-
公开(公告)号：CN116341628B
公开(公告)日：2024-02-13
申请号：CN202310162148.4
申请日：2023-02-24
Applicant: 北京大学长沙计算与数字经济研究院 , 北京大学
IPC: G06N3/0495 , G06N3/098
Abstract: 本发明提供一种面向分布式训练的高效梯度稀疏化方法及系统，其中方法包括：将以稠密格式存储的梯度划分为若干个子块，每个子块的大小为第一数值；在每个子块的块内取固定的前第二数值的个数的元素；使用两个数组分别存储提取的元素的下标及值；其中，第二数值的值为第一数值的值乘以预设的参数。本发明面向分布式训练的高效梯度稀疏化方法，将均衡分块方法引入梯度稀疏化中，可以实现天然的均衡负载划分，并通过转化为批量运算充分利用异构硬件平台的高并行性，提高梯度稀疏化的计算性能。
-
公开(公告)号：CN117217131B
公开(公告)日：2024-02-06
申请号：CN202311468428.4
申请日：2023-11-07
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G06F30/28 , G06F17/11 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明涉及油藏模拟领域，公开了一种油藏数值模拟方法、装置、设备和存储介质，方法包括：创建多相油藏模拟守恒方程，多相油藏模拟守恒方程包括压力方程和饱和度方程；通过调整每个计算周期的时间步的长度对多相油藏模拟守恒方程进行循环全隐式求解，得到每个计算周期的压力参数与饱和度参数；在预设周期之后停止求解，输出各相的目标压力参数和目标饱和度参数，本发明兼顾了油藏模拟的效率和模拟准确度两个因素。
-
公开(公告)号：CN117172159B
公开(公告)日：2024-02-02
申请号：CN202311437016.4
申请日：2023-11-01
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G06F30/28 , G06F17/11 , G06F111/10
Abstract: 本发明涉及计算流体动力学技术领域，公开了确定空化区域的方法、装置、计算机设备及存储介质。本发明获取预处理矩阵、初始空化评估指标、目标物体在静止参考系的各个预设方向的角速度和流体的流体动力学参数。根据预处理矩阵、各个预设方向的角速度和流体动力学参数，创建第一控制方程。对目标物体对应的三维空间进行网格化，得到多个网格。根据有限体积法，对第一控制方程进行离散处理，得到第二控制方程。根据第二控制方程和初始空化评估指标，对每个网格进行龙格库塔迭代计算，得到每个网格的目标空化评估指标。根据目标空化评估指标，确定目标物体上存在空化现象的区域。本发明可以更准确地确定目标物体上存在空化现象的区域。
-
公开(公告)号：CN117217131A
公开(公告)日：2023-12-12
申请号：CN202311468428.4
申请日：2023-11-07
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G06F30/28 , G06F17/11 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明涉及油藏模拟领域，公开了一种油藏数值模拟方法、装置、设备和存储介质，方法包括：创建多相油藏模拟守恒方程，多相油藏模拟守恒方程包括压力方程和饱和度方程；通过调整每个计算周期的时间步的长度对多相油藏模拟守恒方程进行循环全隐式求解，得到每个计算周期的压力参数与饱和度参数；在预设周期之后停止求解，输出各相的目标压力参数和目标饱和度参数，本发明兼顾了油藏模拟的效率和模拟准确度两个因素。
-
公开(公告)号：CN117151352A
公开(公告)日：2023-12-01
申请号：CN202311433829.6
申请日：2023-11-01
Applicant: 北京大学长沙计算与数字经济研究院 , 北京大学
IPC: G06Q10/063 , G06Q50/06 , G06F30/28 , G06F113/06 , G06F113/08
Abstract: 本发明涉及风资源评估方法、系统及计算机存储介质和终端设备，包括：获取场址一时间段的风资源数据；根据风资源数据，确定待模拟风场的加密区域；根据加密区域，将待模拟风场划分为若干片区，且加密区域的网格格距比非加密区域的网格格距小，LBM采用分片结构网格构建待模拟风场模型；根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息；根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的风场模拟信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能。其是一种简单高效、模拟逼近实际情况的风资源评估方法。
-
Patent Agency Ranking
公开(公告)号：CN116882218A
公开(公告)日：2023-10-13
申请号：CN202311147837.4
申请日：2023-09-07
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G06F30/20 , G06F30/28 , G06F119/14
Abstract: 本发明涉及油藏数值模拟技术领域，公开了一种油藏数值模拟方法、装置、计算机设备及存储介质，方法包括：基于井压力创建用于耦合求解油藏的各相压力和各相饱和度的质量守恒方程；创建关于各相压力、各相饱和度和井压力的井方程；初始化包括当前时间步的井压力的初始解向量；利用初始解向量隐式求解质量守恒方程得到下一时间步的各相压力和各相饱和度；利用下一时间步的各相压力和饱和度显式求解井方程得到下一时间步的井压力；将下一时间步的井压力作为当前时间步的井压力，返回隐式求解质量守恒方程的步骤迭代到预设数量时间步得到目标各相压力和目标各相饱和度。本发明同时提高了油藏数值模拟的数值稳定性、时间步长宽松性和负载均衡性。
-
公开(公告)号：CN116680763A
公开(公告)日：2023-09-01
申请号：CN202310700966.5
申请日：2023-06-13
Applicant: 北京大学长沙计算与数字经济研究院 , 北京大学
IPC: G06F30/10 , G06N3/04 , G06F17/13 , G06F111/06
Abstract: 本发明涉及形状优化方法及计算机存储介质和终端设备，包括：根据偏微分方程约束的形状待优化问题，确定状态、伴随、正则方程；构建状态、伴随、正则方程神经网络代理模型；设定优化目标初始形状，将初始形状边界离散为若干形状表征点；在当前形状内部与边界分别采样若干配置点；优化状态损失函数，更新状态方程代理模型；优化伴随损失函数，更新伴随方程代理模型；优化正则损失函数，更新正则方程代理模型；计算形状表征点对应的形状优化方向，更新当前形状；判断是否结束形状更新。本发明利用神经网络求解方程的无网格特性，突破了传统网格依赖形状优化方法的瓶颈，可用于求解不同领域的形状待优化问题。
-
公开(公告)号：CN117875410A
公开(公告)日：2024-04-12
申请号：CN202410279586.3
申请日：2024-03-12
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
Abstract: 本申请公开了一种面向偏微分方程求解的神经网络模型自动设计方法及装置，该方法包括：基于神经网络模型的结构和含参激活函数构建进化搜索空间，并依据该搜索空间对神经网络模型进行基因编码；基于选择操作、交叉操作和突变操作，采用进化搜索策略在进化搜索空间中对神经网络模型进行搜索，直到预设的进化代数，其中，选择操作、交叉操作和突变操作用于在进化搜索空间中生成多个备选神经网络模型；选出进化最后一代中的最优神经网络模型个体用于偏微分方程的求解。本申请提供的方法实现了提升神经网络模型在求解偏微分方程时的精度和收敛速率的技术效果。
-
公开(公告)号：CN117407419A
公开(公告)日：2024-01-16
申请号：CN202311160042.7
申请日：2023-09-08
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G06F16/2455 , G06F16/28
Abstract: 本发明公开了一种高维数据的查找方法及装置、存储介质、电子设备。其中，该方法包括：确定搜索空间中的初始值，其中，初始值包括初始位置值和初始元素值，初始位置值由N个向量构成，每个向量长度为高维数组对应阶的维度大小，N为大于2的正整数；基于初始值查找搜索空间在单一维度的单维最大值，以及单维最大值的数组位置；将单维最大值和数组位置输出为搜索空间在当前迭代周期的当前最大元素。通过本发明，解决了相关技术中在搜索空间中查找高维最大元素的准确率低的技术问题，可适配于各种低秩表示形式的数据，通用性高，通过交替迭代的策略保证了收敛性，且减少了对超参数的依赖，无论是人造数据还是真实数据，提高了准确率和稳定性。
-
公开(公告)号：CN116405398A
公开(公告)日：2023-07-07
申请号：CN202310144049.3
申请日：2023-02-21
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: H04L41/12 , G06N3/04 , G06N3/08 , H04L41/14 , H04L41/0896
Abstract: 本发明公开了一种稀疏梯度规约的方法、装置、终端设备及介质，包括：获取网络拓扑结构；根据网络拓扑结构将全局设备分为二维设备网格(n，d)，同时将稀疏张量也分为二维稀疏张量(d，n)，其中n代表节点数目，d代表每个节点内的设备数目；基于预设Reduce‑Scatter算法对二维设备网格(n，d)及二维稀疏张量(d，n)进行通信规约，确定规约结果；基于AllGather算法对规约结果进行处理，得到最终处理结果。根据底层带宽制定高效的梯度规约模式，以实现网络带宽的高效利用，缓解低带宽瓶颈，提升训练性能。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.091 seconds)
