复杂异构计算系统HPL的优化

当今世界的主流超级计算机越来越多地使用带有加速器的异构系统.随着加速器的浮点性能不断提高,超级计算机内计算节点的CPU、内存、总线、网络以及系统架构都要与之相适应.HPL(high performance Linpack)是高性能计算机评测的传统基准测试程序,复杂异构系统给HPL评测带来很多机遇与挑战.针对带有GPU的...     

基于仿真的复杂系统研究

复杂系统是客观存在的,其复杂性和非线性,不仅使其成为一个反直观系统,而且也是进一步提高控制精确度的障碍,势必要深入研究复杂系统.目前,复杂系统的研究方法有二:①涌现,②控制.研究复杂系统大部分都用涌现的方法,而对于控制的方法实际上在人工智能技术问世的时候已经开始使用了,例如专家系统的实践,各种逻辑系统的仿真都是使用这种自下而上的方法完成的.如今,在复杂控制系统仿真得到广泛的应用.基于仿真的复杂系统研究正在掀开复杂系统的面纱,公开复杂系统的奥秘将是21世纪的重要任务之一.     

复杂系统模糊认知图的分解研究

本文对复杂系统的知识表示与推理采用了模糊认知图的分解方法,即对原始认知图的节点进行分组,然后在组节点上构造商认知图。这样关于原始FCM的分析就转化为商认知图和各子FCM的分析,商FCM的因果关系推理提供原始FCM的整体信息,而每个子FCM继承原始FCM的拓扑结构和推理,它提供原始FCM的局部信息。这样降低了复杂系统研究的规模与复杂性,同时也使对复杂系统的研究可以在各个分类层面上和各个分组上进行,增加了模糊认知图概念间研究的丰富性和灵活性。这种分解方法可以根据需要循环往复进行。     

国产异构系统上HPL的优化与分析

随着异构系统成为建造超级计算机的重要选择,如何让CPU与加速器协调工作以充分发挥异构系统的计算性能具有重要意义.HPL是高性能计算领域最重要的基准测试程序,传统面向纯CPU系统的HPL算法通过加速器加速矩阵乘法的做法已经无法取得很好的性能.针对这一问题,提出了基于国产处理器-国产加速器异构系统的HPL性能模型和多线程细...     

基于CPU-FPGA异构系统的排序算法加速

传统的排序方法主要以软件串行的方式实现,包括冒泡排序、选择排序等。这些算法往往采用顺序比较,运算的时间复杂度较高。近年来已经提出了一些并行度较高的排序算法,但是由于CPU的硬件特点,不能很好地利用这些算法的并行性。而FPGA具有良好的灵活性、并行性和集成性等特点,因此在FPGA上可以更好地发挥这些并行算法的优势,从而大大提高数据排序的实时性。基于此设计了一个CPU-FPGA异构系统,将一些排序算法移植到FPGA上,并进行功能验证和理论性能评估。结果显示,该系统对于并行性高的排序算法具有良好的加速效果,但逻辑资源消耗巨大,适用于实时性要求高的算法加速场景。     

复杂化学平衡网络计算系统

研究并建立了网络化的复杂化学平衡计算系统，可以进行复杂化学反应平衡组成计算以及用于分析温度、压力对平衡组成的影响。系统不但具有多种平衡组成计算模式和三种新型通用有效的计算方法，而且具有多样化的结果显示方式，能够直接对计算结果进行评价。经过多种复杂体系的计算比较，提出了算法选用的建议。     

复杂系统,非线性科学与智能控制理论

为了满足控制越来越复杂对象的需要,本文首先阐述了复杂系统与复杂性的基本概念。其次介绍了非线性科学,包括耗散结构论、协同学、突变论及混沌学的基本要点。最后,论述了智能控制理论的基本思想,并提出了基于非线性科学的复杂系统智能控制理论的新观点。     

复杂预测系统混沌特征分析及其可预测性研究

复杂系统特征分析是进行系统需求预测的基础和前提。本文将混沌理论应用于复杂预测问题，重点研究了预测系统的相空间重构、关联维数的确定和柯尔莫哥洛夫熵的计算；其次，采用我国1962-2004年大中型拖拉机农具需求量的实测数据进行实证分析，结果表明：我国大中型拖拉机农具需求为混沌系统，影响系统发展预测的因素有7个，最大可预测的时效为6年。     

问答系统中复杂问题分解方法研究综述

问答系统可以针对用户提出的自然语言问题给出精准的答案,是自然语言处理领域中一个重要的研究方向。对于具有复杂语义结构和句法结构的多跳问题,模型需要强大的自然语言理解能力。问题分解作为问题理解的一种技术,有着不可估量的作用。阐述了问题分解的研究背景与意义;根据问题特征提取的方式,将现有的方法分为传统机器学习方法和深度学习方法两大类,传统机器学习方法以规则模板匹配和基于分割的方法为主,深度学习方法以基于Transformer、图神经网络、注意力机制、查询图和强化学习为主,并分别从模型架构、优势、劣势等方面进行分析。结合目前研究的动态,初步展望了未来的研究方向。     

一种异构计算系统中考虑通信冲突的有效任务调度算法

任务调度是异构计算的核心问题之一 .现有的异构计算系统的任务调度算法基本上没有考虑任务通信时可能在同一通道中发生冲突的情况 ,因而造成任务调度的结果与实际运行结果之间的差异 .本文提出了一种异构计算系统中的基于表调度 (list scheduling)的启发式任务调度算法 ,该算法考虑了任务通信中通道冲突的情况 ,在不提高算法复杂度的同时提高了任务调度的性能 .文中还通过实例结果的比较说明了该算法的有效性     

面向边缘智能计算的异构并行计算平台综述

边缘智能计算对硬件资源的需求复杂多元,传统计算平台难以为继,异构并行计算平台成为边缘智能算法落地的关键途径之一。以深度学习算法和边缘计算为牵引,对异构并行计算平台展开研究。一方面,阐述了传统计算平台适配实现边缘智能计算的优缺点,指出边缘端应用场景中传统计算平台算力与功耗矛盾突出等局限性,并以指令模型、通讯机制和存储体系三个关键技术为线索梳理技术发展脉络。另一方面,从运算速度、功耗等角度重点对比分析了近年来典型异构平台较新的代表性产品,然后针对不同应用场景和约束条件给出了异构平台的选择建议：优先选择CPU+X组合的异构平台。功耗要求严格约束下的应用建议优先选择CPU+FPGA组合;功能迭代更新快的场景建议优先选择CPU+GPU组合;算法成熟且对实时性和功耗均具有高要求的应用优先选择ASIC计算平台。提出了异构并行计算平台在指令模型统一、通讯机制轻量化、存储体系灵活性以及开发生态完备化四个方面的问题与挑战,期望能为该领域研究人员带来一定的启发。     

HXDSP异构计算框架的设计与优化

由于CPU在处理海量数据时所面临的性能瓶颈,使得基于异构系统的异构并行计算成为并行计算领域的研究热点之一.HXDSP是中国电子科技集团第三十八所自主研制的DSP芯片,能满足多种高性能计算领域的需求.为了充分发挥HXDSP的计算能力以及多HXDSP设备并行计算的能力,本文设计了基于OpenCL的HXDSP异构计算框架.本...     

基于迁移学习的卷积神经网络通道剪枝

卷积神经网络在计算机视觉等多个领域应用广泛,然而其模型参数量众多、计算开销庞大,导致许多边缘设备无法满足其存储与计算资源要求。针对其边缘部署困难,提出使用迁移学习策略改进基于BN层缩放因子通道剪枝方法的稀疏化过程。本文对比不同层级迁移方案对稀疏化效果与通道剪枝选取容限的影响;并基于网络结构搜索观点设计实验,探究其精度保持极限与迭代结构的收敛性。实验结果表明,对比原模型,采用迁移学习的通道剪枝算法,在精度损失不超过0.10的前提下,参数量减少89.1%,模型存储大小压缩89.3%;对比原剪枝方法,将剪枝阈值从0.85提升到0.97,进一步减少参数42.6%。实验证明,引入迁移策略更易实现充分的稀疏化,提高通道剪枝阈值选取容限,实现更高压缩率;并在迭代剪枝的网络结构搜索过程中,提供更高效的搜索起点,利于快速迭代趋近至搜索空间的一个网络结构局部最优解。     

基于异构信息网络的推荐系统

随着互联网、计算机等技术的深入发展,互联网为用户带来了各类网络服务用于增进用户交流。其中,问答社区为用户提供了提问和回答的交流平台,其目的是通过互联网实现用户间的知识经验分享和信息传播。但仍存在一些问题限制问答社区的发展,例如随着用户数量的不断增长,大量问题得不到及时回答且提问者对已有问题的回答并不满意。因此,对于问答社区来说,如何从大量的用户中找到专家用户是非常重要的。针对以上问题,本文提出一种基于异构信息网络的推荐方法,首先对问答社区中的问题属性和用户属性建立异构信息网络,利用元路径来捕捉异构信息网络中丰富的语义信息,然后使用基于元路径的相似度计算方法分别计算问题与用户的相似度矩阵,采用3种方式将得到的相似度矩阵与问题-用户评分矩阵相融合,然后使用矩阵分解获得问题和用户的潜在特征,最后使用因子分解机进行训练和推荐。在海川化工问答数据集上将本文提出的方法同多种先进的推荐算法进行对比,并利用评价指标对模型进行评估。实验结果表明,本文提出的算法在相关评估指标方面相较于之前的算法具有一定优势。     

异构并行系统能耗优化分析模型

随着处理器功耗不断增大,功耗问题逐渐成为高性能计算机系统设计与实现的首要问题.当前,异构系统已成为高性能计算机的发展趋势之一.与传统同构体系结构相比,异构体系结构具有更高的理论峰值性能和能效,但是如何在满足应用性能的条件下充分发掘异构系统的能效优势,仍是一个挑战性问题.通过将应用程序抽象为由串行段和并行段组成的一般程序模型,建立了异构并行系统能耗优化模型通过分析方法依次给出并行段以及全程序(多程序段)能耗最优时处理器间满足的关系,分别给出了时间约束下能耗最优的处理器频率选择算法.最后,以CPU-GPU异构系统为平台,通过8个典型应用程序验证了方法的有效性.     

基于节点剩余能量的能量异构网络分簇算法

针对无线传感器网络中如何利用有限能量延长网络生存时间的问题,研究了分簇算法在能量异构传感器网络环境下的性能特点,设计出一种基于节点剩余能量,适用于多级能量异构网络的分簇算法。在该算法的网络簇头选举加权概率中引入了参量γ,使得在簇头选举过程中,具有较高的初始能量和剩余能量的节点在簇头选举过程中当选簇头的机会增多。避免了剩余能量较小的节点担任簇头引起节点过早死亡使网络覆盖度降低的问题,从而均衡消耗网络中的各节点能量,延长网络的生存时间。同时,引入簇头管理机制保证了网络每轮簇头数目的稳定,进而提高了网络的传输质量。实验仿真结果表明,该算法在多级能量异构网络下比LEACH、SEP和DEEC具有较长的网络生存时间和稳定的数据传输能力。     

一种基于执行体异构度的拟态裁决优化方法

网络空间拟态防御技术通过构建动态异构冗余的系统架构来提高系统的安全性能,而裁决器的表决机制是防御链中的关键步骤,直接影响拟态系统的安全性和效率。针对拟态表决环节的任务特性,对一致表决算法进行改进,设计基于执行体异构度的拟态裁决优化方法。结合拟态防御系统的异构特性,在选择执行体表决输出时引入执行体间的异构度作为决策因素,同时综合考虑执行体数目和历史记录信息,使表决算法更适用于拟态架构面临的威胁场景。实验结果表明,与一致表决算法相比,该算法能够显著提高拟态系统的安全性能,有效规避共模逃逸的风险。