【摘 要】
：
为了提高半经典分子动力学模拟中矩阵乘法效率,通过一种稀疏矩阵分解方法化简矩阵乘法,基于OpenMP实现矩阵相乘的Winograd并行算法。该算法将Winograd算法中各部分依次采用OpenMP并行计算,降低了数据通信。在16核服务器上测试表明,该方法能够显著提高半经典分子动力学模拟中矩阵乘法效率,并行加速比能够达到9.47,并具有良好的可扩展性,为大分子体系的模拟提供了可能。
【机 构】
：
重庆邮电大学高性能计算与应用研究所
【基金项目】
：
国家自然科学基金资助项目（21073242）
论文部分内容阅读
为了提高半经典分子动力学模拟中矩阵乘法效率,通过一种稀疏矩阵分解方法化简矩阵乘法,基于OpenMP实现矩阵相乘的Winograd并行算法。该算法将Winograd算法中各部分依次采用OpenMP并行计算,降低了数据通信。在16核服务器上测试表明,该方法能够显著提高半经典分子动力学模拟中矩阵乘法效率,并行加速比能够达到9.47,并具有良好的可扩展性,为大分子体系的模拟提供了可能。
其他文献
针对一类满足Lipschitz条件的多输入多输出非线性可逆系统执行器故障问题,提出了一种基于迭代学习观测器的逆系统内模故障调节方法。引入PD型迭代学习策略,设计了迭代学习故障诊断观测器,用于对执行器未知时变故障进行快速、准确估计。根据故障估计值,结合逆系统方法对逆模型进行补偿,使得补偿后的逆模型与非线性被控对象串联仍为伪线性系统;再结合内模控制实现了伪线性系统的容错控制。最后,通过仿真算例验证了该
为了确保数据起源的安全,研究了开放起源模型,并在该模型上进行安全起源的扩展,建立了满足机密性和完整性的安全起源模型。在机密性中,改进了Diffie-Hellman协议用来安全协商会话密钥,从而用它来加密敏感信息;在完整性中,用三元组集合描述起源于关系,并对其签名,改进了基于签名的校验和使其适用于有向无环图中。最后以伪代码的形式给出了验证完整性的算法。开放式的安全起源模型的建立确保了数据起源的可信性
为提高分子动力学模拟在多核共享内存式服务器上的运算速度,在现有的分子动力学并行算法基础上提出了Multi-Critical算法。该算法使用手动划分力矩阵的方法,使多个线程进入不同名的临界区,并使用分块叠加的方法优化了并行算法,提高了并行效率。实验结果表明,对比之前的Critical算法,该算法的加速比和并行效率均有较大幅度的提高。
为了解决评价选择过程中的不确定性、复杂性等问题,将定性与定量方法相结合,建立了供货商评价与选择指标体系,并提出了一种基于结构熵权—灰关联的绿色供货商评价决策模型。
为了发现移动对象的迁徙轨迹和经停地,提出结合经停地检测算法和单链接聚类算法的方法。通过青海湖鸟类的历史位置信息验证该方法的准确性和有效性,并与应用于本领域的其他方法进行分析比较,如DBSCAN聚类算法、减聚类及模糊聚类算法。结果显示提出的方法能够克服对比算法仅考虑迁徙数据空间位置信息的缺点,准确有效地挖掘出鸟类经停地和迁徙轨迹。
针对多品种、小批量离散型制造企业生产车间零件种类多、可选加工工艺路线集合空间大等特点,从零件加工工艺路线角度出发,构建车间零件加工的物流成本和时间函数模型。利用遗传算法良好的收敛性、强全局寻优能力和径向基函数神经网络(RBFNN)较高的鲁棒性、数据分类能力强的优势,提出GA-RBFNN混合算法,解决了零件在其可行加工工艺路线集合内的最佳分配和零件/机床最优分组问题。最后,结合实例验证了该模型和方法
针对现阶段电子商务协议形式化分析的处理比较混乱、表述精确度不高且通用性较差、存在一些不合理的假设等问题,运用现代模态逻辑理论,结合知识与信念,提出了一种分析电子商务协议的模型:知识与信念模型。该模型主要包含安全环境、知识集、信念集、能力集、切入点和知识化等因素。知识与信念模型很好地解决了上述问题,能够细致、精准地对各种电子商务协议进行形式化描述,并为不同的分析方法提供了模型支持。
提出了一种基于压缩技术和子空间迭代的特征向量迭代估计算法,由于该算法采用迭代形式,同目前的特征向量求解方法相比(如奇异值分解法),该算法计算量小、复杂度低、算法收敛速度快、易于实时实现,可对由信号构成的自相关矩阵的特征向量作出准确的估计。通过仿真实验可见该算法具有很高的估计精度。将该算法应用到MUSIC(multiple signal classification)谱估计中,通过计算机进行仿真对比
对LILI-128算法对差分故障攻击的安全性进行了研究。攻击采用面向比特的故障模型,并结合差分分析和代数分析技术,在LILI-128算法LFSR d中注入随机的单比特故障,得到关于LILI-128算法内部状态的代数方程组,并使用Crypto MiniSAT解析器求解恢复128位初始密钥。实验结果表明,280个单比特故障注入就可以在1 min内完全恢复LILI-128全部128位密钥。因此,LILI
通过分析特征词与类别间的相关性,在原有的卡方特征选择的方法上增加三个调节参数,使选出的特征词集中分布在某一类,且在某一类中尽可能地均匀分布,并使特征词在某一类中出现的次数尽可能地多。通过实验对比改进前后的卡方特征选择方法,基于方差的卡方统计(Var-CHI)方法使得查全率和查准率都得到了明显的提高。