一种基于线程并行的结构化网格流线积分方法

    公开(公告)号:CN112948643A

    公开(公告)日:2021-06-11

    申请号:CN202110520617.6

    申请日:2021-05-13

    Abstract: 本发明提供一种基于线程并行的结构化网格流线积分方法,包括:步骤1、对多块结构化网格进行数据块的重划分;步骤2、对于重划分后的每一个数据块,计算其属性数据的类型和数目;步骤3、反馈步骤2的计算结果,把数据块中的每一种类型的属性数据提取出来单独存储;步骤4、在进行三维矢量场流线可视化过程中,将需要的属性数据使用多线程进行并行读取;步骤5、使用读取的属性数据构建动态搜索树;步骤6、读取动态搜索树中计算种子点数,根据计算种子点的任务规模进行动态分组,再将分组后的计算种子点数分配给多线程并行积分计算;步骤7、将计算结果用于后续的可视化工作。本发明能够提高多核处理器利用率、加速科学可视化中流线积分。

    一种作业静态感知条带优化方法、装置、存储设备及介质

    公开(公告)号:CN119356626A

    公开(公告)日:2025-01-24

    申请号:CN202411959130.8

    申请日:2024-12-30

    Abstract: 本申请公开了一种作业静态感知条带优化方法、装置、存储设备及介质,涉及计算机优化技术领域,先对离线数据分析,筛选出涉及写操作的作业,统计每条作业在各个OST上的写I/O数据量并进行降序排列,求和得到每条作业的写I/O数据总量,对作业添加属性,标记为待条带化作业,按照应用进行条带化设置,对应用的作业数目进行判断,若应用的作业数目不小于第四阈值则进行子目录条带化设置。针对超级计算机优化作业OST中瞬时负载极不平衡的问题,通过将条带技术应用于存储系统中,通过对作业I/O模式的探索分析,确定可条带优化的作业,此外提出了静态感知文件条带化,能够快速有效的判定可条带化的作业,以适应不同用户的作业分布情况。

    一种基于神经网络的流场旋涡检测方法

    公开(公告)号:CN111414720B

    公开(公告)日:2023-01-20

    申请号:CN202010097688.5

    申请日:2020-02-17

    Abstract: 本发明一种基于神经网络的流场旋涡检测方法,先对流场内所有物理网格点打标签,标记其是否属于旋涡区域,得到标签数据,对涡量场进行网格转换,将物理网格中的网格点一一映射到计算网格的网格点,抛弃物理坐标信息,得到计算网格下的涡量场。根据计算网格下的的涡量场,将每个网格上的涡量值减去涡量场的均值后除以标准差,得到归一化后的涡量场;对得到的归一化后的涡量场和标签数据同时随机采样,采样后对区域内的网格点对应的标签进行判断,构建神经网络,使用随机采样得到的带标签局部涡量场数据训练该神经网络,固定神经网络参数,得到固定参数的神经网络;利用第五步得到的固定参数的神经网络,对待检测涡区的流场进行涡区检测。

Patent Agency Ranking