一种基于层级调度优化的高效仿真方法及装置制造方法及图纸

本申请涉及一种基于层级调度优化的高效仿真方法及装置。其中，所述方法包括：获取表征树状计算依赖关系的线性方程组；根据所述线性方程组，确定并行计算流程；根据所述并行计算流程在可并行计算设备上进行仿真计算，得到仿真结果。本申请提高了仿真计算处理的处理效率。率。率。

【技术实现步骤摘要】
一种基于层级调度优化的高效仿真方法及装置


[0001]本专利技术涉及仿真
，更为具体来说，本专利技术涉及一种基于层级调度优化的高效仿真方法及装置。

技术介绍

[0002]生物大脑中的单个神经元具有非常复杂的树突结构，有大量地研究工作表明，树突结构在信号处理中的非线性特性使得单个大脑神经元具有很强的信息处理能力，因此，对大脑的仿真操作可以使用带有树突结构的精细神经元模型。由大量地精细神经元模型组成的大规模精细神经网络可以仿真不同尺度的大脑响应现象，并在树突信息处理和大脑神经环路功能之间建立起桥梁，对于脑科学以及脑启发的人工智能有着重要意义。精细神经元在具有强大计算能力的同时，由于其具有的复杂结构，使得计算复杂度较高，在仿真时就非常耗时。目前，在仿真时，求解神经元对应的线性方程组是整个仿真过程的核心，占据了70％
‑
90％的仿真时长，属于仿真过程中的效率瓶颈。但是，现有的仿真方法由于无法高效求解线性方程组，导致了精细神经网络的仿真耗时过长，无法实现大规模精细神经网络的高效仿真。
[0003]此外，求解线性方程组在其他系统仿真、求解问题中均有着重要应用，是系统仿真中的一个基础问题。

技术实现思路

[0004]本申请实施例提供了一种基于层级调度优化的高效仿真方法及装置。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0005]第一方面，本申请实施例提供了一种基于层级调度优化的高效仿真方法，该方法包括：
[0006]获取表征树状计算依赖关系的线性方程组；
[0007]根据所述线性方程组，确定并行计算流程；
[0008]根据所述并行计算流程在可并行计算设备上进行仿真计算，得到仿真结果。
[0009]可选的，所述根据所述线性方程组，确定并行计算流程，包括：
[0010]根据所述线性方程组，确定所述表征树状计算依赖关系的数据依赖关系；
[0011]根据所述数据依赖关系，构建所述表征树状计算依赖关系的并行计算问题模型；
[0012]根据所述数据依赖关系和所述并行计算问题模型，确定所述并行计算流程。
[0013]可选的，所述表征树状计算依赖关系的数据依赖关系，包括：
[0014]在所述线性方程组的求解过程中，当且仅当节点的父节点或所有子节点均完成计算之后，才能进行所述节点的计算。
[0015]可选的，所述根据所述数据依赖关系，构建所述表征树状计算依赖关系的并行计
算问题模型，包括：
[0016]所述并行计算问题模型的并行计算描述为：给定树T＝{V,E}和一正整数k，其中V表示树的节点集合，E表示树的边集合，k表示可用的并行计算单元数目；
[0017]所述并行计算问题模型中定义划分P(V)＝{V1,V2,
…
V
n
},|V
i
|≤P,1≤i≤n，且对于任一节点e∈V
i
，任一节点e的所有子节点{c|c∈children(e)}在V
i
之前的子集V
j
中，1≤j<i；其中，P表示每次进行并行仿真计算的最多节点数量；V
i
表示第i个子集，V
j
表示第j个子集，V
n
表示第n个子集。
[0018]可选的，所述数据依赖关系使用树结构表示；
[0019]所述根据所述数据依赖关系和所述并行计算问题模型，确定所述并行计算流程，包括：
[0020]根据所述树结构，获取所述表征树状计算依赖关系的最优划分；
[0021]根据所述最优划分和所述并行计算问题模型包括的所述并行计算单元，确定所述并行计算流程。
[0022]可选的，所述根据所述树结构，获取所述表征树状计算依赖关系的最优划分，包括：
[0023]根据所述树结构，确定所述表征树状计算依赖关系的节点深度；
[0024]根据所述节点深度的情况和所述节点之间的依赖关系，确定所述表征树状计算依赖关系的可计算节点；
[0025]从所述可计算节点中选取最深节点；
[0026]根据所述最深节点，得到所述表征树状计算依赖关系的最优划分。
[0027]可选的，所述根据所述并行计算流程在可并行计算设备上进行仿真计算，包括：
[0028]根据可并行计算设备的特性，对所述并行计算流程进行优化；
[0029]根据优化之后的所述并行计算流程在所述可并行计算设备上进行仿真计算。
[0030]可选的，还包括：
[0031]将所述仿真结果推送至目标用户终端设备上进行展示。
[0032]第二方面，本申请实施例提供了一种基于层级调度优化的高效仿真装置，该装置包括：
[0033]获取模块，用于获取表征树状计算依赖关系的线性方程组；
[0034]计算流程确定模块，用于根据所述线性方程组，确定并行计算流程；
[0035]仿真计算模块，用于根据所述并行计算流程在可并行计算设备上进行仿真计算，得到仿真结果。
[0036]第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
[0037]第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
[0038]本申请实施例提供的技术方案可以包括以下有益效果：
[0039]在本申请实施例中，所述基于层级调度优化的高效仿真方法，首先获取表征树状计算依赖关系的线性方程组，然后根据所述线性方程组，确定并行计算流程，最后根据所述并行计算流程在可并行计算设备上进行仿真计算，得到仿真结果。提高了仿真计算处理的
处理效率；可以应用于精细神经元领域。
[0040]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
附图说明
[0041]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0042]图1是本申请实施例提供的一种基于层级调度优化的高效仿真方法的流程示意图；
[0043]图2是本申请实施例提供的一种基于层级调度优化的高效仿真方法的数据依赖关系示意图；
[0044]图3是本申请实施例提供的一种基于层级调度优化的高效仿真方法的求解最优划分的流程示意图；
[0045]图4是本申请实施例提供的一种基于层级调度优化的高效仿真方法的并行仿真计算过程示意图；
[0046]图5是本申请实施例提供的一种基于层级调度优化的高效仿真装置的装置示意图；
[0047]图6是本申请实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于层级调度优化的高效仿真方法，其特征在于，包括以下步骤：获取表征树状计算依赖关系的线性方程组；根据所述线性方程组，确定并行计算流程；根据所述并行计算流程在可并行计算设备上进行仿真计算，得到仿真结果。2.根据权利要求1所述的高效仿真方法，其特征在于，所述根据所述线性方程组，确定并行计算流程，包括：根据所述线性方程组，确定所述表征树状计算依赖关系的数据依赖关系；根据所述数据依赖关系，构建所述表征树状计算依赖关系的并行计算问题模型；根据所述数据依赖关系和所述并行计算问题模型，确定所述并行计算流程。3.根据权利要求2所述的高效仿真方法，其特征在于，所述表征树状计算依赖关系的数据依赖关系，包括：在所述线性方程组的求解过程中，当且仅当节点的父节点或所有子节点均完成计算之后，才能进行所述节点的计算。4.根据权利要求2所述的高效仿真方法，其特征在于，所述根据所述数据依赖关系，构建所述表征树状计算依赖关系的并行计算问题模型，包括：所述并行计算问题模型的并行计算描述为：给定树T＝{V,E}和一正整数k，其中V表示树的节点集合，E表示树的边集合，k表示可用的并行计算单元数目；所述并行计算问题模型中定义划分P(V)＝{V1,V2,
…
V
n
},|V
i
|≤P,1≤i≤n，且对于任一节点e∈V
i
，任一节点e的所有子节点{c|c∈children(e)}在V
i
之前的子集V
j
中，1≤j<i；其中，P表示每次进行并行仿真计算的最多节点数量；V
i
表示第i个子集，V
j
表示第j个子集，V
n

【专利技术属性】
技术研发人员：黄铁军，张祎晨，刘晓非，杜凯，马雷，
申请(专利权)人：北京大学，
类型：发明
国别省市：