基于众核计算平台的分析仿真并行加速方法

The manycore technique has been becoming a main force to support high performance computing, which is a certain choice to accelerate analytical simulation of complex systems. However, the current methods of parallel simulation cannot convert the power of manycore to simulation capability sustainably because of the following reasons. Firstly, scheduling algorithms cannot fully use the massive concurrent computational resource. Secondly, there exist potential conflicts when threads access different messages in the shared memory space. Thirdly, data filtering can be very time consuming. To solve these problems, the project plans to make innovation and breakthrough on parallel acceleration method of analytical simulation, including: 1) a scheduling algorithm aims to combine parallelism from both sample level and entity level, so that the computing resource can be fulfilled with limited memory; 2) a message management algorithm aims to optimize data layout, so that potential access conflicts can be eliminated while supports global sharing of storage resources and meets the demand of massively concurrent access; 3) a data filtering algorithm aims to use vectorization to accelerate interest match by reconstructing the matching procedure to decouple data dependence. Our work is very important, both in theory and application, to upgrade analytical ability of complex system simulation by harnessing the new manycore architecture, and to boost the adaption of high performance computer in the field of complex system simulation.

众核技术正迅速成为支持高性能计算发展的主要力量，是未来加速复杂系统分析仿真实验的必然选择。然而，当前并行仿真方法在利用众核计算平台时，存在计算资源利用率低、数据访问干扰、数据过滤开销大等问题，难以可持续地将众核性能增益转化为仿真能力的提升。针对上述问题，本项目拟从仿真调度、消息存储管理和数据过滤三个方面着手在分析仿真并行加速方法上实现创新和突破，研究仿真调度方法支持“样本-实体”并行融合，在存储受限条件下充分发掘并行度以实现计算资源的充分利用；研究消息存储管理算法优化数据布局，在支持存储资源的全局共享和深度并发访问的基础上消除潜在的数据访问冲突；研究数据过滤算法，通过重构兴趣匹配流程来分离数据相关依赖，以利用向量计算提升数据过滤的效率。本项目研究成果对于利用高效能众核计算机提高复杂系统分析仿真实验能力、推进新一代高效能计算机系统在复杂系统仿真领域的应用等具有十分重要理论和实践的意义。

众核技术正迅速成为支持高性能计算发展的主要力量，是加速复杂系统分析仿真实验的必然选择。然而，当前并行仿真方法在利用众核计算平台时，存在计算资源利用率低、数据访问干扰、数据过滤开销大等问题，难以可持续地将众核性能增益转化为仿真能力的提升。针对上述问题，本项目从仿真调度、消息存储管理和数据过滤等三个方面着手在分析仿真并行加速方法上实现创新和突破：提出了一种基于自适应任务密取的仿真调度算法，将多个样本合并为一个逻辑整体，对仿真实体统一分组后分发到不同的计算单元并行执行，利用不同样本在时空上的差异负载进行任务的互补平衡，通过协同发掘样本级和实体级并行特性来提升仿真效率；提出了一种面向多线程PDES的高效存储管理方法，将线程局部内存和共享内存分开管理，并设计了一个基于标志位的内存管理机制实现线程共享内存的无锁化申请和释放；提出了一种并行层次兴趣匹配（数据过滤）算法，将订阅区域嵌入到一棵满二叉树中，由更新区域并行地与二叉树的进行匹配，并利用二叉树相邻节点的区域关联关系来剔除不必要的计算，有效提升数据过滤的效率。项目成果对于利用高效能众核计算机提高复杂系统分析仿真实验能力、推进新一代高效能计算机系统在复杂系统仿真领域的应用等具有十分重要理论和实践的意义。