基于网格的分子构建及可视化平台设计及并行全局最优化算法研究与实现

来源 :中国科学院计算机网络信息中心 | 被引量 : 0次 | 上传用户:majianfeipubin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着计算机技术的迅速发展和硬件水平的快速提升,尤其是近年来高性能计算机和并行技术的发展,高性能计算及网格计算技术应用显得日益重要。本研究基于“高性能计算机及其核心软件”重大专项,“超级计算网格节点建设”、国家科技部项目“天文、生物信息和计算化学网络计算应用系统建设”及中国科学院知识创新工程信息化建设专项“超级计算环境建设与应用”为背景而开展。分子的建模和可视化是计算化学中必不可少的前后处理模块,互联网高速发展的今天,基于网络的分子建模及可视化软件越来越重要,但目前这样的软件鲜有报道。   本文设计并开发了基于国家网络计算应用系统NCAP的分子构建及可视化平台GRIDMOL,该平台集成了分子构建和可视化的三维虚拟现实环境以及深腾6800等高性能计算机上的各种软硬件资源。由于该平台使用java技术,具有跨平台的优点,全球任意一台连接到Internet上的机器都可以登录GRIDMOL在线构建、在线优化以及在线可视化。GRIDMOL为化学计算提供了方便透明的应用环境。在超级计算机计算能力飞速发展的今天,并行算法研究和并行软件的研制严重滞后,针对具体问题设计行之有效的并行算法十分必要。复杂函数的全局最优化问题是在计算化学及生物信息学问题中提炼出来的亟需解决的计算问题。本文设计并实现了基于均匀设计和Powell算法的并行全局最优化算法,且使用了经典的复杂函数对算法进行了与现有的算法的比较测试。该算法能够很好地跳出局部最优陷阱,而且结果更准确,效率更高,且并行效果好。该算法时间开销与问题因素个数的平方和布点数成线性复杂度,空间开销与因素个数和布点数成线性复杂度,有很好的解决大规模优化问题的能力。
其他文献
随着计算机技术的迅速发展和硬件水平的快速提升,尤其是近年来高性能计算机和并行技术的发展,气象、生态问题的高性能计算应用显得日益重要。本课题内容基于国家973项目“高性
学位
计算机网络的迅速发展推动了信息化和全球化的进程。企业与企业之间,企业的各部门之间,信息交换越来越频繁。由于地理位置的分布性和所采用的技术的多样性,直接导致了数据资源的
学位
互联网技术和应用的飞速发展对网络信息传输安全和服务质量保证提出了严峻的挑战,建立高可信的网络服务已经成为网络应用发展的迫切需求。目前可信网络相关技术的研究重点集
学位
强化学习作为一种强有力的机器学习方法,其有效性已经在很多领域得到证明。它研究的是一个很普遍的问题:即如何在一个未知的动态环境中学习,以找到最优的行为策略。强化学习给人
多角度人脸识别是模式识别中极具挑战性的课题,在军用和民用领域有着广阔的应用前景,其目的是让计算机等机器能够自动辨认出各个角度的人脸图像。由于人脸的复杂性和微妙性,
随着多媒体通信技术的飞速发展,多种业务的融合已经成为网络发展的一个趋势。社区宽带综合业务网络系统使用交换式以太网技术,在一个物理网络上实现常规电话网、数字电视网、计
学位
数据挖掘是当前人工智能研究领域非常活跃的一部分,是后者的核心内容之一。粗糙集理论是一种能够处理不精确和不确定性问题的数学工具,有着坚实的理论基础。本文主要围绕基于
20世纪50年代人工智能学界就提出了主体(Agent)的概念.("agent"一词目前国内还没有统一的译法,常见的译名包括"主体"、"智能代理"、"智能体"、"艾真体"等.本文选用"主体"的译
进入二十一世纪以来,多核处理器的设计发展迈向了两种不同的方向:一种是保持应用总体按序执行的CPU,另一种则是更适用于并行计算的GPU。GPU自诞生伊始便在浮点计算性能上超越