CC BY
12110
Секция 7
2. Шайдуров В. В., Щепановская Г. И., Якубович М. В. Численное моделирование течений вязкого теплопроводного газа в канале // Вычислительные технологии. 2013. Т. 18, №4. C. 77-90.
3. Шайдуров В. В., Щепановская Г. И., Якубович М. В. Применение метода траекторий и метода конечных элементов в моделировании движения вязкого теплопроводного газа // Вычислительные методы и программирование. 2011. Т. 12. С. 275-281.
Построение онтологий для решения вычислительно сложных задач
Б. М. Глинский1, Ю. А. Загорулько2, Г. Б. Загорулько2, А. Ф. Сапетина1, И. М. Куликов1, П. А. Титов1
1Институт вычислительной математики и математической геофизики СО РАН
2Институт систем информатики им. Ершова СО РАН
Email: [email protected]
DOI: 10.24411/9999-017A-2020-10184
В настоящее время онтологический подход широко используется в различных областях знаний и для решения разных классов задач. Онтологии признаны как концептуальные информационные модели, которые описывают сущности в определенных областях знаний в терминах классов, свойств и функций. Данный подход широко используется в биоинформатике, геофизике, астрофизике, геологии и др. Отметим, что большинство работ в этих областях ориентированы на хранение и обработку больших массивов данных. Авторы предлагают использовать онтологии для создания систем интеллектуальной поддержки решения больших задач [1]. При этом, ключевым моментом является построение онтологий методов и алгоритмов решения задачи и онтологии вычислительных систем, которые могут использоваться для решения задачи. В данной работе рассматриваются подходы к построению таких онтологий, приводятся примеры построения онтологий для решения задач астрофизики и геофизики.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (коды проектов 19-07-00085, 19-07-00762).
Список литературы
1. B. Glinskiy, Y. Zagorulko, G. Zagorulko, I. Kulikov, A. Sapetina. The Creation of Intelligent Support Methods for Solving Mathematical Physics Problems on Supercomputers // Voevodin V., Sobolev S. (eds) Supercomputing. RuSCDays 2019. Communications in Computer and Information Science. 2019. vol 1129. P. 427-438.
Моделирование процесса сополимеризации бутадиена со стиролом на основе метода Монте-Карло для каскада реакторов с применением технологии MPI
И. В. Захаров, Т. А.Михайлова, С. А. Мустафина
Стерлитамакский филиал Башкирского государственного университета
Email: [email protected]
DOI: 10.24411/9999-017A-2020-10331
В современном производстве синтетических каучуков все чаще применяется математическое моделирование. В основе производства каучука лежат процессы полимеризации и сополимеризации, изучение которых позволяет синтезировать продукты с заданными свойствами, важными для потребителя. Имитация технологических процессов позволяет решать задачи прогнозирования и оптимизации производства.
Процесс производства осуществляется путем смешения эмульсии бутадиена и стирола в каскаде реакторов (9-12 последовательно соединенных реакторов) при температуре 5-6 °C.
Математическая модель процесса полимеризации записывается в виде системы дифференциальных уравнений, которые описывают скорость изменения концентраций всех типов частиц, присутствующих в реакционной системе и участвующих в процессе [1-3].
Поскольку требуется проводить вычисления для каждой частицы, возникает проблема скорости моделирования процесса в его программной реализации. Подобные вычисления возможно производить только для небольших порций продукта, поэтому моделирование приближенного к реальному процесса требует высокой производительности. Для решения подобной проблемы лучше всего подходят высокопроизводительные вычисления [4].
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований и Правительства Республики Башкортостан в рамках научного проекта № 17-47-020068.
Суперкомпьютерные вычисления 111
Список литературы
1. Подвальный С.Л. Моделирование промышленных процессов полимеризации / С. Л. Подвальный. М.: Химия, 1979.
2. Слинько М.Г. Моделирование гетерогенных каталитических процессов // Теоретические основы химической технологии. 1998. Т.32, № 4. С. 433-440.
3. Слинько М.Г. Актуальные проблемы моделирования химических процессов и реакторов // Химическая промышленность. 1994. № 10. С. 651-655.
4. Оленев Н.Н. Основы параллельного программирования в системе MPI. М.: ВЦ РАН, 2005.
Анализ параллельного ускорения алгоритма идентификации источников на основе ансамблей решений сопряженных уравнений
А. В. Пененко1,2 А. В. Гочаков3
'Институт вычислительной математики и математической геофизики СО РАН 2Новосибирский государственный университет
3Сибирский региональный научно-исследовательский гидрометеорологический институт
Email: [email protected]
DOI: 10.24411/9999-017A-2020-30354
Нелинейные обратные задачи, в том числе задачи идентификации источников [1, 2] и коэффициентов [3] моделей адвекции-диффузии-реакции могут быть сведены посредством ансамблей решений сопряженных уравнении к квазилинейным операторным уравнениям. Различным типам данных измерений соответствуют различные конструкции ансамбля. Так как при построении оператора чувствительности сопряжённые уравнения решаются независимо, и это является самой продолжительной по времени выполнения частью алгоритма, то теоретически алгоритм допускает эффективное распараллеливание. В работе на примере сценария идентификации источников по данным мониторинга в городской атмосфере осуществляется экспериментальная оценка ускорений.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 19-07-01135) в части алгоритмов для решения коэффициентных обратных задач с данными контактных измерений, (код проекта 20-01-00560) в части алгоритмов для решения задач продолжения, Российского фонда фундаментальных исследований и правительства Новосибирской области (код проекта 19-47-540011) в части приложений к условиям города Новосибирска.
Список литературы
1. Penenko A. Convergence analysis of the adjoint ensemble method in inverse source problems for advection-diffusion-reaction models with image-type measurements // Inverse Problems & Imaging, American Institute of Mathematical Sciences (AIMS), 2020, 14, 757-782.
2. Penenko, A.; Zubairova, U.; Mukatova, Z. & Nikolaev, S. Numerical algorithm for morphogen synthesis region identification with indirect image-type measurement data // Journal of Bioinformatics and Computational Biology, World Scientific Pub Co Pte Lt, 2019, V. 17, P. 1940002.
3. Пененко, А. В.; Николаев, С. В.; Голушко, С. К.; Ромащенко, А. В. & Кирилова, И. А. Численные алгоритмы идентификации коэффициента диффузии в задачах тканевой инженерии // Мат. биол. и биоинф., Institute of Mathematical Problems of Biology of RAS (IMPB RAS), 2016, 11, 426-444.
Параллельная реализация на GPU инкрементального алгоритма Рамалингама для динамической обработки потоковых графов с одним источником
Т. В. Снытникова, А. Ш. Непомнящая
Институт вычислительной математики и математической геофизики СО РАН
Email: [email protected]
DOI: 10.24411/9999-017A-2020-10186
В работе строится ассоциативная версия алгоритма Рамалингама для решения динамической проблемы достижимости в потоковых графах с одним источником при добавлении новой дуги. Эта задача возникает в таких приложениях, как компиляторы, системы верификации, а также анализ и синтез информации в геоинформационных системах. С ростом объемов обрабатываемых данных возрастает необходимость разработки динамических алгоритмов, которые выполняются быстрее, чем самые быстрые статические алгоритмы.
