-
公开(公告)号：CN118519787A
公开(公告)日：2024-08-20
申请号：CN202410985246.2
申请日：2024-07-23
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于无同步SpTRSV算法的访存与并行效率优化方法，属于高性能并行计算领域，包括：步骤一，根据稀疏矩阵非零元素将行划分为长行和短行；步骤二，将目标向量x的值均设置为最大值；步骤三，将写阶段所需的数据预取到寄存器中；步骤四，在读阶段，判断依赖情况并进行累加操作；步骤五，在写阶段，从寄存器读取数据，计算对应行x的值。本发明解决了目前无同步SpTRSV算法中线程级并行写阶段的线程分歧问题，以及线程级和线程束级粗粒度的选择策略，从而导致GPU利用率不高的问题。
-
公开(公告)号：CN117540664A
公开(公告)日：2024-02-09
申请号：CN202410032328.5
申请日：2024-01-10
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F30/27 , G06F30/15 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于图神经网络的二维流场预测与修正方法，包括：飞行器翼型数据集构建：构建基于拓扑重构与图性质结构的流场变换域视角下的数据集，并转换为二维矩阵表示、图数据结构表示或图像表示；流场预测与修正模型构建：基于飞行器外形和飞行条件的二维矩阵表示、流场的图数据结构表示以及图像表示，构建流场预测与修正网络模型；流场预测与修正模型训练：使用数据集训练流场预测与修正网络模型，开展分阶段预训练和联合微调，获得智能预测模型和智能修正模型；翼型流场快速预测：对于训练数据之外的飞行器外形和飞行条件，智能预测模型和智能修正模型预测得到最终流场。本发明通过飞行器外形和飞行条件等要素可直接预测流场。
-
公开(公告)号：CN111597038B
公开(公告)日：2023-07-14
申请号：CN202010351241.6
申请日：2020-04-28
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F9/50
Abstract: 本发明公开了一种超级计算机I/O转发结点轮询映射方法，包括如下步骤：计算超级计算机中I/O转发结点的数量，记为n；对n个I/O转发结点分别进行编号为ION0,ION1,...,IONn‑1；计算超级计算机中计算结点的数量，记为m；计算结点的编号分别为CN0,CN1,...,CNm‑1；采用轮询映射计算方法将计算结点CNi，映射至I/O转发结点IONi％n；在每个计算结点上，修改I/O转发结点配置，即对于计算结点CNi，将I/O转发结点配置从传统分区映射方法的修改为轮询映射方法的IONi％n；所有从计算结点CNi发出的I/O请求，都由I/O转发结点IONi％n处理；修改完所有计算结点上的I/O转发结点配置后，重启计算结点上的I/O转发服务，使配置生效，该方法解决了I/O转发结点间的负载不均衡问题。
-
公开(公告)号：CN116246039A
公开(公告)日：2023-06-09
申请号：CN202310534154.8
申请日：2023-05-12
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于深度学习的三维流场网格分类分割方法，所述方法包括如下步骤：S1：三维网格模型数据预处理；以三维网格模型数据中局部曲面作为基本处理单元，数据预处理为将局部曲面的特征分为三维的空间特征和十六维的结构特征；S2：三维网格分类模型构建；融合生成对抗网络和协同注意力网络完成三维网格分类模型构建；S3：模型训练；引入三元组损失和DCCA损失对步骤S2获得的三维网格分类模型构建的子空间特征分布进行语义对齐，使得模型构建的子空间中语义相关的特征数据对所对应的语义分布距离靠近，同时使语义不相关的特征数据对所对应的分布距离远离；S4：基于步骤S3训练完成的模型完成三维流场网格分类分割。
-
公开(公告)号：CN112948643B
公开(公告)日：2021-08-06
申请号：CN202110520617.6
申请日：2021-05-13
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F16/901 , G06F16/903 , G06F16/904
Abstract: 本发明提供一种基于线程并行的结构化网格流线积分方法，包括：步骤1、对多块结构化网格进行数据块的重划分；步骤2、对于重划分后的每一个数据块，计算其属性数据的类型和数目；步骤3、反馈步骤2的计算结果，把数据块中的每一种类型的属性数据提取出来单独存储；步骤4、在进行三维矢量场流线可视化过程中，将需要的属性数据使用多线程进行并行读取；步骤5、使用读取的属性数据构建动态搜索树；步骤6、读取动态搜索树中计算种子点数，根据计算种子点的任务规模进行动态分组，再将分组后的计算种子点数分配给多线程并行积分计算；步骤7、将计算结果用于后续的可视化工作。本发明能够提高多核处理器利用率、加速科学可视化中流线积分。
-
Patent Agency Ranking
公开(公告)号：CN112527112A
公开(公告)日：2021-03-19
申请号：CN202011422014.4
申请日：2020-12-08
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种多通道沉浸式流场可视化人机交互方法，通过多种交互方式将输入信息送入交互器中，分别进行相应的交互识别工作，并完成界面或可视化结果交互，其中多种交互方式包括手势交互、手柄交互和凝视交互。本发明在流场可视化应用中采用多通道交互方式高效完成复杂的流场可视化交互需求，将手势、手柄和凝视三种交互方式有机结合，弥补了单一通道交互方式的弊端，提升了交互的效率。
-
公开(公告)号：CN112270142A
公开(公告)日：2021-01-26
申请号：CN202011150140.9
申请日：2020-10-23
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本申请公开了一种面向人机交互的流场可视化管线动态构建方法及装置，该方法包括：通过人机交互获取用户输入的和/或上一级可视化管线输出的至少一种类型的数据，创建存储封装所述至少一种类型的数据的第一过滤器；创建第二过滤器以及根据用户输入的需求信息创建至少一个第三过滤器，其中，所述第二过滤器用于将所述至少一种类型的数据进行合并得到合并后的数据，所述第三过滤器用于根据所述合并后的数据进行可视化计算；将所述第一过滤器、所述第二过滤器以及所述至少一个第三过滤器依次连接得到一级可视化管线，以及将相邻两级可视化管线连接得到流场可视化管线。本申请解决了现有技术中可视化管线的开放性、灵活性、实时性较差的技术问题。
-
公开(公告)号：CN111932663A
公开(公告)日：2020-11-13
申请号：CN202010798412.X
申请日：2020-08-11
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06T15/00 , G06T5/50 , G06F9/50 , G06F111/10
Abstract: 本发明公开了一种基于多层级非对称通信管理的并行绘制方法，包括步骤：S1，数值模拟结果数据并行读入；S2，客户端交互进程开始绘制；S3，服务端绘制进程执行并行绘制；S4，服务端绘制结果向客户端传输等；本发明降低了并行可视化计算与绘制过程中的进程间通信次数，实现了进程间负载均衡，提升了数据载入效率，提升了绘制效率。
-
公开(公告)号：CN111814246A
公开(公告)日：2020-10-23
申请号：CN202010530568.X
申请日：2020-06-11
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06F113/08 , G06F119/14
Abstract: 一种基于生成对抗网络的翼型反设计方法，包括步骤如下：步骤1：构建翼型-气动曲线数据库；步骤2：设计从压力系数曲线坐标到翼型坐标的生成对抗网络；步骤3：将步骤1中得到的N组数据对送入步骤2中设计的生成对抗网络中，并采用迭代训练的方式迭代优化生成器和判别器，达到纳什均衡后，保留生成器Gtrain，丢弃判别器；步骤4：将测试气动曲线 送入步骤3中训练得到的生成器Gtrain中，得到预测的翼型 以及对应的马赫数、雷诺数和攻角；步骤5：对步骤4中得到的翼型坐标进行曲线平滑，得到光滑的翼型表面。本发明通过压力系数曲线直接推导出翼型形状，同时推导出当前压力系数曲线对应的马赫数、雷诺数及攻角，更高效，更精确。
-
公开(公告)号：CN118780212A
公开(公告)日：2024-10-15
申请号：CN202411261250.0
申请日：2024-09-10
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F30/27 , G06V10/771 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于多尺度信息的非定常流场关键时间步提取方法、系统及介质，涉及非定常流场领域，解决了因固定时间步长导致的存储压力以及关键演变丢失问题；方法包括：定义非定常流场，确定不同时间步下的多个流场；提取近壁面区域的多尺度点云数据；训练点云自动编码器，对多尺度点云数据进行特征提取，计算相邻流场的特征距离，并累加得到各个时间步下的流场与第一个时间步下的流场之间的特征距离值；依据关键帧数量，将特征距离值均分为多份，作为多个关键阈值，选取出与关键阈值数量相同的多个关键流场，其时间步即为非定常流场的关键时间步；本发明不仅优化了存储资源管理，还促进了对复杂非定常流场高效、经济的长期模拟与分析。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.049 seconds)
