牙轮钻头井下受力环境分析

综合国内外钻头振动测量技术，论述了牙轮钻头在井下的受力环境，并对轴向动载、横向摆动和扭转振动的危害与钻头的失效进了分析，提出了减少振动和提高钻头抗振能力的方法。     

基于GOS的远程实时可视化系统设计与实现*

提出了一个并行计算程序的远程实时可视化系统.通过实时可视化处理计算程序在计算过程中输出的数据文件,实现了对计算程序计算过程的可视化跟踪和实时分析;同时该系统采用GOS作为网格中间件,屏蔽了复杂的异构环境.     

基于GOS的国家网格集成环境及应用实例开发*

中国国家网格作为国内最主要的网格为用户提供了良好的计算服务.详细讨论了网格中间件系统软件GOS的功能和结构,以及基于GOS的中国国家网格集成环境,给出了生物信息软件MEME在国家网格环境下的集成实现,并提出了今后的工作方向.     

多维标度法(MDS)在构效关系分析中的应用

尝试在构效关系分析中引入新的数量化方法:林知己夫的准记量性多维标度(multi-dimensional scaling,MDS)法。并以芳氧基乙酰肼衍生物抑制单胺氧化酶的效率为例,说明该法的实现步骤和结果分析。该法的结果直观、生动,可以将样本分成明显的高活性区与低活性区,作为判别标准,可以在试验之前预测新样本化合物的活性,以指导新化合物的合成,为在药物分子设计中判断未知化合物的生物活性提供新思路。     

国家网格步入佳境

中国国家网格是聚合了高性能计算和事务处理能力的新一代信息基础设施试验床。从2005年初起,中国国家网格步入推进应用与完善环境的新阶段,其任务重点是如何支持和促进网格应用。     

超高分子量聚乙烯的自由基电子自旋共振波谱特征及微观机理研究

在常温、真空条件下,采用100 kGy辐照剂量对超高分子量聚乙烯(UHMWPE)进行γ辐照处理。辐照后,UHMWPE分别置于空气中老化和在80℃空气炉中加速老化21 d。采用电子自旋共振波谱和红外光谱分别研究了UHMWPE的自由基和分子结构的变化。结果表明,UHMWPE初始自由基主要为烯丙基自由基,其波峰为5个,峰的间隔为13.7 Gs,波谱分裂因子(g)为2.002。在空气中老化时,自由基衰减成一个非常弱的峰,线宽为10 Gs,其原因是UHMWPE自由基与氧气发生氧化反应,生成过氧化自由基。在空气中,UHMWPE自由基相对浓度随着时间的推移,不断降低。加速老化后,UHMWPE中不能被检测到自由基信号,但在红外光谱的1 715 cm~(-1)处却出现了一个峰,表明自由基发生氧化反应生成的最终产物为含酮的化合物。     

大规模空气动力学数值模拟中的并行重叠网格装配技术

重叠网格方法因为其网格生成简单、局部网格质量高等优点,是模拟有相对运动的非定常问题的一种常用方法。重叠网格首先需要装配过程,即通过建立网格间的重叠关系、确定宿主及待插值单元,实现网格间的流场信息交换。本文针对大规模数值模拟中,网格分散存储在多个处理器上的情况,研究了分布式重叠网格装配方法。本文先提出分布式网格装配问题,再详细阐述适用于三维结构网格的分布式装配技术,最后利用标准的机翼挂载模型对算法进行了测试,结果表明该算法可以在保证较高并行性的同时,为非定常计算提供准确的流场插值信息。     

四种肿瘤体细胞单核苷酸突变检测方法的比较

随着高通量测序成本的不断降低,基于DNA测序技术的肿瘤基因组研究已经成为揭示肿瘤分子机制的主流方法,并在临床诊断和治疗中逐渐得到应用。肿瘤体细胞单核苷酸突变变异 (single nucleotide variant, SNV) 作为最简单的一种基因变异类型,其检测会受到家系多态性、肿瘤异质性、测序和分析误差等多个因素的影响,从而导致一些假阳性的结果。目前,已有一些基于肿瘤基因组测序数据的体细胞 SNV 检测软件,如 Varscan2,Mutect2,Strelka,SomaticSniper 等。本文选取四种典型的检测方法,对每种方法的检测原理进行研究,并使用 ICGC-TCGA 提供的全基因组数据,对上述四种变异检测软件进行测试。参照每种方法的分析流程,获得每种方法识别的候选变异位点集,并与真实的变异位点集合进行比较,分析每种算法的优缺点,从而为研究人员使用这些方法提供指导。     

基于Hadoop YARN的TensorFlow GPU集群的调度扩展

本文研究并实现了大数据平台 Hadoop YARN 与深度学习框架 TensorFlow 的结合。通过对 DRF 算法的扩展,使得 Hadoop YARN 在原先支持 CPU 和内存的基础上,可以对 GPU 资源进行管理和调度。通过 YARN 的应用接口,把 TensorFlow 封装成了 YARN 的应用程序之一,把原来的分布式程序在多节点手动分发启动改为了在单节点自动分发启动,单机版不变。本文设计了多组实验对 YARN+TensorFlow 进行了多方位的测试,实验结果表明 YARN 和 TensorFlow 相结合相比原生 TensorFlow 程序具有相似的加速比,可以满足单系统多用户对 GPU 资源的使用,有效提高 GPU 资源的使用效率和编程人员的工作效率,增加系统的复用率。