摘要：TREAT(Transient Reactor Test Facility)是一种用于测试反应堆燃料和结构材料性能的实验堆。该堆结构复杂,采用气冷设计和石墨慢化,在径向和轴向上均具有很强的中子泄漏和非均匀性,对三维中子学的模拟提出了较大的挑战。PROTEUS-MOC由美国阿贡国家实验室和密歇根大学合作开发,采用二维特征线方法和一维间断伽辽金有限元方法分别处理角通量的径向和轴向分布。为测试PROTEUS-MOC的精度和效率,利用该程序对TREAT试验堆进行了稳态中子学计算。计算结果表明:PROTEUS-MOC程序的精度较高,能准确描述TREAT的轴向和径向的强中子泄漏。与Monte Carlo程序Serpent相比,特征值相对误差仅为0.12%。另外,PROTEUS-MOC所采用的加速方法 TLPCMFD(Two-Level pCMFD)可以将计算速度提高26倍。

摘要：针对多核处理器计算能力和访存速度间差异不断增大对多核系统性能提升的制约问题,分析几款典型多核处理器存储系统的设计特点,探讨多核处理器片上存储系统发展的关键技术,包括延迟造成的非一致cache访问、核与cache互连形式对访存性能的束缚以及片上cache设计的复杂化等。

摘要：容错并行算法是一种应用级容错方法,它通过并行复算的方法实现快速的故障恢复。容错并行算法是在并行算法设计的基础上增加了容错设计部分,因此其性能评估必须考虑故障对程序性能的影响。研究了评估故障情况下容错并行算法性能的各种度量,建立了性能模型预测容错并行算法的期望执行时间,以此为基础评估了程序段的运行时间、数据保存开销、故障率以及并行复算加速比等系统参数对容错并行算法性能的影响。

摘要：非负矩阵分解(Non-negative Matrix Factorization,NMF)能保存语音信号的非负特征,是用于语音分离的重要方法,但该方法存在数据运算复杂、计算量太大的问题,需要研究能减少计算时间的并行计算方法。针对语音分离预训练及分离过程的计算问题,文中提出深层转导式非负矩阵分解并行算法,综合考虑迭代更新过程的数据关联性,设计了一种任务间和任务内多级并行算法。该并行算法在任务级将分解训练语音得到对应基矩阵的过程作为两个独立的任务进行并行计算;在任务内部进程级把矩阵按行列划分,主进程把矩阵块分发到从进程,从进程接收当前矩阵块并计算结果矩阵子块,然后将当前进程矩阵块发送到下一进程,实现第二个矩阵中每一个矩阵块在所有进程的遍历,并计算结果矩阵对应子块的乘积,最后由主进程收集从进程数据块;在线程级子矩阵乘法运算的过程中,采取生成多线程,通过共享内存交换数据计算子矩阵块的加速策略。该算法为首个实现深层转导式非负矩阵分解的并行算法。在天河二号平台上的测试结果表明,在分离多说话人混合语音信号时,相比串行程序,所提出的并行算法能在不改变分离效果的前提下,使得预训练过程中使用64个进程的加速比为18,分离过程使用64个进程的对应加速比为24。相较于串行及MPI模型分离,混合模型分离时间大大缩短,从而证明了设计的并行算法可有效提高语音分离的效率。

摘要：为了实现广域环境下对地理上分布、异构的XML数据库的共享访问,采用Java及其组件技术,以及WebServices规范,设计了一个基于网格的XMLDB共享访问系统GriDen-XSA。使用户对底层数据存储资源的获取、查询以及结果显示等过程标准化,而不需知道这些数据库的类型、物理位置等信息。同时实现了一个基于XMLSchema的检索,使用户不仅可以使用XML数据库自身提供的查询方法,也可以自己选择要进行索引的数据项进行查询,从而提高检索效率。

摘要：提出一种基于OGSA的生物计算网格体系结构,分析研究了生物应用标准化、资源描述、作业描述和作业调度等,对序列拼接应用Phrap在该网格环境下的运行情况进行了讨论。

摘要：媒介接入控制(MAC)用以协调无线节点对公共信道的共享,对无线网络性能有至关重要的影响。传统的MAC协议只能抑制冲突,不能根除及处理冲突。提出了一种基于已知干扰消除技术的新型消解冲突方法,并以此为基础设计了一个全新的MAC协议——CR-MAC。在CR-MAC协议中,无线接入点(AP)通过将部分报文传输与已知干扰消除相结合来解码冲突所包含的所有报文。因此发生冲突的报文传输过程能够被充分利用,且所需的报文重传减少了。实验结果表明,在网络吞吐率及预期报文时延指标上,CR-MAC协议较普遍采用的IEEE 802.11DCF协议均有明显优势。

摘要：针对事务存储系统下的错误检测问题,提出了一种基于冗余事务的事务存储系统的错误检测方法(error detection by redundant transaction,EDRT).该方法为每个事务创建一个副本事务,并利用富余的处理器核资源同时执行原始事务和副本事务,通过比较原始事务和副本事务的执行结果达到检测错误的目的.在检错比较数据集的获取上,EDRT方法利用了事务存储系统自身的版本管理机制,实现了对用户透明的在线接近最小数据比较集的获取.将EDRT方法应用于日志事务存储系统,提出了针对容错日志事务存储系统的设计问题的解决方法.最后,使用了包括4个SPLASH-2典型用例在内的5个测试程序对该方法进行了验证测试,实验结果表明EDRT检错方法相对整个程序的平均检错开销在3.68%左右,而相对于程序内事务部分的平均检错开销也只有12.07%左右.通过与双模冗余检错方法(dual modular redundancy error detection mechanism,DMR)的对比,EDRT方法与DMR方法的平均检错开销比只有0.05%左右.

摘要：注意力机制最近在深度神经网络中表现出优越的性能,但其计算包含复杂的数据流,内存开销和计算量大,需要定制加速器来优化推理计算。提出一种针对注意力机制计算的加速器结构。采用基于硬件控制的灵活分块方法,将模型中的巨大矩阵分成硬件亲和的计算块,使块矩阵的计算匹配加速器脉动阵列;提出基于双步softmax函数分解计算的层融合计算方法,有效减少了注意力模型计算对内存的访问。采用硬件描述语言HDL设计实现了细粒度计算调度的层融合注意力模型加速器结构。基于XILINX FPGA器件和HLS工具进行了性能评估。相同设置下,与CPU相比延迟加速了4.9倍,与GPU相比能效提升了1.24倍。

摘要：规模化基因表达实验所产生的大量与生物组织特定时空状态相关的cDNA和表达序列标签(EST)等信息可用于新基因的发现、基因表达模式分析和基因组的注释,从而可为转录组研究提供实验设计和结果分析的参考标准。真核基因可变剪接的普遍性及其在机体生理与病理过程中的重要作用,使得可变剪接的系统分析已成为功能基因组研究中的热点之一。在面临海量表达数据的指数增长和不断有新的基因组获得测序的情况下,实现转录组序列分析的规模化、自动化计算迫在眉睫。讨论不同转录组分析系统中的数据分析算法及其计算需求,并提出适用于大规模可变剪接分析的策略。