同时多线程微处理器结构的性能功耗研究

为同时多线程微处理器结构建立的准确的功耗评估模型,将可给出该结构中各部件的功耗使用情况,进而可通过调整部件电压或优化部件结构的方法,达到减少整体功耗的目的;同时,此功耗评估模型也可以作为高层功耗优化研究的测试平台,为系统级、软件级功耗优化研究提供支持。     

基因序列分析软件Hmmpfam的可扩展并行性能优化

基于MPI(message passing interface)平台实现了HMMER软件包核心程序之一Hmmpfam的大规模并行计算.该版本针对原PVM(parallel virtual machine)并行版本在并行规模扩大后,master易成为通信瓶颈的问题,对通信结构进行了优化,提出了一种新的三层通信结构,在序列和HMM模型的两个层次上实现了并行化,并分别提供了有效的负载平衡策略,同时优化了I/O性能,在700多台处理机上达到95%的效率.     

BWDSP10x上地址和数据谓词执行的编译优化

传统的谓词优化技术是在冯·诺伊曼体系结构计算机上实施的,仅对数据流进行优化,并没有考虑哈佛体系结构下指令和数据分开的情况.BWDSP10x是指令和数据分开的哈佛体系结构,它支持超长指令字,不仅提供了对数据谓词执行的支持也提供了对地址谓词执行的支持.特此提出了一种在区域上对两种谓词模式优化支持的方法,在进行两种比较之前,通过判断比较操作的两个操作数类型来分别实施两种模式的谓词优化,使得对地址的比较不用传输到通用寄存器中.实验结果表明该优化方法能显著地节省CPU的时间和带宽,大大减少了分支指令,使程序性能提高了28.4%.     

一种基于检查点的并行程序调试器的设计与实现

为支持大规模长时间运行并行程序的调试，有必要将检查点机制引入到并行程序调试器中，检查点设置与卷回应用中需要解决中途消息，孤儿消息和多米诺效应，活锁4个问题，并行程序调试中需要解决不确定性问题，提出的基于状态冻结的确定性检查点设置方法，可以避免检查点应用中孤儿消息和多米诺效应，活锁3个问题，通过消化记录的方法处理中途消息问题，采用记录／重放方法解决并行调试中的不确定性问题，基于状态冻结的确定性检查点设置方法，有效地解决了并行程序调试器和检查点结合时产生的诸多问题，该方法具有结构清晰，易于实现的优点，基于此技术，设计并实现了一个并行调试工具－DENNET。     

VIA及其设计与实现

VIA定义了一种低延迟、高带宽的数据传输模型，成为机群间通信的工业标准，该文介绍了VIA的产生背景、结构特征，详细阐述了清华大学VIA的实现（TH－VIA），包括软硬件特点，采用的主要技术，最后给出了几种VIA实现方案的测试结果和比较分析。     

CAP1400数值反应堆系统关键技术研究及示范应用

本文系统介绍了“大型先进压水堆及高温气冷堆核电站”国家科技重大专项课题“CAP1400数值反应堆关键技术研究”的主要研究成果。课题首先分别开发了基于确定论方法和蒙特卡罗方法的高保真堆芯物理计算程序,然后开发了pin by pin先进子通道分析程序和基于精细网格的燃料棒性能分析程序,以此为基础建立了物理 热工 燃料性能多物理耦合的CAP1400数值反应堆系统。利用国际基准题VERA、AP1000启动物理实验参数对数值反应堆系统进行了验证和确认,并进一步实现了CAP1400大型先进压水堆的启动物理参数、循环模拟分析和部分功率能力分析的示范应用。数值结果表明,所开发的数值反应堆关键分析软件具有很高的计算精度,可直接服务于CAP1400的设计验证、物理启动和运行支持。     

大规模结构网格数据的相关性统计建模轻量化方法

高置信度的数据可视分析对于大规模数值模拟至关重要，但是当前高性能计算机的存储瓶颈导致可视分析应用获取原始高分辨率网格数据越来越困难.基于统计建模的方法能够极大降低高分辨数据存储成本，但是重建数据的不确定性高.为此，提出了一种大规模结构网格数据的相关性统计建模轻量化方法，用于对并行数值模拟生成的大规模多块体数据进行高效分析与可视化.该方法的技术核心是通过数据块间的统计相关性，指导邻接数据块的统计建模，从而有效地保留数据统计特征，且不需要对不同并行计算节点中的数据块进行合并与重新分块.通过耦合数据块的数值分布信息、空间分布信息和相关性信息，该方法可以更精确地重建原始数据，降低可视化的不确定性.实验测试采用了最大10亿网格规模的5组科学数据，定量分析结果显示，在相同数据压缩比下，该方法相比现有方法可将数据重建精度最大提升近2个数量级.     

深度神经网络修复策略综述

随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错误行为的定性或者定量结论,但这种事后分析并不能防止错误行为的发生,如何修复表现出错误行为的预训练神经网络模型依然是极具挑战性的问题.为此,深度神经网络修复这一领域应运而生,旨在消除有缺陷的神经网络产生的错误预测,使得神经网络满足特定的规约性质.目前为止,典型的神经网络修复范式有3种:重训练、无错误定位的微调和包含错误定位的微调.介绍深度神经网络的发展和神经网络修复的必要性;厘清相近概念;明确神经网络修复的挑战;详尽地调研目前已有的神经网络修复策略,并对内在联系与区别进行分析和比较;调研整理神经网络修复策略常用的评价指标和基准测试;展望未来神经网络修复领域研究中需要重点关注的可行方向.