

遗传参数的自适应调整是一个复杂的不确定性过程。为此,利用云模型优良的不确定性知识表示能力,提出一种改进的自适应遗传算法。该算法以自然语言为切入点,用云模型表达先验规则知识,通过云控制器调整遗传参数。函数优化实验表明,该算法能够较好地模拟迭代中参数的自适应调整过程,算法性能是可行、有效的。     

面向方案组合优化设计的混合遗传蚂蚁算法

提出了方案组合优化数学模型.该模型定义了方案功能载体间的广义距离,以广义距离函数作为方案组合优化的目标函数,以方案的性能要求作为约束条件进行优化并获得方案的最优解.在求解该数学模型的过程中,将遗传算法和蚂蚁算法进行改进并融合形成混合算法.实验结果表明,该混合算法较好地解决了方案设计过程中由多个方案组合难以获得优化解的问题.     

基于十字链表的Apriori算法的研究与改进

在关联规则挖掘中,主要的问题是如何高效地产生频繁项集。对近年来一些基于十字链表的Apriori算法进行研究和分析,发现它们的候选频繁项集生成方法有很大的改进空间。提出一个基于十字链表的改进算法,优化候选频繁项集的生成方法,减少对事务数据库的扫描,大大提高了挖掘效率。     

基于分子动力学模拟的改进混合蛙跳算法

针对基本的混合蛙跳算法(Shuffled frog leaping algorithm,SFLA)后期搜索速度变慢,容易陷入局部最优解的缺点,借鉴分子动力学(Molecular dynamics,MD)模拟的思想,提出一种基于分子动力学模拟的改进的混合蛙跳算法。该算法将种群中的粒子等效成分子,并提出一种新的分子间作用力计算方法来代替两体间经典的Lennard-Jones作用力计算方法,利用Velocity-Verlet算法和高斯变异算子代替基本混合蛙跳算法的更新策略,有效地平衡了种群的多样性和搜索的高效性。高维多峰函数测试的结果表明,基于分子动力学模拟的改进混合蛙跳算法能提高算法后期跳出局部极值的能力,全局寻优能力明显优于基本的混合蛙跳算法。     

一个基于链表的快速色彩量化算法

为了提高色彩量化算法的质量和速度,作者考虑在设计调色板的过程中充分利用分裂算法的快速性和聚类算法的准确性,试图改进像素匹配过程,然后在其基础上提出一个新的实时色彩量化算法.该算法将图像中的所有颜色按照其出现次数的大小排列成一个数据结构链表.整个色彩量化过程可视为关于该链表的一系列操作.实验结果表明,该算法能够获得期望的...     

纳米切削分子动力学仿真可视化研究

为了更好的理解纳米切削的机理，陔文使用C＋＋和OpenGL技术构建了纳米切削分子动力学仿真可视化系统MDView。MDView根据仿真模型特点采用面向对象技术动态建立与仿真结果对应的原子集合类，应用显示列表和显示细节技术优化可视化性能。实现的三维数据显示、剖视显示和交百操作功能可用于仿真结果观察和程序调试。最后利用MDView对金刚石刀具切削单晶铝材料的纳米切削分子动力学仿真进行了可视化。可视化结果对于调试纳米切削分子动力学计算程序和观察切削变形起到了良好的作用。     

分子动力学模拟蛋白质吸附过程中势能函数计算的分组简化

分子水平上理解蛋白质吸附的机理,是目前蛋白质工程、生物材料和生物医学领域中一个基本问题。本文根据蛋白质分子结构的特点,采用刚体模型,在NVT条件下,对聚十赖氨酸分子在固液界面上的吸附过程进行了分子动力学模拟。在计算过程中,通过对原胞内原子进行适当分组的方法改进,以求进一步提高对势能函数的计算速度。研究结果表明,适当分组的方法可以简化分子动力学模拟的计算过程,加快计算速度,而模拟结果反映了吸附过程中蛋白质分子构象变化过程。     

A massively parallel molecular dynamics algorithm for the MasPar supercomputer

Massively parallel computers are emerging as a valuable tool for supercomputer applications. Their processing speed and memory size makes them ideal for solving large applications. An implementation of a molecular dynamics simulation using a neighbour list type algorithm is presented. By efficient use and understanding of the architecture, an extremely efficient neighbour list algorithm (without the need to store the list) has been developed. The large number of processors has allowed us to model large samples (up to one million atoms), reducing the artefacts which may be caused by having a small sample size. This implementation has provided performance results that surpass those of standard machines. The improvements are by factors of hundreds in terms of speed of calculation, and the sizes of the systems that can be modelled.     

Sliding simulation for adhesion problems in micro gear trains based on an atomistic simplified model

The objective of this research work is to provide a systematic method to perform molecular dynamics simulation or evaluation for adhesion of micro/nano gear train during sliding friction in MEMS. In this paper, molecular dynamics simulations of adhesion problems in micro gear train are proposed. The perfect MEMS gear train model is very complicated by considering the computing time. A simplified model to simulate surface sliding between metals by molecular dynamics (MD) is proposed because the surface property is a dominant factor for the performance of gear systems. Based on analysis of sliding friction and the transmitting characteristics of micro gear train, a model is established by utilizing the Morse potential function. The Verlet algorithm is employed to solve atom trajectories. The simulation results show that adhesion tends to occur between two micro gears after certain cycles and such adhesion accounts for the friction force and the temperature increase. The simulation results are in consistence with the experimental results in the literature. The model is meaningful to prolong the lifetime of micro gear train by selecting proper parameters.     

Algorithm optimization in molecular dynamics simulation

Establishing the neighbor list to efficiently calculate the inter-atomic forces consumes the majority of computation time in molecular dynamics (MD) simulation. Several algorithms have been proposed to improve the computation efficiency for short-range interaction in recent years, although an optimized numerical algorithm has not been provided. Based on a rigorous definition of Verlet radius with respect to temperature and list-updating interval in MD simulation, this paper has successfully developed an estimation formula of the computation time for each MD algorithm calculation so as to find an optimized performance for each algorithm. With the formula proposed here, the best algorithm can be chosen based on different total number of atoms, system average density and system average temperature for the MD simulation. It has been shown that the Verlet Cell-linked List (VCL) algorithm is better than other algorithms for a system with a large number of atoms. Furthermore, a generalized VCL algorithm optimized with a list-updating interval and cell-dividing number is analyzed and has been verified to reduce the computation time by 30∼60% in a MD simulation for a two-dimensional lattice system. Due to similarity, the analysis in this study can be extended to other many-particle systems.     

Petascale molecular dynamics simulation using the fast multipole method on K computer

In this paper, we report all-atom simulations of molecular crowding — a result from the full node simulation on the “K computer”, which is a 10-PFLOPS supercomputer in Japan. The capability of this machine enables us to perform simulation of crowded cellular environments, which are more realistic compared to conventional MD simulations where proteins are simulated in isolation. Living cells are “crowded” because macromolecules comprise ∼30% of their molecular weight. Recently, the effects of crowded cellular environments on protein stability have been revealed through in-cell NMR spectroscopy. To measure the performance of the “K computer”, we performed all-atom classical molecular dynamics simulations of two systems: target proteins in a solvent, and target proteins in an environment of molecular crowders that mimic the conditions of a living cell. Using the full system, we achieved 4.4 PFLOPS during a 520 million-atom simulation with cutoff of 28 Å. Furthermore, we discuss the performance and scaling of fast multipole methods for molecular dynamics simulations on the “K computer”, as well as comparisons with Ewald summation methods.     

Particle-Mesh-Ewald(PME)算法在GPU上的实现

分子动力学模拟(MD)是分子模拟的一类常用方法,为生物体系的模拟提供了重要途径。由于计算强度大,目前MD可模拟的时空尺度还不能满足真实物理过程的需要。作为CPU的加速设备,近年来,GPU为提高MD计算能力提供了新的可能。GPU编程难点主要在于如何将计算任务分解并映射到GPU端并合理组织线程及存储器,细致地平衡数据传输和指令吞吐量以发挥GPU的最大计算性能。静电效应是长程作用,广泛存在于生物现象的各个方面,对其精确模拟是MD的重要组成部分。Particle-Mesh-Ewald(PME)方法是公认的精确处理静电作用的算法之一。本文介绍在本实验室已建立的GPU加速分子动力学模拟程序GMD的基础上,基于NVIDIACUDA,采用GPU实现PME算法的策略,针对算法中组成静电作用的三个部分即实空间、傅立叶空间和能量修正项,分别采用不同的计算任务组织策略以提升整体性能。使用事实上的标准算例dhfr进行的测试结果表明,实现PME的GMD程序,性能分别是Gromacs4.5.3版单核CPU的3.93倍,8核CPU的1.5倍,基于OpenMM2.0加速的Gromacs4.5.3GPU版本的1.87倍。     

针对多个动力学性能的整车多目标优化

针对难以用传统单目标方法开发综合性能好的汽车的问题,建立整车刚柔耦合多体动力学模型,用车身垂向加速度、前后轮荷标准差和横摆角速度超调量等3个参数表征乘坐舒适性、行驶安全性和操纵稳定性等3方面性能,并采用多目标遗传算法进行优化.从优化得到的一组Pareto解集中选取一个最优解,有效提高汽车的若干性能,证明该方法能有效优化整车动力学性能.     

多模型小波网络非线性动态系统辨识

由于许多复杂的工业系统具有非线性特性，难以建立确切的数学模型，因此提出用 多模型小波网络辨识非线性动态系统，并给出了辨识结构和训练算法．仿真实验比较了多模型小波网络与单小波网络在辨识非线性系统时性能上的差异，验证了该方法收敛速度快，抗干扰能力强，具有较高的逼近精度．     

MPI+TBB混合并行编程模型在分子动力学中的应用

为了提高分子动力学模拟在对称多处理(SMP)集群上的计算速度,在分子动力学并行方法中引入MPI+TBB的混合并行编程模型。基于该模型,在分子动力学软件LAMMPS中设计并实现混合并行算法,在节点间采用MPI及空间分解技术实施进程级并行,节点内采用TBB及临界区技术实施线程级并行。在SMP集群中的测试表明,该方法在体系较大以及节点数较多时可以明显减少通信时间,使加速比在纯MPI模型上提高45%。结果表明,MPI+TBB混合并行编程模型可促进分子动力学并行模拟且效率明显提升。