|
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
Разработка и исследование методов суперкомпьютерной обработки данных на основе алгоритмов машинного обучения, нейросетей и эволюционных вычисленийНИР
- Руководитель НИР: Попова Н.Н.
- Участники НИР: Бобрик К.П., Бурцев А.П., Буряк Д.Ю., Головин А.О., Ершов Н.М., Корж О.В., Романенков К.В., Страбыкина Е.А., Чернышов Ю.А.
- Подразделение: Кафедра суперкомпьютеров и квантовой информатики
- Срок исполнения: 1 января 2014 г. - 31 декабря 2016 г.
- Номер договора (контракта, соглашения): 14-07-00628-а
- Номер ЦИТИС: 01201456111
- Тип: Фундаментальная
- Приоритетное направление научных исследований: Информационные технологии, компьютерные сети, распределенные вычисления и защита информации
- ПН России: Информационно-телекоммуникационные системы
- Направление технологического прорыва России: Стратегические информационные технологии
-
Рубрики ГРНТИ:
- 50.41.17 Системное программное обеспечение
- 50.41.25 Прикладное программное обеспечение
- 50.53.17 Автоматизация сбора и обработки данных научного эксперимента
-
Ключевые слова:
сети петри, эволюционные алгоритмы, оптимизация, высокопроизводительные вычисления, клеточные автоматы, распределенные модели, нейронные сети, параллельное программирование
-
Основные результаты:
Проведен анализ и на его основе предложена классификация различных распределенных эволюционных моделей и алгоритмов оптимизации с точки зрения системы их внутренней организации. На основе проведенного анализа предложена концепция построения системы стандартных для данного типа моделей структур данных и программной системы для автоматической генерации параллельных алгоритмов машинного обучения и эволюционных вычислений. Реализованы и исследованы параллельные компактные и квантовые генетические алгоритмы, ориентированные на решение задач высокой размерности на суперкомпьютерах рекордной производительности. Предложен новый подход к построению самоадаптивных алгоритмов роевой оптимизации с возможностью автоматической настройки части параметров алгоритма в процессе его выполнения. Рассмотрено применение предложенной схемы самоадаптации на примере алгоритмов бактериального поиска и пчелиных алгоритмов. Выполнена реализация предложенных алгоритмов для графических процессоров с использованием технологии параллельного программирования CUDA. Предложен новый подход к низкоуровневому дискретному моделированию естественных (биологических) систем с помощью стохастических блочных клеточных автоматов, построенных на основе марковских систем. В качестве приложения рассмотрена задача построения низкоуровневой модели нейронной сети. Предложена и исследована схема параллельной реализации двумерных марковских автоматов с использованием технологии параллельного программирования MPI. Рассмотрены вопросы микроскопического моделирования городского дорожного движения транспорта с использованием расширенных сетей Петри. Рассмотрены вопросы крупноблочной параллельной реализации сетей Петри на многопроцессорных вычислительных системах с использованием технологии MPI. Разработан иерархический генетический алгоритм автоматического выравнивания вычислительной и коммуникационной нагрузки при параллельной реализации сетей Петри на многопроцессорных вычислительных системах. Проведены оценки эффективности разработанных параллельных эволюционных алгоритмов для суперкомпьютеров «Ломоносов» и Blue Gene/P.
- Добавил в систему: Попова Нина Николаевна
Соисполнители НИР
| МГУ имени М.В.Ломоносова | Координатор |
Источник финансирования НИР
| грант РФФИ |
Этапы НИР
| # | Сроки | Название |
| 1 | 1 января 2014 г.-31 декабря 2014 г. | Разработка и исследование методов суперкомпьютерной обработки данных на основе алгоритмов машинного обучения, нейросетей и эволюционных вычислений |
| Результаты этапа: Проведен анализ и на его основе предложена классификация различных распределенных эволюционных моделей и алгоритмов оптимизации с точки зрения системы их внутренней организации. На основе проведенного анализа предложена концепция построения системы стандартных для данного типа моделей структур данных и программной системы для автоматической генерации параллельных алгоритмов машинного обучения и эволюционных вычислений. Реализованы и исследованы параллельные компактные и квантовые генетические алгоритмы, ориентированные на решение задач высокой размерности на суперкомпьютерах рекордной производительности. Предложен новый подход к построению самоадаптивных алгоритмов роевой оптимизации с возможностью автоматической настройки части параметров алгоритма в процессе его выполнения. Рассмотрено применение предложенной схемы самоадаптации на примере алгоритмов бактериального поиска и пчелиных алгоритмов. Выполнена реализация предложенных алгоритмов для графических процессоров с использованием технологии параллельного программирования CUDA. Предложен новый подход к низкоуровневому дискретному моделированию естественных (биологических) систем с помощью стохастических блочных клеточных автоматов, построенных на основе марковских систем. В качестве приложения рассмотрена задача построения низкоуровневой модели нейронной сети. Предложена и исследована схема параллельной реализации двумерных марковских автоматов с использованием технологии параллельного программирования MPI. | ||
| 2 | 1 января 2015 г.-31 декабря 2015 г. | Разработка и исследование методов суперкомпьютерной обработки данных на основе алгоритмов машинного обучения, нейросетей и эволюционных вычислений |
| Результаты этапа: Разработан прототип программной системы, предназначенной для автоматической генерации параллельных эволюционных алгоритмов с учетом архитектуры целевой вычислительной системы. Проведено исследование эффективности параллельных квантовых генетических алгоритмов, использующих вычисления на графических процессорах. Исследованы возможные схемы распараллеливания сетевых эволюционных моделей, в том числе сетей Петри, искусственных нейронных сетей. Выполнена параллельная реализация сетей Петри на примере задачи моделирования дорожного траффика с использованием технологии MPI. | ||
| 3 | 1 января 2016 г.-31 декабря 2016 г. | Этап 3 |
| Результаты этапа: Реализован пилотный вариант онлайн системы автоматической генерации параллельных программ эволюционных алгоритмов Выполнена интеграция разработанной системы с онлайн-системой базы тестовых задач для исследования эффективности генерируемых системой эволюционных алгоритмов оптимизации Предложен и реализован метод описания параметров требуемого эволюционного алгоритма. Разработан метод анализа структуры коммуникационных сообщений параллельных процессов. Разработан метод для вычисления предварительной оценки эффективности выполнения алгоритма, использующего нейронные сети, на параллельной вычислительной системе с известной архитектурой. Преждложена оценка масштабируемости разработанных параллельных алгоритмов | ||
Прикрепленные к НИР результаты
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".