基于逻辑进程范型的空间随机仿真并行化研究

Spatial stochastic simulation is the important computational approach to reveal the intrinsic noise and spatial nonhomogeneity in bio-chemical reaction networks. Because of the nature of event-driven and computationally intensive of the spatial stochastic simulation, parallel execution based on the logical process paradigm, is becoming a prospective approach to overcome the performance bottleneck of large-scale spatial stochastic simulation. Currently, the research on parallelizing the spatial stochastic simulation suffers from obstacles including a lack of support from formal methods, difficulties in domain-specific modeling, as well as limited means in algorithm evaluation and selection. To solve the aforementioned problems, this proposal puts forward the formalism for the logical process paradigm, the domain-specific model transformation framework for parallel simulation of bio-chemical reaction networks, the experimental algorithm evaluation and automatic algorithm selection for parallel spatial stochastic simulation, as well as a prototype system for demostration. The motivation of this work is to achieve methodological innovation and technical breakthrough in parallelizing the spatial stochastic simulation based on the logical process paradigm. The contribution of this work will be of notable importance to the correct and effective domain-specific modeling and the efficient parallel execution for the large-scale spatial stochastic simulation.

空间随机仿真是表现生化反应网络的内在噪声和空间非齐性的重要计算手段。由于大规模空间随机仿真的事件驱动和计算密集性特征，采用基于逻辑进程范型的并行化方法加速运行，正成为克服其性能瓶颈的重要研究方向。针对当前空间随机仿真并行化研究中缺乏形式化方法支持、领域建模难度大以及仿真算法优选手段匮乏的问题，本项目拟研究面向逻辑进程范型的形式化建模范式，面向并行仿真的生化反应网络领域模型转换框架，以及空间并行随机仿真算法实验性评价与自动优选方法，并建立原型系统对相关成果进行验证，以期在基于逻辑进程范型的空间随机仿真并行化方法和技术上实现创新和突破。项目成果对于保证空间随机仿真领域建模的高效正确和并行执行的高性能具有重要意义。

空间随机仿真是表现生化反应网络的内在噪声和空间非齐性的重要计算手段。由于大规模空间随机仿真的事件驱动和计算密集性特征，采用基于逻辑进程范型的并行化方法加速运行，正成为克服其性能瓶颈的重要研究方向。针对当前空间随机仿真并行化研究中缺乏形式化方法支持、领域建模难度大以及仿真算法优选手段匮乏的问题，本项目首先研究提出了面向逻辑进程范型的平台无关的语义规范：分割事件图，并在时间转移系统上给出了其结构操作语义。其次，提出了面向并行仿真的生化反应网络领域模型转换框架，主要工作是提出 “领域相关语言 -分割事件图范式 -并行仿真平台相关 API”模型转换方法，并通过抽象下一子空间法(ANSM) 对模型表示和仿真算法进行解耦合，基于ANSM的并发推断执行能够有效提升仿真效率并保持串行统计一致性。最后，提出了空间并行随机仿真算法实验性评价与自动优选方法，主要工作是构建了逻辑进程范型的本体，实现了逻辑进程范型仿真算法实验性评估框架 James II-LP，并采用PHOLD和Lotka-Volterra等模型对以上建模方法和仿真框架的有效性和并行执行性能进行了验证。项目取得的成果对于确保领域建模方法的高效正确和并行执行的高性能具有重要意义，在空间随机仿真的并行化应用成果对其它类似应 用具有重要的借鉴作用。