-
公开(公告)号：CN111710375B
公开(公告)日：2023-07-04
申请号：CN202010403158.9
申请日：2020-05-13
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提出一种分子性质预测方法及系统，涉及量子化学/计算化学、化学信息学、机器学习/人工智能领域，在化学多世界阐释的框架下，使用密度泛函理论、化学信息学、机器学习/人工智能的手段，以分子结构、基组和泛函等信息作为输入，通过机器学习模型输出分子性质的预测结果。本发明对于任意类型的分子结构和任意的计算策略都可以做出预测，比一般的经验方法、回归分析方法更加精确。
-
公开(公告)号：CN115391045B
公开(公告)日：2025-04-29
申请号：CN202211084633.6
申请日：2022-09-06
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种基于机器学习辅助的负载均衡方法及系统，本方法包括：1)输入模块接收待计算的计算任务，并将其传递给预测模块；2)预测模块预测每一计算任务所需要的计算时间并将其发送给规划模块；3)规划模块依据计算时间，在分布式计算集群上对计算任务进行统筹规划：a)若采用minimizing方案，则采用贪心算法对计算任务进行分配；b)若采用min‑max方案，则采用贪心算法对计算任务进行分配且整体计算节点的利用率P大于或等于设定阈值；4)计算模块将静态规划结果中排序靠后的若干计算任务或计算时间小于设定时间长度的计算任务动态调整到分布式计算集群中空闲的计算节点。本发明能够最大程度的利用计算集群的算力。
-
Patent Agency Ranking
公开(公告)号：CN118538330A
公开(公告)日：2024-08-23
申请号：CN202410671355.7
申请日：2024-05-28
Applicant: 中国科学院计算机网络信息中心
IPC: G16C20/90 , G06F16/245 , G06F16/25 , G06F16/28 , G06F16/2457 , G06N5/022
Abstract: 本申请提供了一种材料智慧专家系统，包括：多源数据管理模块，对多种类型的材料数据库中的数据进行融合，构建结构化数据库；处理模块，获取以自然语言方式输入的用户提问，用户提问包括材料需求和/或计算需求；根据材料需求在结构化数据库中检索材料属性数据，将材料属性数据转化为自然语言输出；和/或，根据计算需求生成计算流程，将计算流程的计算结果转化为自然语言输出。以此，通过多源数据管理模块打通各细分领域数据站点之间的数据屏障，构建出交叉融合的高质量数据库；以用户的研究需求为导向，通过自然语言交互的方式引导用户进行材料研究，实现智慧问答、智慧决策、自动化流程一站式材料研发，减轻材料研发人员的负担。
-
公开(公告)号：CN111710376B
公开(公告)日：2023-04-07
申请号：CN202010403157.4
申请日：2020-05-13
Applicant: 中国科学院计算机网络信息中心
IPC: G16C20/90 , G16C10/00 , G06F9/50 , G06N3/0442 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明提出一种大分子及团簇体系分块计算负载均衡方法及系统，涉及计算化学、高性能计算、大分子及团簇体系的计算与模拟领域，沿用分片方法中流行的“先分块，再计算”的计算策略，对于分块后的各个分子片，采用化学信息学及机器学习的手段，预估各个分块所需要的计算资源及计算机时，再辅以线性规划的优化方案，使各个分子片在优化的方案下可以达到尽可能接近的实际计算时间，以平衡整个计算过程中的计算负载，最大化硬件的利用效率。
-
公开(公告)号：CN111710375A
公开(公告)日：2020-09-25
申请号：CN202010403158.9
申请日：2020-05-13
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提出一种分子性质预测方法及系统，涉及量子化学/计算化学、化学信息学、机器学习/人工智能领域，在化学多世界阐释的框架下，使用密度泛函理论、化学信息学、机器学习/人工智能的手段，以分子结构、基组和泛函等信息作为输入，通过机器学习模型输出分子性质的预测结果。本发明对于任意类型的分子结构和任意的计算策略都可以做出预测，比一般的经验方法、回归分析方法更加精确。
-
公开(公告)号：CN115391045A
公开(公告)日：2022-11-25
申请号：CN202211084633.6
申请日：2022-09-06
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种基于机器学习辅助的负载均衡方法及系统，本方法包括：1)输入模块接收待计算的计算任务，并将其传递给预测模块；2)预测模块预测每一计算任务所需要的计算时间并将其发送给规划模块；3)规划模块依据计算时间，在分布式计算集群上对计算任务进行统筹规划：a)若采用minimizing方案，则采用贪心算法对计算任务进行分配；b)若采用min‑max方案，则采用贪心算法对计算任务进行分配且整体计算节点的利用率P大于或等于设定阈值；4)计算模块将静态规划结果中排序靠后的若干计算任务或计算时间小于设定时间长度的计算任务动态调整到分布式计算集群中空闲的计算节点。本发明能够最大程度的利用计算集群的算力。
-
公开(公告)号：CN111710376A
公开(公告)日：2020-09-25
申请号：CN202010403157.4
申请日：2020-05-13
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提出一种大分子及团簇体系分块计算负载均衡方法及系统，涉及计算化学、高性能计算、大分子及团簇体系的计算与模拟领域，沿用分片方法中流行的“先分块，再计算”的计算策略，对于分块后的各个分子片，采用化学信息学及机器学习的手段，预估各个分块所需要的计算资源及计算机时，再辅以线性规划的优化方案，使各个分子片在优化的方案下可以达到尽可能接近的实际计算时间，以平衡整个计算过程中的计算负载，最大化硬件的利用效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
