ИСТИНА |
Войти в систему Регистрация |
|
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
Управления исследований посвящены исследованию и разработке новых методов отображения трудоёмких алгоритмов биоинформатики, биохимии, механики сплошной среды на современные архитектуры вычислительных машин; разработке принципов выполнения суперкомпьютерного кодизайна для практически важных больших задач. Разработанные принципы будут апробированы на вычислительно сложных задачах, в частности, задачах биокатализа, которые, с одной стороны, эффективно востребованы практикой, а с другой, для своего удовлетворительного решения требуют суперкомпьютерные ресурсы, значительно превосходящие возможности существующих суперкомпьютерных систем - это определяет необходимость поиска эффективного решения.
The research departments are dedicated to researching and developing new methods for mapping the time-consuming algorithms of bioinformatics, biochemistry, continuum mechanics to modern computer architectures; the development of principles for the performance of supercomputer coding for practically important large tasks. The developed principles will be tested on computationally complex problems, in particular, the tasks of biocatalysis, which, on the one hand, are effectively demanded by practice, and on the other hand, supercomputer resources that significantly exceed the capabilities of existing supercomputer systems require their satisfactory solution. This determines the need to find an effective solution .
1. Разработанные новые подходы и модели отображения трудоёмких алгоритмов биоинформатики, биохимии, механики сплошной среды на современные архитектуры вычислительных машин; разработанные принципы выполнения суперкомпьютерного кодизайна для практически важных больших задач. 2. Разработанные новые алгоритмы для оптимизации потока задач на суперкомпьютерных системах
1. Для исследования поведения параллельных программ на суперкомпьютерных системах предложена новая модель, основанная на сетях взаимодействующих процессов. 2. Проведено исследование и предложены новые методы организации решения ресурсоемких задач биокатализа с учетом особенностей архитектур высокопроизводительных вычислительных систем. 3. Разработаны новые параллельные алгоритмы машинного обучения и эволюционных вычислений для систем экзафлопсной производительности. Получены оценки эффективности и масштабируемости для класса генетических алгоритмов, ориентированных на решение оптимизационных задач большой размерности. 4. Разработаны параллельные алгоритмы и программные средства для оптимизации отображения параллельных программ на архитектуру суперкомпьютеров.
1. Для исследования поведения параллельных программ на суперкомпьютерных системах предложена новая модель, основанная на сетях взаимодействующих процессов. 2. Проведено исследование и предложены новые методы организации решения ресурсоемких задач биокатализа с учетом особенностей архитектур высокопроизводительных вычислительных систем. 3. Разработаны новые параллельные алгоритмы машинного обучения и эволюционных вычислений для систем экзафлопсной производительности. Получены оценки эффективности и масштабируемости для класса генетических алгоритмов, ориентированных на решение оптимизационных задач большой размерности. 4. Разработаны параллельные алгоритмы и программные средства для оптимизации отображения параллельных программ на архитектуру суперкомпьютеров.
МГУ имени М.В.Ломоносова | Координатор |
госбюджет, раздел 0706 (для тем по госзаданию) |
# | Сроки | Название |
3 | 1 января 2016 г.-31 декабря 2016 г. | Суперкомпьютерные технологии, системы и приложения |
Результаты этапа: Предложены и реализованы новые методы исследования масштабируемости суперкомпьютерных приложений на основе анализа данных мониторинга системного уровня. Апробация разработанных методов проведена на вычислмтельных системах суперкомпьютерного комплекса МГУ, в том числе, суперкомпьютере Ломоносов-2. Разработаны методы и программный инструментарий для выделения аномалий в динамических характеристиках параллельных приложений, ориентированных на большие суперкомпьютерные системы. Проведены исследования фундаментальных основ, методов и технологий проведения суперкомпьютерного кодизайна для решения вычислительно сложных задач. | ||
3 | 1 января 2014 г.-31 декабря 2014 г. | Суперкомпьютерные технологии, системы и приложения |
Результаты этапа: Разработаны новые модели для исследования поведения параллельных программ на суперкомпьютерных системах, в том числе, экзафлопсной производительности. Разработаны параллельные алгоритмы и программные средства для оптимизации и прогнозирования поведения параллельных программ для суперкомпьютеров экзафлопсной производительности Разработаны новые методы и параллельные алгоритмы для решения ресурсоемких задач биокатализа, сейсморазведки, молекулярного моделирования с учетом особенностей архитектур высокопроизводительных вычислительных систем. Разработаны новые параллельные алгоритмы машинного обучения и эволюционных вычислений для систем экзафлорсной производительности. | ||
4 | 1 января 2015 г.-31 декабря 2015 г. | Суперкомпьютерные технологии, системы и приложения |
Результаты этапа: 2. Разработаны и исследованы параллельные алгоритмы решения ряда ресурсоемких задач биоинформатики: множественного выравнивания структур белков, поиска протяженных неточных повторов в биопоследовательностях. 3. Получены оценки масштабируемости разработанных параллельных программ для высокопроизводительных вычислительных систем различных архитектур. 4. Разработан метод автоматического построения параллельных программ, реализующих эволюционные алгоритмы оптимизации. 5. Разработаны методы и параллельные алгоритмы для объединения и коррекции результатов программ по сборке биопоследовательностей по их частичным фрагментам. 6. Разработан и исследован параллельный алгоритм поиска структурных сдвигов во временных рядах большой длины. Получена программная реализация этого алгоритма для машин с общей памятью. 7. Разработаны новые алгоритмы решения систем линейных уравнений с разреженными матрицами для графических процессоров. | ||
4 | 1 января 2017 г.-31 декабря 2017 г. | Суперкомпьютерные технологии, системы и приложения |
Результаты этапа: - Разработан новый планировщик заданий для суперкомпьютера «Ломоносов». Выполнена практическая апробация работы планировщика в применении к одному из типов очередей задач пользователей (тип «regular4”). Результаты тестирования продемонстрировали 9% сокращение времени, необходимого для запуска задач пользователей с применением нового алгоритма планирования. - Проведено исследование эффективности обработки больших графов на современных процессорах различной архитектуры. Исследование выполнено на примере решения задачи поиска сильно связанных компонент в ориентированных разреженных графах с использованием алгоритма Forward-Backward. Получены рекомендации относительно выбора оптимальной платформы для вычислений и обоснована необходимость в более точных оценках эффективности использования ресурсов, используемой для решения исследуемой задачи платформы. – Разработана модель прогнозирования времени выполнения нейросетевых алгоритмов при их реализации на графических ускорителях для нейронных сетей(НС) прямого распространения. Проведен анализ влияния основных характеристик НС на время ее выполнения - Предложено уточнение алгоритма сжатия трасс параллельных программ, на основе которого разработан метод построения прототипных приложений для класса итерационных алгоритмов решения сеточных задач. | ||
5 | 1 января 2018 г.-31 декабря 2018 г. | Суперкомпьютерные технологии, системы и приложения |
Результаты этапа: - Выполнена оптимизация работы алгоритмов планирования для систем “Ломоносов” и “Ломоносов-2”. - Проведено комплексное сравнение различных процессорных архитектур в контексте решения графовых задач. - Разработаны и исследованы параллельные нейросетевые алгоритмов. - Разработан метод исследования поведения параллельных программ на высокопроизводительных вычислительных системах. - Разработан параллельный алгоритм имитационного моделирования беспроводных сенсорных сетей |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".