دانلود و نمایش مقالات مرتبط با parallelization Techniques::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - parallelization Techniques

تعداد مقالات یافته شده: 4
ردیف عنوان نوع
1 Parallelization methods for efficient simulation of high dimensional population balance models of granulation
روش های موازی سازی برای شبیه سازی کارآمد مدل های توازن توزیع جمعیت ابعاد بزرگ دانه بندی-2017
In order to solve high resolution PBMs to simulate real systems, with high accuracy and speed, a comprehensive and robust parallelization framework is needed. In this work, parallelization using just Message Passing Interface (MPI) and a more advanced method using a hybrid MPI + OpenMP (Open MultiProcessing) technique, have been applied to simulate high resolution PBMs on the computing clusters, SOEHPC and Stampede. We study the speed up and the scale up of these parallelization techniques for different system sizes and different computer architectures to come up with one of the fastest ways to solve a PBM to date. Parallel PBMs ran approximately 50–60 times faster, when using 128 cores, than the serial PBMs ran. In this work it is found that hybrid MPI + OMP methods which account for socket affinities led to the fastest PBM compute times and about 80% less memory than a purely MPI approach.
Keywords: MPIئ | OpenMP | Parallel computing | Population balance model | Granulation | Pharmaceutical process design
مقاله انگلیسی
2 A parallel Quantized State System Solver for ODEs
حل کننده سیستم حالت تدریجی موازی برای ODEs-2017
This work introduces novel parallelization techniques for Quantized State System (QSS) simulation of continuous time and hybrid systems and their implementation on a multi-core architecture. Exploiting the asynchronous nature of QSS algorithms, the novel methodologies are based on the use of non-strict synchronization between logical processes. The fact that the synchronization is not strict allows to achieve large speedups at the cost of introducing additional numerical errors that, under certain assumptions, are bounded depending on some given parameters. Besides introducing the parallelization techniques, the article describes their implementation on a software tool and it presents a theoretical analysis of the aforementioned additional numerical error. Finally, the performance of the novel methodology and its implementation is deeply evaluated on four large scale models.
Keywords: Parallel ODE simulation | QSS | Hybrid systems | Discrete event systems
مقاله انگلیسی
3 Numerical Modeling of Polydisperse Bubbly Flows by the OpenMP Parallel Algorithm
مدل سازی عددی جریان های حباب چند قطبی با استفاده از الگوریتم موازی OpenMP-2017
Numerical modeling of gas and liquid flows and, in particular, multiphase mediums, is a promising direction of scientific investigations and development of industrial apparatus. Experimental approach in the field of multiphase flows is not always capable of obtaining required information about the flow structure due to the excessive amount of physical phenomena involved. Numerical simulations of real flows with inclusion of all processes and phenomena or on real-scale geometries are very resource demanding and are not feasible on stand-alone personal working stations. Thus, applying parallelization techniques at the existing solution algorithms with the means of OpenMP library alongside with supercomputer technologies can reduce computational time and can help with simulations of complex flows on the systems with shared memory. The study presents the description of the previously developed mathematical model of polydisperse multiphase flows, numerical algorithm for the solution of governed equations of the model and description of the numerical method. Simulations by the means of the proposed algorithm were carried out for the case of polydisperse bubbly flow inside water-filled rectangular column. Results presented in the paper, which are obtained during numerical experiments carried out on the “SC dependencies of program working time on the amount of threads and model parameters.
Keywords: Numerical modeling | bubbly flows | polydispersity | parallel computing |shared memory
مقاله انگلیسی
4 MapReduce: تجزیه و تحلیل داده ساده شده حاصل از داده های بزرگ
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 19
با توسعه تکنولوژی کامپیوتر، افزایش فوق العاده ای در رشد داده ها بوجود آمد. دانشمندان در اندیشه¬ی این افزایش میزان نیازهای پردازش داده هستند که از هرفیلد علمی گرفته شده است. مشکل بزرگ در مواجه فیلدهای مختلف، کاربرد کامل از این داده ها در مقیاس بزرگ است که در آن از تصمیم گیری پشتیبانی ¬کند. داده کاوی روشی است که می تواند الگوهای جدید از مجموعه داده های بزرگ را کشف کند. مدت¬ها در انواع حوزه¬های برنامه¬ها مورد مطالعه قرار گرفته و به این ترتیب بسیاری از روش های داده کاوی توسعه یافته اند و برای آزمایش اعمال شده است. اما در سال های اخیر افزایش فوق العاده ای در مقدار داده ها ، محاسبه آنها و تجزیه و تحلیل بوجود آمده است. در چنین وضعیتی کلاسیکترین روش داده کاوی برای بکاربردن چنین داده های بزرگ، خارج از هدف آزمایش قرار گرفت. کارآمدی موازی/ الگوریتم های همزمان و تکنیک های اجرایی، کلیدی برای تلاقی مقیاس پذیری و عملکرد مورد نیاز هستند که شامل تجزیه و تحلیل و واکاوی چنین داده¬ی مقیاس بزرگی است. شماری از الگوریتم های موازی، اجرا شده با استفاده از تکنیک های موازی مختلف را می توان این چنین ذکر کرد: موضوعات، MPI، MapReduce و مخلوط یا گردش فن آوری، که ویژگی های مختلف بازده عملکرد و قابلیت استفاده است. مدل MPI برای کارآمدی در محاسبه به خصوص در شبیه سازی مشکلات جدی پیدا کرد. اما در واقع استفاده از آن آسان نیست. MapReduce از مدل تجزیه و تحلیل داده¬ی فیلد بازیابی اطلاعات و تکنولوژی انبوه توسعه یافته است. تا الان، چند معماری MapReduce برای دست زدن به داده های بزرگ توسعه یافته است. معروف ترین گوگل است. دیگری با داشتن چنین ویژگی های هادوپ است که محبوب ترین نرم افزار منبع باز MapReduce اتخاذ شده توسط بسیاری از شرکت های بزرگ IT ، مانند یاهو، فیس بوک، ای بی و غیره است. در این مقاله، تمرکز ما به طور خاص بر هادوپ و اجرای MapReduce¬اش برای پردازش تحلیلی است.
کلمات کلیدی: داده بزرگ | داده کاوی | تکنیک های موازی | HDFS | MapReduce | هادوپ.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 3311 :::::::: بازدید دیروز: 3097 :::::::: بازدید کل: 37578 :::::::: افراد آنلاین: 37