MPI＋OpenMP混合编程模型在大规模三对角线性方程组求解中的应用

分布式共享存储系统的特点是每个节点内是共享存储的,而节点间是分布式存储.为了更好地利用这种多级体系结构,讨论了MPI＋OpenMP混合编程模型的性能及实现方法,建立了大规模三对角线性方程组的MPI＋OpenMP混合并行算法,并在上海大学高性能计算集群上与单纯MPI算法进行了性能方面的比较.结果表明,MPI＋OpenMP混合并行算法具有更好的加速比和扩展性.     

基于可视化库和信息传递接口云图显示的并行化处理

基于可视化库(VTK)可视化技术的特点,讨论可视化流水线机制和并行程序的基本结构.针对计算流体力学可视化后处理实现的问题,介绍和使用VTK颜色映射算法,并编写对计算流体力学结果数据彩色云图显示的程序.然后为了解决时间开销大的问题,提出了并行显示算法.该算法充分利用VTK任务间的并行性,减少程序运行时间,提高运行效率.最后在多核环境下,对大小不同的文件彩色云图显示的加速比进行了对比分析.实验结果显示了随压力变化的彩色云图,表明基于VTK可视化技术能满足可视化后处理方面的要求,与信息传递接口(MPI)结合能取得很好的并行效果.     

多种任务调度混合的IB-LBM并行优化方法

在使用浸入边界-格子玻尔兹曼方法（IB-LBM）求解流场时,为了得出比较精确的结果,往往需要规模较大、较密集的流场网格,这就会造成模拟过程时间长的问题。为了提高模拟的效率,利用IB-LBM局部计算的特点,结合OpenMP中三种不同的任务调度方式,给出了IB-LBM的并行优化方法。在并行优化中混合使用三种任务调度方式,以弥补单一任务调度造成的负载不均衡问题;将IB-LBM进行结构化分解,测试每一结构部分的最优调度方式,根据实验结果选择最优的调度组合方式,而在不同线程数下,最优的组合方式是不同的。优化结果通过并行加速比来检验,可以得出：在线程数较少的情况下,加速比趋近于理想状态;在线程数较多的情况下,虽然线程开辟和销毁的额外时间消耗对性能的优化产生了影响,模型的并行性能仍有了很大的提升。流场的模拟结果显示,在进行并行优化后, IB-LBM对流固耦合问题模拟的准确性并没有受到影响。     

利用空间异质性的遥感分类结果精度评价方法

鉴于遥感影像分类结果具有空间异质性特征,直接应用现有的抽样方法对其进行精度评价存在样本信息冗余度高和评价过程耗时长等局限性,提出了一种利用空间异质性的遥感影像分类结果抽样精度评价方法。该方法包括:1)利用景观聚集度指数量化遥感影像的空间异质性,实现研究区域的空间区划;2)根据聚集度指数设定各区划空间的权重系数,选择用于精度评价的样本点;3)与参考数据比较,实现分类结果的精度评价。以城镇遥感影像分类结果的精度评价为例,将该方法与简单随机抽样、分层抽样和基于灰度共生矩阵的系统抽样方法进行对比。结果表明,该方法降低了精度评价样本点的信息冗余,提高了样本点的代表性,较适合于精度要求高的遥感影像分类结果精度评价。     

基于MRT-LBM方法的大规模可扩展并行计算研究

在大规模三维复杂流动的数值模拟中,针对具有良好数值稳定性的多弛豫时间模型格子Boltzmann方法(MRT-LBM),并结合大涡模拟湍流模型和曲面边界插值格式,分析了在D3Q19离散速度模型下的网格生成、流场信息初始化和迭代计算3部分的可并行性.采用MPI编程模型,从分布式集群的特点和计算量负载均衡的角度出发,分别提出了适合于大规模分布式集群的网格生成、流场信息初始化和迭代计算的并行算法.该并行算法也能有效适用于D3Q15和D3Q27离散速度模型.通过在国产神威蓝光超级计算机上的测试,分别针对求解问题总体计算规模固定和保持每个计算核中计算量一致的2种情况的并行性能分析,验证了该并行算法在十万计算核的量级下仍具有良好的加速比和可扩展性.     

多重网格格子Boltzmann方法的并行算法

针对复杂流动数值模拟中的格子Boltzmann方法存在计算网格量大、收敛速度慢的缺点,提出了基于三维几何边界的多重笛卡儿网格并行生成算法,并基于该网格生成方法提出了多重网格并行格子Boltzmann方法（LBM）。该方法结合不同尺度网格间的耦合计算,有效减少了计算网格量,提高了收敛速度;而且测试结果也表明该并行算法具有良好的可扩展性。     

提高发动机曲轴自动平衡机测量稳定性的方法

汽车发动机曲轴动平衡量值大,会产生振动现象,甚至让驾驶员无法接受以致影响正常驾驶。对于曲轴的动平衡量值在设计中有严格的要求,若曲轴动平衡量值不稳定,加工置信率差,会导致发动机异常振动。本研究分析影响动曲轴平衡机测量不稳定性的原因,旨在让动平衡测量精度置信率达标,并寻求提升动平衡测量稳定性的方法。文中采用了平衡机定标砝码的制定,解决分离比问题和增设创新轴向定位装置方法,解决了曲轴动平衡不稳定性问题。     

基于新一代神威超算的计算流体力学Palabos软件的并行优化

Palabos软件是一款基于格子玻尔兹曼算法(Lattice Boltzmann Method, LBM)的计算流体力学软件,因其优异的计算能力被广泛用于多孔介质、自由界面、颗粒运动、血液流动等计算流体力学领域。Palabos软件广泛的用户需求使其迫切需要在神威超算上进行移植优化和并行加速,服务于能源、化工行业。文中在新一代神威超算(SW26010pro)上对Palabos软件进行异构并行设计,针对Palabos的数据结构和模块化编程不利于神威众核编程的问题,通过直接取址,设置字段标记处理多态导致的分支、数据切片处理等优化思路;并结合新一代神威超算的特性,使用共享内存和寄存器通信的优化技术,实现众核加速2～6倍。同时实现Palabos软件在新一代神威超算上的复杂化工过程多尺度计算方向上两相流算法的百万核心规模的并行计算,以6.4万核心的并行计算规模为基准,百万核心的并行效率大于40%。     

基于特征符号化和Transformer的无参考图像质量评价方法

基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题，为此，本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征；然后将语义特征映射成视觉特征符号，并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模，提取图像的全局特征，同时使用浅层神经网络提取底层局部图像特征，捕捉图像低级失真信息；最后结合全局图像信息与局部图像信息，对图像质量进行预测。为了验证模型的精度和鲁棒性，以相关系数PLCC和SROCC作为评价指标，在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验，并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明，本文方法以较少的参数量（大约1.56 MB）在各类数据集上均取得了优越的性能，尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958，证明在复杂的失真情况下仍能准确评估图像质量，本文网络结构能满足实际应用场景。