【技术实现步骤摘要】
分布式通道存储下微流控生物芯片映射方法
[0001]本专利技术属于基于流的微流控生物芯片计算机辅助设计
,具体涉及一种分布式通道存储下微流控生物芯片映射方法。
技术介绍
[0002]连续流微流控生物芯片已成为潜在的低成本和快速响应的实验室芯片平台。它们因其在硬币大小的芯片区域内能够同时自动执行各种生化应用的能力而备受关注。为了进一步提高执行效率并降低制造成本,可以考虑实现分布式通道存储架构,使得可以在传输和存储角色之间切换相同的通道。也正是因此,可以在通过不同的流路径时执行流体传输、缓存和提取。在从生化应用到给定生物芯片架构的映射过程中,需要仔细考虑这种规划。另一方面,同时找到生化操作的调度方案,从而可以减少生物测定的执行时间系统地考虑运输路径、缓存位置以及相应的执行持续时间,以便高效执行所有流体处理任务,从而加速生物测定的实施。
技术实现思路
[0003]本专利技术的目的在于提供一种分布式通道存储下微流控生物芯片映射方法,能有效减少微流控生物芯片的生化反应总时间,从而提高了微流控生物芯片的执行效率。
[0004]为实现上述目的,本专利技术的技术方案是:一种分布式通道存储下微流控生物芯片映射方法,包括以下两种策略:
[0005]A、分布式通道存储:
[0006]将存储器替换成通道,使得通道具有存储、传输的双重作用;综合考虑操作的优先级值和运输时间,分析中间流体的存储调度对于生化反应总时间的影响;
[0007]B、应用映射:
[0008]将生化反应映射到给定 ...
【技术保护点】
【技术特征摘要】
1.一种分布式通道存储下微流控生物芯片映射方法,其特征在于,包括以下两种策略:A、分布式通道存储:将存储器替换成通道,使得通道具有存储、传输的双重作用;综合考虑操作的优先级值和运输时间,分析中间流体的存储调度对于生化反应总时间的影响;B、应用映射:将生化反应映射到给定的芯片架构上,以最小化生化反应总时间为目标函数并满足依赖性、资源和布线约束。2.根据权利要求1所述的分布式通道存储下微流控生物芯片映射方法,其特征在于,该方法具体实现如下:S1、构建组件模型:使用由流层模型和控制层模型组成的双层建模框架来表征每个组件;S2、构建架构模型:微流体超大规模集成芯片实验室架构被建模为拓扑图或网表A=(N,D),其中N=M∪S是一组顶点,M是组件的集合,S是开关集,D是表示流体通道段的有限边集;用有向边表示每个定向通道段,用一对有向边d
i,j
和d
j,i
表示每个双向通道段;双向通道段必须满足约束条件:流体不能同时流过d
i,j
和d
j,i
;流动路径P
i,j
代表的是边集D的一个或多个有向边的子集,表示任意两个顶点n
i
,n
j
∈N之间的有向通道使用D中的一系列有向边;S3、构建生化反应应用模型:使用时序图G=(O,E)对生化反应应用进行建模,它是有向的、无环的和极性的,即有一个没有前驱的源顶点和一个没有后继的汇顶点;每个顶点o
i
∈O代表一个将被调度并绑定到M中的组件m
j
的操作,由绑定函数F
Op
表示:O
→
M;o
i
的延迟当绑定到m
j
时是一个已知常数;边集E对生物测定中的依赖性约束进行建模,即从顶点o
i
到顶点o
j
的边e
i,j
∈E来表示o
i
的流体输出然后输入到o
j
;如果从o
i
输出的流体不能被o
j
立即使用,则必须将其存储在一个“存储单元”,即一个缓存流体的通道中;一个操作对应组件的每个输入相位都有一个输入边沿,每个输出相位最多有一个边沿;如果它的输出边沿少于输出相位的数量,剩余的流体被运送到废液端口中;在操作可以执行之前,给定操作的所有输入就必须到达其组件;时序图中源顶点的所有输出边也都必须绑定到输入容器,并且所有到汇顶点的输入边也必须都绑定到输出或废液端口;并且事先假设每个输入操作都通过计量分配正确体积的流体;S4、问题表述:给定一个特征化的微流体超大规模集成组件库L、一个微流体超大规模集成芯片实验室架构A和建模为时序图G的生物测定,合成一个实现Ψ=<T,F>,其中T是调度,F是绑定,T=<T
Op
,T
Path
>,其中T
Op
是操作计划即操作开始时间的集合,T
Path
是流体传输的计划,F=<F
Op
,F
Path
>,其中F
Op
是操作对组件的绑定,F
Path
是流体传输的绑定路径;而调度器的目标则是最小化生物测定完成时间,表示为δ
G
,每个操作o
i
都有一个对应的准备时间t
ready
(o
i
)、开始时间t
start
(o
i
)和结束时间t
finish
(o
i
);准备时间是基于o
i
可以执行的最早时间和o
i
前辈的完成时间而定的,o
i
的开始和结束时间由时间表计算,它遵循t
ready
(o
i
)≤t
start
(o
i
)<t
finish
(o
i
);每个依赖边e
i,j
可以与流体传输操作相关联;如果F
Op
(o
i
)≠F
Op
(o
j
),则o
i
和o
j
绑定到不同的组件,需要进行流体传输操作才能将流体从o
i
到o
j
,其开始和结束时间分别为t
start
(e
i,j
)和t
finish
(e
i,j
);如果F
Op
(o
i
)=F
Op
(o
j
),则o
i
和o
j
绑定到相同的组件,无需传输流体;S5、列表调度:将设计的基于列表调度的生化反应应用映射用LSAM表示,并将其流程简化分为三个阶段:第一阶段,遍历所有符合条件的组件m∈M并计算m可用于执行下一个操作的最早时间t,o
j
绑定到m',其可用时间t'在所有组件中最小;第一阶段还将流体传输操作绑定到布线路径,包括:(1)从m'中移除o
j
未使用的流体,以及(2)o
j
使用的流体的传输;第二阶段,计算所有输入o
j
的流体到达组件m'的最晚时间,表示为t",t"≥t',因为流体不能在m'准备好接受它们之前到达m';第二阶段首先安排o
j
的每个流体依赖关系e
i,j
,e
i,j
在之前的迭代过程中被绑定到流动路径P
i,j
,它调度并绑定了o
j
;接着是调度流体运输操作,产生开始和结束时间t
start
(e
i,j
)和t
finish
(e
i,j
);然后是如果t
finish
(e
i,j
)>t"则更新t";在将每个必要的流体转移安排到m'后,第二阶段将t
start
(o
j
)设置为t"并安排o
j
从t
start
(o
j
)开始在m'上执行o
j
;如果o
k
准备好被调度,第三阶段将o
j
的后继o
k
加入队列Q中;o
k
的就绪时间t
ready
(o
k
)被初始化为其前辈中最晚的完成时间;S6、分布式存储驱动:考虑分布式存储驱动后的生化反应应用映射表示为SDAM,具体流程如下:首先,每个操作o
i
∈O都与一个就绪时间t
ready
(o
i
)相关联,表示最后一个父操作已经完成的时间点,每个组件m∈M还与指示时间点的就绪时间t
ready
(m
k
)相关联,每条边e
i,j
∈E可能与运输任务相关联,与生物芯片中的流路径p绑定;接着采用Dijkstra算法以预先计算从输入端口开始,并在每个边缘的输出/废液端口结束的所需流路径;用于执行运输任务的流道d的数量初始化为0;计算每个操作的优先级值,它...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。