Проект «Модели и методы параллельных вычислений для многопроцеcсорных систем»

Краткое описание

Суперкомпьютерные технологии сегодня отнесены к числу важнейших направлений развития страны. Потенциал суперкомпьютерной отрасли науки и техники позволяет решить многие фундаментальные и прикладные проблемы, моделирование и анализ которых требуют проведения масштабных вычислений. Активное и эффективное применение суперкомпьютерных технологий служит локомотивом инновационного развития страны, способствуя не только глубокой модернизации промышленности, ликвидации имеющегося технологического отставания, но и обеспечение лидерства в глобальной экономической конкуренции. В России за последнее время достигнут существенный прогресс в развитии суперкомпьютерных технологий, осознается необходимость консолидирования усилий в этой области. С целью разработки и обеспечения комплекса мероприятий, направленных на эффективное использование потенциала российской высшей школы для развития и внедрения суперкомпьютерных технологий в образование, науку и промышленность создан Суперкомпьютерный консорциум университетов. Благодаря государственной поддержке национальных исследовательских университетов резко возросла их оснащенность высокопроизводительной вычислительной техникой. Однако эффективность использования многопроцессорных вычислительных систем определяется не только производительностью оборудования, но и применением математического обеспечения, адекватного используемой архитектуре и классам решаемых задач. Это предполагает разработку моделей и методов параллельных вычислений и их реализацию в виде системных и прикладных программных средств. В настоящий момент данное направление находится в стадии активного развития, но в силу широты и разнообразия проблематики необходимо создание новых моделей и проблемно-ориентированных методов высокопроизводительных параллельных вычислений.

Цели проекта

Основную цель настоящего исследования составляет разработка и исследование новых моделей и проблемно-ориентированных методов параллельных вычислений. Существующие системные средства для многопроцессорных установок чрезвычайно дороги и, как правило, ориентированы на гомогенную архитектуру вычислительных систем, что делает их распространение ограниченным. Поэтому разработка более дешевых и более вариативных по отношению к структуре оборудования систем управления многопроцессорными установками является актуальной проблемой. Новым направлением развития является также объединение ресурсов многопроцессорных вычислителей через создание сетевой структуры (например, на основе сети Internet) и организацию распределенных вычислений в данной структуре, что является одной из целей данного проекта. Важнейшей составляющей развития проблематики параллельных вычислений является подготовка высококвалифицированных кадров, способных обеспечить поддержку и развитие суперкомпьютерных технологий. В этом направлении проект предусматривает новые формы подготовки специалистов, основанные на широком вовлечении молодых ученых в научные исследования.

Коллектив

  • Стронгин Роман Грьгорьевич, д.ф.-м.н., проф., руководитель
  • Баркалов Константин Александрович, к.ф.-м.н.;
  • Белокаменская Александра Александровна;
  • Гаврилов Николай Игоревич;
  • Гергель Александр Викторович, к.т.н.;
  • Гергель Виктор Павлович, д.т.н., проф.;
  • Гришагин Владимир Александрович, к.ф.-м.н., доц.;
  • Квасов Дмитрий Евгеньевич, к.ф.-м.н.;
  • Кустикова Валентина Дмитриевна;
  • Мееров Иосиф Борисович, к.т.н., доц.;
  • Рябов Василий Владимирович;
  • Сергеев Ярослав Дмитриевич, д.ф.-м.н., проф.;
  • Сиднев Алексей Александрович;
  • Сидоров Сергей Владимирович;
  • Сысоев Александр Владимирович, к.т.н.;
  • Турлапов Вадим Евгеньевич, д.т.н., доц.;
  • Швецов Владимир Иванович, д.т.н., проф.;

Основные результаты

В области разработки эффективных параллельных алгоритмов решения задач глобальной оптимизации: Исследован параллельный алгоритм глобальной условной оптимизации, основанный на использовании множества кривых Пеано. Указанный алгоритм ориентирован на параллельное решение набора связанных одномерных подзадач, к которым редуцируется исходная многомерная задача, и позволяет эффективно задействовать при их решении десятки и сотни процессоров. С помощью данного алгоритма решена задача идентификации параметров в динамической балансовой нормативной модели экономики Нижегородского региона (совместный проект с ВЦ РАН).

Предложен ряд новых одномерных методов решения многоэкстремальных задач с липшицевой целевой функцией и с липшицевой первой производной. При этом одномерные методы обобщаются на многомерный случай при помощи диагонального подхода. Проведено сравнение разработанных алгоритмов с известными методами, подтверждающее эффективность разработанных алгоритмов.

Исследован класс параллельных численных методов, основанных на сочетании адаптивной многошаговой схемы редукции размерности с асинхронными характеристическими алгоритмами глобального поиска. Оценено ускорение сходимости алгоритма, достигающееся введением асинхронизма. Проведены вычислительные эксперименты на тестовых классах многоэкстремальных функций разной размерности, подтверждающих теоретические положения.

В области задач проектирования свербольших интегральных схем реализован эффективный алгоритм выбора размеров элементов схемы. Решена задача минимизации площади, занимаемой элементами схемы, при ограничении на максимальную задержку при прохождении сигнала. Решение указанной задачи позволяет не только уменьшать размеры интегральной схемы, но и повышать ее производительность. Программная реализация алгоритмов выполнена в рамках исследовательского программного комплекса itlPlace.

В области высокопроизводительных вычислений в машинном обучении разработан эффективный алгоритм градиентного бустинга деревьев решений в задаче построения тематических классификаторов. Проведено экспериментальное сравнение различных широко распространенных алгоритмов обучения с «учителем» на базе статей Вестника Нижегородского государственного университета. Указанный алгоритм также применялся к решению задач детектирования территорий, пострадавших от пожара по спутниковым снимкам.

В области задач моделирования и исследования экономических процессов предложена эффективная программная реализация основных этапов моделирования процесса управления портфелем инвестора (на основе модели Блэка-Литтермана) для расчета на современных многоядерных процессорах.

В области научной визуализации: предложены эффективные алгоритмы трехмерной реконструкции и численного моделирования нейронов и астроцитов по данным микроскопии, визуализации скалярных полей данных в трехмерном пространстве, полученных сканированием с помощью магнитного резонанса, компью-терной томографией (КТ), сканированием с помощью ультразвука.  Указанные работы выполнялись совместно с Институтом прикладной физики РАН.

В области разработки системного программного обеспечения: рассмотрены и обоснованы способы использования специального программного интерфейса для интеграции системы управления Windows-кластера с грид-системой «СКИФ». Выполнено расширение функциональности операционной системы Windows Compute Cluster Server на основе интеграции с системой Метакластер, разработанной в ННГУ.

В области использования новых архитектур: разработан алгоритм восстановления поверхности из облака точек трехмерного пространства, расположенных вблизи некоторой двусторонней замкнутой поверхности; а также адаптирован метод фотонных карт для моделирования каустик в реальном времени. Также предложены алгоритмы трассировки лучей для отображения динамических сцен в реальном времени. Указанные алгоритмы разработаны для выполнения на устройствах с массовым параллелизмом (графические процессоры) и реализованы при помощи технологии гетерогенных вычислений OpenCL.

В научно-образовательной области: выполнялся образовательный проект «Интернет-университет суперкомпьютерных технологий», ориентированный на массовую подготовку специалистов в области суперкомпьютерных технологий с активным использованием дистанционного обучения. Также при участии членов творческого коллектива проведена серия молодежных школ по суперкомпьютерным технологиям: «Современные технологии высокопроизводительных вычислений», «Высокопроизводительные вычисления для гибридных вычислительных систем», «Высокопроизводительные вычисления в прикладных задачах», «Технологии разработки мобильных приложений» и «Компьютерное зрение, 3D моделирование и компьютерная графика». Коллектив школы организовал и провел всероссийскую научную конференцию «Высокопроизводительные параллельные вычисления на кластерных системах».

Результаты работы коллектива имеют высокий уровень, что подтверждается наличием ряда публикаций в российских и зарубежных научных изданиях, а также выполнением научных проектов, поддержанных Российским фондом фундаментальных исследований и ФЦП «Научные и научно-педагогические кадры инновационной России». Полученные результаты используются в учебном процессе факультета ВМК ННГУ им.Н.И.Лобачевского.

Публикации

  1. Корняков К.В., Мееров И.Б., Сиднев А.А., Сысоев А.В., Шишков А.В. Инструменты параллельного программирования в системах с общей памятью. — Нижний Новгород: Изд-во Нижегородского госуниверситета, 2010.
  2. Гергель В.П., Гришагин В.А., Гергель А.В. Многомерная многоэкстремальная оптимизация на основе адаптивной многошаговой редукции размерности // Вестник Нижегородского университета им. Н.И. Лобачевского, N1, 2010
  3. Смирнов Л.В. Гришагин В.А. Добряев Д.Н. Данилова Н.В. Применение прикладной аналитической гидромеханики и методов принятия оптимальных решений в задаче нахождения потокораспределения в гидросистемах Вестник Нижегородского университета им. Н.И. Лобачевского, N2, 2010
  4. Гергель В.П., Стронгин Р.Г. Опыт Нижегородского университета по подготовке специалистов в области суперкомпьютерных технологий // Вестник Нижегородского университета им. Н.И. Лобачевского, N3, 2010
  5. Lera D., Sergeyev Ya.D. An information global minimization algorithm using the local improvement technique // Journal of Global Optimization, Vol. 48 (1), 2010
  6.  Lera D., Sergeyev Ya.D. Lipschitz and Holder global optimization using space-filling curves // Applied Numerical Mathematics, Vol. 60, 2010
  7. Sergeyev Ya.D., Garro A. Observability of Turing Machines: A Refinement of the Theory of Computation // Informatica, Vol. 21, No. 3, 2010
  8.  Kvasov D.E., Sergeyev Ya.D. Univariate geometric Lipschitz global optimization algorithms // Numerical Algebra, Control and Optimization. 2011. (принято в печать)
  9. В.П.Гергель Высокопроизводительные вычисления для многопроцессорных многоядерных систем. – М.: Издательство МГУ, 2011
  10. Баркалов К.А., Гергель В.П., Гергель А.В., Мееров И.Б., Сысоев А.В. Организация и проведение всероссийской школы по суперкомпьютерным технологиям // Открытое и дистанционное образование, N 2 (38), 2010
  11. Гергель В.П., Линев А.В., Мееров И.Б., Сысоев А.В. Об опыте проведения программ повышения квалификации профессорско-преподавательского состава по направлению высокопроизводительные вычисления // Открытое и дистанционное образование, № 3 (39), 2010
  12. Gergel V., Labutina A. The ParaLab System for Investigating the Parallel Algorithms // 6083, Springer-Verlag Berlin Heidelberg C.H. Hsu and V. Malyshkin (Eds.): MTPP 2010, Lecture Notes In Computer Science, 2010
  13. Kamaev A., Kornyakov K., Zhivoderov A., Meyerov I. Comparative Analysis of Effectiveness of Two Timing-Driven Design Approaches // 6083, Springer-Verlag Berlin Heidelberg C.H. Hsu and V. Malyshkin (Eds.): MTPP 2010, Lecture Notes In Computer Science, 2010
  14. Gergel V., Senin A. Metacluster system for managing the HPC integrated environment // 6083, Springer-Verlag Berlin Heidelberg C.H. Hsu and V. Malyshkin (Eds.): MTPP 2010, Lecture Notes In Computer Science, 2010