面向E级计算的高性能处理器核心运算架构研究进展

高性能计算(HPC)已经进入后E级时代。作为超算系统核心器件，高性能处理器通过核心运算架构为HPC提供超强算力。核心运算架构的研究进展代表了高性能处理器体系结构的发展方向。以面向E级计算的先进高性能处理器为目标，从运算资源组织结构、数据和指令级并行方式、领域专用加速结构、支持数据类型和算力等方面对核心运算架构研究进展进行分析和探讨，并展望了高性能处理器核心运算架构的发展趋势。超宽向量SIMD和SIMT、领域专用加速结构加速矩阵运算、支持多种低精度运算以加速HPC和AI融合，将是未来高性能处理器核心运算架构研究和发展的主要方向。     

高性能计算环境下地理计算服务流程并行处理方法

地理计算是地理信息科学中重要的高级计算模式,是新一代地理信息系统(Geographic Information System, GIS)中不可缺少的组成部分。地理计算过程涉及数据处理、空间分析、过程模拟等多个流程,过程繁复且耗时,计算复 杂且运算量大。高性能计算(High Performance Computing, HPC)是解决复杂地理计算问题的有效方法。针对高性能 计算环境中地理计算服务流程并行执行问题,提出一种简洁的地理计算服务流程建模方法和基于多线程的并发流程 处理策略,设计并实现了高性能计算环境下地理计算服务流程执行引擎原型系统,实现了并发条件下地理计算服务流 程的自动执行与负载均衡。通过在真实高性能计算环境中的实验,验证了所提出的方法能够有效解决地理计算服务 流程建模、执行优化问题,具有良好的性能、准确性及应用前景。     

飞行器多学科协同设计系统的构建与应用

飞行器多学科协同设计是困扰当前飞行器综合性能提升、飞行器设计效率提高的关键问题之一,而工程性的飞行器多学科协同设计系统构建与应用借鉴资料不多.本文介绍了依据飞行器总体设计过程为代表的飞行器设计体系构建的多学科协同设计框架及其在气动设计方面的应用过程及效果,为飞行器协同设计的工程应用提供参考.     

应用于仿真计算的高性能计算中心选型与实现

在针对高速列车强度、流体力学、空气动力学等仿真领域的硬件支撑系统进行选型时,选择具有先进技术的计算机系统尤为重要。本文主要介绍适合仿真计算的高性能计算中心的配置选型与架构设计,首先介绍仿真领域对高性能计算中心的需求分析,然后根据需求分析对目前主流的高性能计算中心配置和架构进行分析对比,最后确定满足仿真计算需求的高性能计算中心选型方案。     

面向服务的网格高性能计算策略

网格技术和Web服务的发展，促成了服务计算的诞生和发展．本文在面向服务的架构下，重新研究传统计算网格下的高性能计算．首先，针舛高性能计算应用的特点，结合面向服务的思想，提出了一种层次资源管理体系结构．其次，分析了适用于网格环境的高性能计算应用的程序结构，并通过有向无循环图（DAG）加以表示．第三，基于上述的资源管理体系结构和高性能计算应用模型，提出了一种改进的动态优先级调度算法．最后，通过仿真实验，分析了提出的算法的性能，实验结果表明提出的算法适用于网格环境，进而验证了本文提出的面向服务的网格高性能计算策略的有效性．     

分层检查点的近似最优周期计算模型

针对大规模高性能计算（HPC）系统中检查点效率提升问题,提出一种面向分层检查点近似最优周期计算模型。首先,通过分析一个HPC系统中应用程序的执行过程,将检查点周期优化抽象为一个非线性的检查点成本模型;其次,通过分析可能故障位置推导出分层检查点成本公式,并引入两个减速因子和一个加速因子来模拟消息日志对分层检查点造成的影响。仿真实验结果表明,所提模型与理论近似最优周期检查点成本平均误差在5%以下,相对传统检查点周期优化模型的平均误差降低了20%,能够有效提高检查点的效率,提升HPC系统可用性。     

着色Petri网对高性能集群的建模与性能评估

针对形式化建模方法导致的状态空间爆炸问题,提出了一种基于Petri网的高性能集群建模与性能评估方法.首先分析了高性能集群的系统架构,构建了模型的总体结构;然后针对集群系统建立了相应的任务产生子模型和调度子模型,并通过对Petri网进行着色,根据不同种类任务的执行特点设计了相应的任务处理模型.仿真结果表明,利用所建立的模型能够有效评估关键参数对集群性能的影响.     

高性能计算与天文大数据研究综述

数据是天文学发展的重要驱动。分布式存储和高性能计算(High Performance Computing,HPC)为应对海量天文数据的复杂性、不规则的存储和计算起到推动作用。天文学研究中多信息和多学科交叉融合成为必然,天文大数据已进入大规模计算时代。高性能计算为天文大数据处理和分析提供了新的手段,针对一些传统手段无法解决的问题给出了新的方案。文中根据天文数据分类和特征,以高性能计算为支撑,对天文大数据的数据融合、高效存取、分析及后续处理、可视化等问题进行了研究,总结了现阶段的技术特点,提出了处理天文大数据的研究策略和技术方法,并对天文大数据处理面对的问题和发展趋势进行了探讨。     

基于智能存储设备的共享存储集群系统研究

随着越来越多的机构采用集群计算技术来实现高性能计算(HPC)--地球、海洋和大气科学、地震数据分析等科学研究和药物研究、汽车设计模型、商业业务冒险分析等商业应用,集群计算技术已经进化为开发高性能计算系统的主要的方法.所有的这些应用的计算都是公认的复杂.能够有效地管理与这些应用密切相关的数据集驱动了现在的集群计算技术的发展.采用智能存储设备(OSD)大大简化了元数据服务器的工作量,并且使得系统的管理和效率都得到了很大的提高.集中描述一个新的存储体系结构--基于智能OSD的共享存储集群计算系统.     

基于高性能计算环境的HPC算力编程模式

【目的】随着云计算、大数据、人工智能等技术的兴起和广泛应用,促进了基于多元算力的融合计算发展。在国家“东数西算”战略的指引下,充分发挥HPC算力优势,提供新型HPC算力编程模式,是新一代计算基础设施可编程能力的重要变革。【方法】分析了高性能计算环境服务模式发展和现有计算环境下不同的编程模式,提出了基于高性能计算环境的HPC算力编程模式HPC as a function,定义了HPC算力和任务模式的基本抽象,以及HPC算力编程模式的参考体系结构。【结果】HPC算力编程模式可支持科研业务中融合计算对HPC算力的基本需求,可将适用于HPC的计算任务分发到合适的计算资源执行并有效管理,相比传统的工作流系统提供了更大的灵活性和可编程性。【结论】HPC算力编程模式可望有效提高“东数西算”计算基础设施的可编程性。