| 1 |
1 января 2017 г.-31 декабря 2017 г. |
Разработка и исследование методов и программных средств отображения параллельных приложений на архитектуру суперкомпьютеров предэкзафлопсного масштаба |
| Результаты этапа: 1. Предложена методика аннотированного описания параллельных приложений.
2. Разработаны методы определения параметров аннотированного описания параллельных приложений.
3. Подготовлено аннотированное описание выбранного набора прикладных программ и параллельных пакетов.
4. Реализован метод мэппинга параллельных приложений для класса "Структурные сетки".
5. Разработаны новые методы и программные средства для визуального анализа поведения параллельных приложений.
|
| 2 |
1 января 2018 г.-31 декабря 2018 г. |
Разработка и исследование методов и программных средств отображения параллельных приложений на архитектуру суперкомпьютеров предэкзафлопсного масштаба |
| Результаты этапа: Разработаны методы построения моделей параллельных приложений. Предложен и реализован метод построения подписи параллельного приложения и метод выделения фаз в параллельных MPI-приложениях. С использованием предложенных подходов проведены исследования тестовых параллельных приложений.
Разработано описание параллельных алгоритмов множественного пространственного выравнивания белков, алгоритмов квантовой информатики, сверточных нейронных сетей.
Реализован новый метод мэппинга параллельных процессов. Метод основан на нейросетевом подходе.
Выявлены свойства моделей сетей глубокого обучения и их параллельных реализаций по устойчивости, оценке обобщающей способности, избыточности в структуре.
Разработаны методы адаптации пакетов прикладных программ к к современным вычислительным кластерам и технологиям параллельного программирования. |
| 3 |
1 января 2019 г.-31 декабря 2019 г. |
Разработка и исследование методов и программных средств отображения параллельных приложений на архитектуру суперкомпьютеров предэкзафлопсного масштаба |
| Результаты этапа: В итоге выполнения проекта получены следующие основные результаты.
Разработаны модели поведения параллельных приложений на вычислительных системах рекордной производительности и проведен анализ влияния различных факторов на эффективность параллельных программ на основе предложенных моделей. Разработаны методы описания и классификации параллельных приложений.
Разработан оригинальный подход к исследованию коммуникационных свойств параллельных программ. Предложен и реализован метод выделения фаз в коммуникационных взаимодействиях процессов параллельных приложений. Особенностями предложенного метода является возможность его применения для суперкомпьютеров с большим числом процессорных ядер. Предложен и реализован оригинальный метод решения задачи мэппинга параллельных приложений на архитектуру суперкомпьютеров. Метод основан на применении сверточных нейросетей, что позволяет применять его в динамике выполнения параллельного приложения. Определена архитектура и параметры нейросети, реализован комплекс программ для построения нейросетевой модели. Продемонстрирована эффективность предложенного метода для решения задач ряда практических задач, в том числе, задач квантовой информатики.
Разработан новый метод к прогнозированию производительности параллельных приложений. Предложенный подход ориентирован на класс параллельных программ, производительность которых зависит от значения входных параметров решаемой задачи. Существо подхода заключается в применении методов машинного обучения и нейросетевых моделей. Методика применения предложенного метода продемонстрирована на примере параллельной программы множественного структурного выравнивания белковых последовательностей.
С использованием предложенного метода реализована программа определения оптимального числа запрашиваемых процессорных ядер для оптимизации решения задачи выравнивания.
Разработан и исследован алгоритм для анализа пропускных способностей коммуникационных сетей суперкомпьютеров. С использованием собранных данных о коммуникационных задержках суперкомпьютеров Ломоносов-1, Ломоносов-2 и Blue Gene/P показано, что разработанные алгоритмы позволяют адэкватно определять структуру коммуникационной сети, учитывающую аппаратные особенности ее реализации. Проведены исследования, связанные с перспективными планами построения глубоких нейросетей для многопроцессорных высокопроизводительных вычислительных систем. Исследована проблема избыточности фильтров в глубоких сверточных нейронных сетях. Предложен и реализован метод оптимизации числа фильтров сверточного слоя, основывающийся на поиске и дальнейшей кластеризации семантически близких фильтров. Проведен анализ реализации на высокопроизводительных системах методов настройки гиперпараметров нейронных сетей различных типов с помощью эволюционных алгоритмов для решения ряда практических задач. Получены оценки влияния типа связей между GPU и CPU в гибридных кластерах на скорость настройки гиперпараметров и точность работы настроенных сетей.
Проведены исследования по программной реализации моделей и методов роевого интеллекта на высокопроизводительных вычислительных системах. Поставлена и формализована модельная для роевой робототехники задача поиска источника заданного сигнала, например, источника загрязнения или возгорания. Проведена адаптация нескольких классических алгоритмов роевой оптимизации с учетом специфики решаемой задачи. Выполнена программная реализация системы моделирования рассматриваемого класса алгоритмов на многопроцессорном вычислительном кластере. Разработан прототип рекомендательной системы по выбору наиболее подходящего популяционного алгоритма оптимизации для заданной пользователем целевой функции, подлежащей оптимизации.
Все поставленные задачи выполнены. Практическая реализация предложенных методов и алгоритмов выполнена на суперкомпьютерах МГУ «Ломоосов-2» и «Ломоносов-1», суперкомпьютере IBM Blue Gene/P и высокопроизводительном кластере на базе процессоров IBM Power 8. |
