Search

Статья посвящена изучению нелинейных эффектов в динамике популяции промысловой рыбы пиленгас Азовского моря при низкой и высокой ее численности с учетом эффекта Олли, конкуренции за ресурсы, таксиса, вылова, пространственного распределения биогенных веществ и детрита на основе многовидовой модели взаимодействия планктона и рыб. Дискретный аналог разработанной модельной задачи водной экологии, входящей в состав программного комплекса, получен на основе схем второго порядка точности с учетом частичной заполненности расчетных ячеек. Возникающая в процессе дискретизации система сеточных уравнений большой размерности была решена на основе модифицированного попеременно-треугольного метода, имеющего наибольшую скорость сходимости при условии асимптотической устойчивости разностных схем для параболических уравнений, эффективность которого была улучшена на основе уточненных спектральных оценок. Разработка эффективных параллельных алгоритмов численной реализации поставленной задачи биологической кинетики, ориентированных на многопроцессорную вычислительную систему (МВС) и графический ускоритель NVIDIA Tesla K80 с модификацией формата хранения данных, позволила анализировать процессы воспроизводства популяций биогидроценоза в режиме реального и ускоренного времени., Paper covers the research of nonlinear effects in population dynamics of the pelengas commercial fish of the Azov Sea taking into account the Allee effect, competition for resources, taxis, catching, spatial distribution of biogenic matter and detritus based on a multi-species model of plankton and fish interaction. Discrete analogue of developed model problem of water ecology, included in a software complex, were calculated using schemes of second order of accuracy taking into account the partial filling of computational cells. The system of grid equations of large dimension, arising at discretization, has been solved on the basis of adaptive modified alternately triangual variational method. Effective parallel algorithms were developed for numerical implementation of biological kinetics problem and oriented on multiprocessor computer system and NVIDIA Tesla K80 graphics accelerator with the data storage format modification. Due to it, the reproduction processes of biogeocenose populations have been analyzed in real and accelerated time., ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ И ПРОГРАММИРОВАНИЕ: НОВЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ, Выпуск 4 2020

Диссонанс является уточнением понятия аномальной подпоследовательности (существенно непохожей на остальные подпоследовательности) временного ряда. Задача поиска диссонанса встречается в широком спектре предметных областей, связанных с временными рядами: медицина, экономика, моделирование климата и др. В работе предложен новый параллельный алгоритм поиска диссонанса во временном ряде на платформе многоядерного ускорителя для случая, когда входные данные могут быть размещены в оперативной памяти. Алгоритм использует возможность независимого вычисления евклидовых расстояний между подпоследовательностями ряда. Алгоритм состоит из двух этапов: подготовка данных и поиск. На этапе подготовки выполняется построение вспомогательных матричных структур данных, обеспечивающих распараллеливание и векторизацию вычислений. На стадии поиска осуществляется нахождение диссонанса с помощью построенных структур данных. Выполнена реализация алгоритма для ускорителей архитектур Intel MIC (Many Integrated Core) и NVIDIA GPU, распараллеливание выполнено с помощью технологий программирования OpenMP и OpenAcc соответственно. Представлены результаты вычислительных экспериментов, подтверждающих масштабируемость разработанного алгоритма., Discord is a refinement of the concept of anomalous subsequence of a time series. The discord discovery problem frequently occurs in a wide range of application areas related to time series: medicine, economics, climate modeling, etc. In this paper we propose a new parallel discord discovery algorithm for many-core systems in the case when the input data fit in the main memory. The algorithm exploits the ability to independently calculate the Euclidean distances between the subsequences of the time series. Computations are paralleled using OpenMP and OpenAcc for the Intel MIC (Many Integrated Core) and NVIDIA GPU platforms, respectively. The algorithm consists of two stages, namely precomputations and discovery. At the precomputation stage, we construct the auxiliary matrix data structures to ensure the efficient vectorization of computations on an accelerator. At the discovery stage, the algorithm searches for a discord based on the constructed structures. A number of numerical experiments confirm a high scalability of the proposed algorithm., ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ И ПРОГРАММИРОВАНИЕ: НОВЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ, Выпуск 3 2019

Алгоритм PAM (Partitioning Around Medoids) представляет собой разделительный алгоритм кластеризации, в котором в качестве центров кластеров выбираются только кластеризуемые объекты (медоиды). Кластеризация на основе техники медоидов применяется в широком спектре приложений: сегментирование медицинских и спутниковых изображений, анализ ДНК-микрочипов и текстов и др. На сегодня имеются параллельные реализации PAM для систем GPU и FPGA, но отсутствуют таковые для многоядерных ускорителей архитектуры Intel Many Integrated Core (MIC). В настоящей статье предлагается новый параллельный алгоритм кластеризации PhiPAM для ускорителей Intel MIC. Вычисления распараллеливаются с помощью технологии OpenMP. Алгоритм предполагает использование специализированной компоновки данных в памяти и техники тайлинга, позволяющих эффективно векторизовать вычисления на системах Intel MIC. Эксперименты, проведенные на реальных наборах данных, показали хорошую масштабируемость алгоритма., The PAM (Partitioning Around Medoids) is a partitioning clustering algorithm where each cluster is represented by an object from the input dataset (called a medoid). The medoid-based clustering is used in a wide range of applications: the segmentation of medical and satellite images, the analysis of DNA microarrays and texts, etc. Currently, there are parallel implementations of PAM for GPU and FPGA systems, but not for Intel Many Integrated Core (MIC) accelerators. In this paper, we propose a novel parallel PhiPAM clustering algorithm for Intel MIC systems. Computations are parallelized by the OpenMP technology. The algorithm exploits a sophisticated memory data layout and loop tiling technique, which allows one to efficiently vectorize computations with Intel MIC. Experiments performed on real data sets show a good scalability of the algorithm., ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ И ПРОГРАММИРОВАНИЕ: НОВЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ, Выпуск 2 2019

В настоящее время поиск похожих подпоследовательностей требуется в широком спектре приложений интеллектуального анализа временных рядов: моделирование климата, финансовые прогнозы, медицинские исследования и др. В большинстве указанных приложений при поиске используется мера схожести Dynamic Time Warping (DTW), поскольку на сегодняшний день научное сообщество признает меру DTW одной из лучших для большинства предметных областей. Мера DTW имеет квадратичную вычислительную сложность относительно длины искомой подпоследовательности, в силу чего разработан ряд параллельных алгоритмов ее вычисления на устройствах FPGA и многоядерных ускорителях с архитектурами GPU и Intel MIC. В настоящей статье предлагается новый параллельный алгоритм для поиска похожих подпоследовательностей в сверхбольших временных рядах на кластерных системах с узлами на базе многоядерных процессоров Intel Xeon Phi поколения Knights Landing (KNL). Вычисления распараллеливаются на двух уровнях: на уровне всех узлов кластера - с помощью технологии MPI и в рамках одного узла кластера - с помощью технологии OpenMP. Алгоритм предполагает использование дополнительных структур данных и избыточных вычислений, позволяющих эффективно задействовать возможности векторизации вычислений на процессорных системах Phi KNL. Эксперименты, проведенные на синтетических и реальных наборах данных, показали хорошую масштабируемость алгоритма., Nowadays, the subsequence similarity search is required in a wide range of time series mining applications: climate modeling, financial forecasts, medical research, etc. In most of these applications, the Dynamic Time Warping (DTW) similarity measure is used, since DTW is empirically confirmed as one of the best similarity measures for the majority of subject domains. Since the DTW measure has a quadratic computational complexity with respect to the length of query subsequence, a number of parallel algorithms for various many-core architectures are developed, namely FPGA, GPU, and Intel MIC. In this paper we propose a new parallel algorithm for subsequence similarity search in very large time series on computer cluster systems with nodes based on Intel Xeon Phi Knights Landing (KNL) many-core processors. Computations are parallelized on two levels as follows: by MPI at the level of all cluster nodes and by OpenMP within a single cluster node. The algorithm involves additional data structures and redundant computations, which make it possible to efficiently use the capabilities of vector computations on Phi KNL. Experimental evaluation of the algorithm on real-world and synthetic datasets shows that the proposed algorithm is highly scalable., ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ И ПРОГРАММИРОВАНИЕ: НОВЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ, Выпуск 1 2019

Статья посвящена ускорению параллельного решения трехмерных краевых задач методом декомпозиции расчетной области на подобласти, сопрягаемые без наложения. Декомпозиция проводится равномерной параллелепипедальной макросеткой. В каждой подобласти и на границе сопряжения (интерфейсе) строятся свои структурированные подсетки. Объединение этих подсеток образует квазиструктурированную сетку, на которой решается поставленная задача. Распараллеливание решения осуществляется при помощи MPI-технологий. Предложен и экспериментально исследован алгоритм ускорения внешнего итерационного процесса по подобластям для решения системы линейных алгебраических уравнений, аппроксимирующих уравнение Пуанкаре-Стеклова на интерфейсе. Проведены серии численных экспериментов на различных квазиструктурированных сетках и при различных параметрах вычислительных алгоритмов, показывающих ускорение вычислений., This paper is devoted to the acceleration of the parallel solution of three-dimensional boundary value problems by the computational domain decomposition method into subdomains that are conjugated without overlapping. The decomposition is performed by a uniform parallelepipedal macrogrid. In each subdomain and on the interface, some structured subgrids are constructed. The union of these subgrids forms a quasi-structured grid on which the problem is solved. The parallelization is carried out using the MPI-technology. We propose and experimentally study the acceleration algorithm for an external iterative process on subdomains to solve a system of linear algebraic equations approximating the Poincare-Steklov equation on the interface. A number of numerical experiments are carried out on various quasi-structured grids and with various parameters of computational algorithms showing the acceleration of computations., ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ И ПРОГРАММИРОВАНИЕ: НОВЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ, Выпуск 2 2018