Описание

Введение

Цель исследования: Основная цель исследования, представленного в статье, заключается в определении оптимального количества процессорных ядер для запуска алгоритма многократной маркировки перколяционных кластеров на суперкомпьютерных системах. Это исследование проводится в контексте мультиагентного моделирования процессов распространения эпидемий. Актуальность: Изучение оптимального использования вычислительных ресурсов на суперкомпьютерах важно для повышения эффективности моделирования сложных систем, таких как эпидемии, что может иметь значительное влияние на планетарном уровне.

Методология

Описание методов: В исследовании использовался усовершенствованный алгоритм многократной маркировки перколяционных кластеров Хошена–Копельмана, адаптированный для многопроцессорных систем. Эксперименты проводились на суперкомпьютерах МВС-10П МП2 KNL, МВС-10П ОП, МВС 10П Торнадо и МВС-100К. Обоснование выбора методов: Выбор алгоритма Хошена–Копельмана обусловлен его эффективностью в выделении связных подграфов в случайных графах, что делает его подходящим для задач, связанных с моделированием распространения эпидемий.

Основные результаты

Ключевые находки: Исследование выявило, что минимальное время расчета достигается при использовании 128–208 ядер на различных суперкомпьютерах. Статистическая значимость: Временные показатели работы алгоритма варьировались в зависимости от архитектуры суперкомпьютера, что подчеркивает важность выбора оптимального количества ядер для конкретной системы.

Обсуждение и интерпретация

Анализ результатов: Авторы интерпретируют результаты как подтверждение того, что оптимизация использования процессорных ядер может значительно сократить время выполнения сложных вычислительных задач. Сравнение с предыдущими исследованиями: Результаты согласуются с предыдущими исследованиями, демонстрируя эффективность параллельных алгоритмов в задачах мультиагентного моделирования.

Заключение

Основные выводы: Исследование подтвердило, что правильный выбор количества процессорных ядер может существенно повысить эффективность алгоритмов на суперкомпьютерах. Практическая значимость: Результаты могут быть использованы для оптимизации вычислительных ресурсов в моделировании эпидемий и других сложных систем. Ограничения исследования: Исследование ограничено архитектурами суперкомпьютеров, использованных в экспериментах. Рекомендации для будущих исследований: Будущие исследования могут сосредоточиться на адаптации алгоритма для других архитектур и задач.

Ключевые слова и термины

Ключевые термины: мультиагентное моделирование, перколяционный кластер, механизм линковки меток, высокопроизводительные вычислительные системы, процессорные ядра.

Библиография

Ссылки на ключевые источники: Hoshen J., Kopelman R. (1976), Lapshina S. (2019), Karpov Yu.G. (2005).