增加高性能移动云计算在琥珀色的大数据

文摘

大数据是一个鼓舞人心的研究领域,包括用于工业和学术界的最佳实践。具有挑战性和复杂系统的核心要求是大数据的数据整理和分析。数据分析方法和算法开发是必要的和大数据分析的重要组件。大数据和高性能计算紧急自然有助于解决复杂和挑战性的问题。高性能移动云计算(HPMCC)技术导致的执行密集的计算应用程序在任何位置独立在笔记本电脑上使用虚拟机。HPMCC技术可以执行在云计算极端的科学任务包括笔记本电脑。协助与能量优化模型建立(琥珀)力场计算分子动力学是一个计算饥饿的任务要求高和计算硬件资源来执行。这项研究的核心目标是交付,为研究人员提供一个移动云的笔记本电脑能够做繁重的处理。一个创新执行的琥珀力场经验公式使用消息传递接口(MPI)提出HPMCC基础设施。它是均匀的移动云平台包括笔记本电脑和虚拟机作为处理器节点动态并行。 Some processes can be executed to distribute and run the task among the various computational nodes. This task-based and data-based parallelism is achieved in proposed solution by using a Message Passing Interface. Trace-based results and graphs will present the significance of the proposed method.

1。介绍

大数据挑战学术和行业的机会。数据处理和分析的高性能计算设备提供的可能性设计复杂的商业模式,高度可伸缩和可重构系统。本研究的主要利益是为研究人员提供桌面机或虚拟机,拥有巨大的处理能力需要高端硬件像超级计算机的运行工作。云计算可以用于实现计算密集型的工作要求。

跨均匀平台云计算运行的程序运行在多个节点上包含多个虚拟机。MPI并行计算软件提供基础设施、任务型和基于数据的并行性。这个解决方案是有效的和有效的与之前的相比。云计算数据安全和隐私增强通过使用单点登录方式。这种方法使用身份管理技术如OAuth, OpenID, SAML云用户的安全和隐私的增强(1]。

的主要挑战是内容管理、安全、传输、信息检索和挖掘多媒体数据库(2]。而重新定义分子动力学和琥珀的可能性3),云计算已经从事大数据和开明的可能的解决方案为各种数字地球问题在地球科学及相关领域如社会科学、天文学、业务,行业,如图1。

在这个研究中,能量计算琥珀力场的分子动力学被选中来证明这个概念。这个方法是用来估计分子结构和能量的物理性质的确认。互联网多媒体数据的主要来源是大规模生产和免费的。

云计算的特性及其利用支持大数据的特点进行了总结表1。

分子动力学是一个以计算机为基础的娱乐的粒子的发展考虑N作为一个数量的原子N身体再制定。原子和粒子相互关联的特征时间框架,因此,为我们提供一个视角的转化发展的分子。在常规适应的复制品,牛顿的运动条件的安排N沟通粒子解开数字看极微小的方向和原子。粒子之间的优势和潜在的生命力是确定利用任何一种引人注目的亚原子力学领域。这个假设的物理科学的过程被认为是1950年代的十年,但它现在收到合成和生理调查,材料科学检查,显示生物分子(6]。

2。7对大数据

云计算和物联网数据呈指数级增长,也就是说,之前在千字节,字节,字节。以前的大数据组成的4对,但是现在很好变成7 Vs数据,速度、多样性、可变性,真实性,可视化,价值,和体积。分子动力学包含海量非结构化和结构化数据称为大数据。术语“大数据(3”起源于网络公司,他们必须查询松散结构化大型共享数据。大数据是由七个主要方面,这意味着它的重要性。这些术语是速度,品种、可变性,真实性,价值,体积,和可视化。速度显示的速度数据生成、处理和存储。它描述了数据,可以有足够的访问速度。

多样性是在大数据和最重要的挑战是一系列结构化、半结构式,和非结构化数据。这些数据来源有很多像XML数据类型,音频、视频、短信、和传感器数据。数据的组织不是一件容易的事;主要是不同的数据类型时,数据格式是异质的;多因素数据值和概率数据也可以进行处理。变化的多样性和准确性不同喜欢六种不同的味道混合咖啡的店。因为数据意思是不断变化的,元数据也相应地变化均化的数据。

真实性意味着确保所需处理的数据是准确的,不要坏,脏数据从采集到系统执行,如输入错误和不正确的名字和错误的联系信息到数据库。可视化是一个重要的和大数据的关键元素。复杂的数据可视化使用图形、图表的建模工具和技术报告满满公式和编号的值。

大数据的价值是最有效的元素把努力和解决体积后,速度,多样性、可变性,真实性和可视化。组织必须从数据有利于获得值的设置。大数据现在可能定义的数据字节和yottabytes。目前的数据量增加g每分钟。

从异构大数据检索和多个资源,以及他们的成分。因此数据的核心问题的复杂性。大数据必须被净化,匹配,在处理之前转换和连接到选择格式(7]。另一个例子是Facebook和Twitter,生成数据通过用户社交互动(8]。

有很多技术来计算出能量和约束;一条路径是通过计算传统引人注目的字段或一个量子假说在近水平。数量统计和介绍了粒子的速度开始自作主张的特质匹配的动态能量的聚合整体框架,进一步管理的需要,因此,温度的繁殖。通过驱动器的估计在每一个分子,我们可以确定每个粒子的增加速度在整个框架。牛顿的运动条件的积分计数然后决定方向,描绘了加快,极微小和原子的位置和速度随时间改变。属性的标准估计可以计算通过保持在查看这些方向。它被称为确定性计算的策略。在这种技术中,利用每一个极微小的速度和位置。通过运行重现,这些品质可以确定任意时刻的时间了。时间可以浏览未来或者过去。 Subatomic elements recreations are tedious and computationally costly if accomplished for expensive frameworks [9]。

分子动力学生殖领域的基础技术之一的亚原子重建和用于亚原子考试(10,11]。原子力场再现给我们可靠的协会。他们帮助我们学习粒子的明显可见的热力学性质,例如,压缩,内在的活力,体重、温暖的扩展,特别的温暖,柔软和剪切模量,可以评估。它是利用无穷小高程数据获得的后遗症[再现10]。

具体的命令是用来解救力场信息从原型模型。它也用于特定的活力表现或能力计算模型。这个特定的活力表达条件,沟通可能活力表面上的一个特定的模式。这被描绘成一个元素核的方向。价的总和或钢筋和nonfortified协会可以传达的潜在活力框架。角落里通常代表价连接角上所需的能量。这些能量被命名为债券扩展词(),价点转折词()、反边扭项()和逆转()条件。这些活力方面的约束所有字段活力估计共价框架如图2。

的是代表了 nonbonded原子相互作用的能量的计算通过考虑范德瓦耳斯()、静电()和氢键()所示 琥珀是一种方法对分子动力学力场能量计算。这种类型的力场能量计算的方程定义的总势能分子。最小化的琥珀债券拉伸能量图所示3。这个力是依赖有关位置和其潜在的导数方程来计算这个能量称为琥珀的函数形式。

琥珀力场函数形式被描述为下面提到的方程(12,13]: 在哪里角不变;是角弯曲;井深;债券常数;扭转角;扭力常数;自然键长;键长;电荷在 ; 电荷在 ;和是这个阶段的因素。表达式的右边琥珀力场函数形式详细描述如下:[14,15](我)总和债券是第一项,用来计算共价成键原子的能量。这个谐波力也被称为理想弹簧力。它给了我们好的近似接近债券长度均衡,但这个力变得贫穷随着原子之间的距离增加。(2)总和角度是第二项,用于提供能量,这是由于电子在轨道的几何位置参与共价成键类型。(3)总和扭转第三项,用于表示的能量由于扭转债券的键序,双键,和邻国在孤对电子或债券。一个人债券可以有一个或多个术语;例如,总扭转能量可以表示为一个傅里叶级数。(iv)双求和和第四项,用来表达nonbonded能量在所有成对的原子。这一项可以进一步分解为两个方面:第一项求和的范德华力和第二项求和的静电能量。

平衡距离()和深度()用于计算范德瓦耳斯能源、距离和平衡确保2的因素,在计算。方面, ,在哪里 ,有时也用于再形成的能量。例如,它可以实现的软核势(16]。

这个调查报告的研究人员计算密集型建筑使用不受地理位置的计算辅助模型建立与能量优化(琥珀)力场对分子动力学计算。该方案提供流动性也很有用的计算计算密集型工作,在网络连接是不可能的。拟议的方法是提供基于软件而不是先前提出的解决方案,这是昂贵的和基于硬件和设置更重要。这个建议的解决方案是由开源平台最小化计算成本。

3所示。文献综述

OpenCL接受了苹果、英特尔至强φ,高通、三星、Vivante,高级微设备公司(AMD),阿尔特拉,Nvidia和ARM Holdings (17,18]。力场计算是一个实验计算技术提出了适应给评估结构和能量的粒子。所需的增强和放行运行计算密集型的工作需要一个非常昂贵的硬件组成的试验台。调查也有利于exascale计算在未来5]。技术取决于“常见”的假设债券长度和点,提示应变偏离,扭转连接和有吸引力的存在或潜在的可怕的范德瓦耳斯和偶极之间的权力nonfortified分子(19]。策略被称为实验驱动领域容易上当受骗。

分子动力学(MD)进程是一个计算机娱乐体育发展和原子的粒子对N人体生殖(20.]。极微小的颗粒被允许合作时间表,分子的运动角度。在最广泛的认识到适应,原子和极微小的方向是数字由测量牛顿的运动条件的安排接口粒子,在亚原子力学特征原子粒子之间的驱动器和潜在活力引人注目的领域。战略最初被认为是1950年代末在理论物理科学,然而连接今天大部分合成材料科学、材料科学和生物分子的显示21]。

可以使用静电能量来假设单点收费的方程。这意味着一个点电荷可以代表两个电子和质子在一个原子或参数设置的情况下,采用点费用和孤对电子。如果我们认为传统分子动力学(MD)模拟,最processor-hungry力场的工作是计算能量的函数内部坐标下的原子和分子的考虑。在能源的评价,非共价及nonbonded能量计算是计算密集型的部分。在视图的复杂性、大”“MD的符号计算比例 。这个表达式是有效的只有我们明确地考虑所有双向静电以及范德瓦耳斯相互作用力场能源计算(22]。

可以评估能量和力量利用传统驱动字段或选择的量子假说。渐渐地,极微小的分配开始速度符合总动态框架的活力,像这样,是由雕刻的繁殖温度。从信息的强迫每个分子的增加速度在框架可以决定每个粒子。将产生一个方向运动的条件,描述了位置,速度,并增加粒子的速度与时间不同。从这个方向,正常的性能估计可以得到解决。技术是确定的;一旦每个分子的位置和速度是已知的,框架可以预期的状况,后来还是在过去。亚原子元素复制品可以是乏味的和计算成本23]。原子进展(MD)娱乐是一种亚原子世界繁殖的基本策略(24]。通过与可靠通信的原子再现引人注目的领域,自然可见的热力学性质,例如,体重,内在的活力,温暖的发展,压缩,并且易于剪切模量,特别温暖,可以评估利用产生的分钟级数据通过休闲活动25]。

混合并行计算是解决问题的一种方法processor-hungry分子动力学娱乐。它的列取决于基本异构处理框架,气候CPU / GPU混合,或英特尔至强φ协处理器。异构计算指的是框架使用多个处理器。这些是多中心的框架包括中心执行,以及通过融合具体能力来处理特定的任务做准备。异构系统架构(HSA)框架使用不同的处理器类型(通常是cpu和英特尔φ协处理器),在很大程度上类似硅传递,给你最好的两个空间。第一个是向量处理;除了其杰出的并行能力做准备,它同样可以执行数值集中计算在巨大的信息集。二是cpu运行实际的框架和执行传统的串行事业(26,27]。

七个框架顶部500破旧利用英特尔芯片。最大的超级计算机,英特尔的加速剂份额仍然是一分钟,机器使用Nvidia gpu的矮,与英特尔的协处理器31到11。Tianhe-2有显著影响。在计算peta-tumbles纲要,“收集执行转达了英特尔至强φ协处理器目前大于执行转达了GPU加速剂,”英特尔代表说Radoslaw Walczyk。说:“这是一个重大的胜利,”塞尔吉Mushell,创新咨询公司Gartner的一位考官。英特尔的芯片包含了61中心和组装利用组织的22纳米制造过程,这是一个时代的反对派。组织说其协处理器有几个焦点gpgpu:他们可以自由工作的cpu,他们不需要一个独特的代码程序28]。

英特尔给C和c++语言编译器Intel Xeonφ协处理器。OpenCL总结设计编程访问所有顶级设备(移动gpu, AMD gpu,英特尔产品)。C和c++语言推荐满足混合并行计算的必需品,为优化工具,例如,V的调子是同样由英特尔升级我们的应用程序访问(27,29日,30.]。

惊人的驱动领域,坐落在二氧化硅的原子论的描述语句融化硅衬底,一直生产和连接到亚原子元素与GROMACS休闲包。创造了娱乐的合法性检查的方法是利用核束组成106分子和商标测量30 nm。C和c++语言进步装置与英特尔作曲家XE捆绑。这个包包含了图书馆,调试器和编译器。有仪器制造的卸载和cross-incorporated形式的热点Intel Xeonφ协处理器。它认为compiler-upheld标点符号及其利用率有关英特尔至强φ(30.,31日]。OpenCL应用XE 2013 R2使用英特尔SDK的产品发展环境OpenCL申请英特尔至强处理器和Intel Xeonφ™协处理器(31日]。SDK文档,改进设备,OpenCL 1.2运行时Intel Xeonφ协处理器和英特尔至强处理器。OpenCL的英特尔SDK应用程序2013 XE Linux是利用。SDK支持Intel Xeon服务器和Intel Xeonφ协处理器。

Intel Xeonφ协处理器的主要项目,英特尔集成多核心架构(英特尔麦克风工程),目标HPC的部分,例如,石油调查、逻辑研究,钱详细的考试,和大气繁殖,在其他的很多问题。英特尔麦克风设计加入各种英特尔CPU中心集成在一个芯片中。工程师热衷于编程这些中心可以利用标准的编程技术。类似OpenCL源代码组成的Intel Xeon处理器和微小的变化可以重用Intel Xeonφ协处理器(32,33]。

4所示。提出了移动云计算方法

VMware和开放的MPI提供的移动云计算基地创新可以有效地用来满足必需品(34]。可以使用C和c++语言程序问题和执行设计高性能的移动云计算的提出阶段。巩固VM机器的性能是完全高于单一设备机/处理器,因为它的高资产的能力。通用的分布式计算的设备,例如,VMware和开放的MPI,运行并行设计中的一个问题升级的执行可以使用在移动云计算基础设施(35]。

高计算任务已通过硬件解决方案是昂贵的。建议的解决方案是基于软件的,一个由虚拟机安装一个系统管理程序,编程工具/软件来执行所需的计算。这个软件是安装在虚拟机运行分布式计算的任务。

函数“双calcBondStrechTerms (int, int)完成“两个整数变量“开始”和“结束”作为输入和计算的结果作为一个变量类型翻倍。从文件获得必需的参数和常量命名为“琥珀参数。“它使用中提到的参数表2。

提到的功能实现和“双calcAngleBendTerms (int, int)完成”在我们的代码。这个函数接受两个整数变量“开始”和“结束”作为输入和计算结果变量类型翻倍。另一个函数“calcDHAngleterms (int, int)完成”提到了“双类型。”This function takes the two integer variables “start” and “end” as input and calculates results as a variable type double. The required parameters and constants are obtained from a file named “amber parameters.” It uses the parameters mentioned in Table3所需的参数计算二面角术语半nonbonded术语所表3。

函数“双calcHalfNBterms (int, int)完成“两个整数变量“开始”和“结束”作为输入和计算的结果作为一个变量类型翻倍。函数命名为“双calcNBterms (int, int)完成”的“开始”和“结束”两个整数变量作为输入和计算的结果作为一个变量类型双。另一个功能是提到“双重calcHBterms (int, int)完成”在我们的代码需要两个整数变量“开始”和“结束”作为输入和计算的结果作为一个变量类型双。两个函数从一个文件获得必需的参数和常量命名为“zamberparameters。“这个程序可以运行多个进程在不同的协处理器和处理器的核心。

5。实验设备和设置

我们的实验装置主要由以下硬件和软件组成:2 x的笔记本电脑在Core i5和i7 VMware工作站软件和1 x无线网络连接,如图4。所有这些系统都开放SUSE Linux作为操作系统与NetBeans机器开发工具包的琥珀计算。实验设置表的细节6:在建议的解决方案,有两个核心i5和i7笔记本电脑。有5个虚拟机(vm)在两个笔记本电脑和细节如表所示4。机器的硬件细节表6。提到的硬件和相关软件为用户理解。

服务器是中央机分配多个任务通过MPI各种客户。

MPI是核心资源开放多个任务分发给不同的客户端连接到服务器的虚拟网络。所有机器都实现无密码SSH密钥在彼此之间共享连接到每台机器计算。VMware向机器分配硬件资源。NetBeans服务器上安装程序编译和执行。屏幕上服务器的分布式计算过程在计算节点如图5。Open SUSE Linux操作系统安装在每台机器上作为一个系统管理程序。所有机器都在同一个网络,即192.168.2.0/42。虚拟机是通过虚拟交换机连接;作为回应,所有客户将他们的任务结果发送到主服务器。然后,服务器计算Grande总结果收到的所有客户。计算节点完成时间、CPU、PID和内存如图5。

6。HPCC的结果和讨论

高性能云计算是一种先进的技术,依赖于虚拟化和并行性。来模拟这种技术,多个vm创建模拟云。资源分配给这些vm。机器是机器的核心之一,命名为一个服务器。在表5,比较了在不同分子动力学计算的解决方案。比较与生物群落由高性能计算。生物群落是在单独的机器上运行的软件,缺乏像MPI并行机制。混合并行计算是一种混合并行技术,使用多个硬件处理核心以及英特尔MPI减少分子动态任务的时间计算。它分裂和分配任务到其他子机命名为客户。客户向服务器发送他们的结果的反应。表5表明HPCC低得多的时间比前面的方法。

等过程的实验由多个数字1,2,12日,57,58岁。这些数字已从HPC对苹果苹果比较。它也表明,随着所有流程的增加,计算时间任务减少仅仅因为并行技术,如图6。

在表6,有硬件资源用于HPCC的比较和高性能计算解决方案。混合并行计算(HPC)资源消耗得多比高性能云计算基于虚拟化。HPC硬件更昂贵的HPCC相比。

表6表明HPCC主要依赖于软件与HPC依赖昂贵的硬件。处理时间已获得通过执行相同的能量计算,和复杂性生态区的基于java的软件是5073秒减少到几百秒通过使用云计算结合并行计算。因为生物群系软件是基于java和运行作为一个过程不使用并行性的机制。进一步减少计算时间,越来越多的过程和机器资源。图7比较的结果显示了HPCC和高性能计算技术。

它将得到更有效的结果,越来越多的过程运行使用并行性和使用高端台式机和优化的网络媒体。在另一个比较图中描述8当的进程数量已增至100%以前的值,计算时间减少到50%的前一个值。值的过程是10,20,40岁,到80年,处理时间减少到一半的前一个值,和效率增加到100%的图在图所示8。

如果是过程的数量为计算和选择的计算时间的进程数量是前一个值,然后呢通过方程计算吗 。图8显示,当过程增加了两倍数量的前一个值,其计算时间减少1/2的计算时间的前一个值。验证结果表5。在桌上,有软件资源用于HPCC的比较和高性能计算解决方案。HPCC使用VMware工作站作为虚拟化和云计算的工具。物理机器Windows操作系统和虚拟机有开放的SUSE Linux的味道。开放使用MPI并行的工具。HPCC主要依赖于软件与HPC依赖昂贵的硬件。

7所示。结论和未来的工作

从这个研究得出的结论,大数据领域的分子动力学计算任务和需要高大型计算资源和先进的技术来满足要求。数据可以提取、加工和分析琥珀需要云计算技术适用于并行执行的任务。它提供了灵活性和可扩展性的计算资源的繁重的计算任务。这是一个均匀的移动云平台组成的笔记本电脑和虚拟机结合动态并行处理节点。多个数量的进程已被选定在运行时计算节点之间的分配任务。消息传递接口用于实现任务型和基于数据的并行性。它使用共享硬件资源vm实现更好的结果。在未来的高端手机和智能手机使用快速、高效的网络媒体可以用来更好的结果。MPI可以进一步进行调优和动态并行编程。MPI还可以结合另一个Linux的味道。 Moreover, it is also implementable for the big data for the enterprises and analytics.

的利益冲突

所有作者确认没有利益冲突的有关这项研究出版的文章。

确认

支持本研究的计算机科学,工程和技术大学Taxila。

引用

1. y萨利姆,m . Munwar伊克巴尔·m·阿姆et al。”高的云计算安全与隐私模式,通过单点登录”生命科学期刊,9卷,不。4、627 - 636年,2012页。视图:谷歌学术搜索
2. m·h·r·佩雷拉c . l . de Souza f·l·c·帕多瓦·g·d·席尔瓦·g·t·德阿西斯说,和A·c·m·佩雷拉”SAPTE:多媒体信息系统支持话语分析和信息检索的电视节目,“多媒体工具和应用程序,卷74,不。23日,第10963 - 10923页,2015年。视图:出版商的网站|谷歌学术搜索
3. c·杨,徐y, d . Nebert”重新定义数字地球和地球科学的可能性随着云计算空间,”国际数字地球杂志》上》第六卷,没有。4、297 - 312年,2013页。视图:出版商的网站|谷歌学术搜索
4. r·h·l·h . Chen蒋介石,v c层,“商业智能和分析:从大数据产生重大影响,”季度:MIS管理信息系统,36卷,不。4、1165 - 1188年,2012页。视图:谷歌学术搜索
5. m·m·伊克巴尔y萨利姆,k . Naseer和m .金正日“基于多媒体的师生在网络学习中使用多智能智能交互框架,“多媒体工具和应用程序,24,2017页。视图:出版商的网站|谷歌学术搜索
6. b . Joo) d·d·Kalamkar k Vaidyanathan et al .,”格点量子色英特尔®Xeonφ™协处理器,”课堂讲稿在计算机科学(包括子系列讲义在人工智能和课堂讲稿在生物信息学):前言卷。7905年,盂,2013页。视图:出版商的网站|谷歌学术搜索
7. a·古普塔a . Mehrotra和p . m .汗,“云计算与大数据分析的挑战,”第二届国际会议上计算为全球可持续发展,INDIACom 2015印第安纳州,页1112 - 1115年,2015年3月。视图:谷歌学术搜索
8. p•马利克管理大数据:原则和实践,“IBM杂志》上的研究和发展卷,57号3/4,1:1-1:13,2013页。视图:出版商的网站|谷歌学术搜索
9. 、r、c·j·纽伯s Dmitriev Narayanaswamy et al .,“将编译器运行时的英特尔®Xeonφ协处理器,”《2013年IEEE 27日国际并行和分布式处理研讨会研讨会和博士论坛,IPDPSW 2013美国,页1213 - 1224,2013年5月。视图:出版商的网站|谷歌学术搜索
10. 艾哈迈德,徐,b . Li和s·艾哈迈德,”研究和实现的混合并行计算力场计算,”在电子技术中,信息技术和智能化:国际会议EITI学报》2014,深圳,中国,2015。视图:谷歌学术搜索
11. j . c . A . Boeyens”分子结构假说”,国际分子科学杂志》上,11卷,不。11日,第4284 - 4267页,2010年。视图:出版商的网站|谷歌学术搜索
12. w·d·康奈尔·Cieplak c . et al ., i Bayly”的第二代力场模拟蛋白质,核酸,和有机分子,”美国化学学会杂志》上,卷117,不。19日,5179 - 5197年,1995页。视图:出版商的网站|谷歌学术搜索
13. 通用Tihfon,美国公园,j . Kim和Y.-M。金”,一个高效的多任务PaaS云基础设施基于码头工人和AWS ECS应用程序部署,”集群计算,19卷,不。3、1585 - 1597年,2016页。视图:出版商的网站|谷歌学术搜索
14. g·d·m·Seabra r·c·沃克·m·Elstner d . a ., a和e . Roitberg”实现SCC-DFTB方法的混合QM / MM在琥珀色的分子动力学模拟方案,“《物理化学》杂志上,卷111,不。26日,第5664 - 5655页,2007年。视图:出版商的网站|谷歌学术搜索
15. m·艾伦和d . Tildesley计算机模拟液体的》,牛津,1987年英国。
16. 诉Gapsys、d . Seeliger和b . l . De Groot”新软性势函数基于分子动力学的炼金术的自由能的计算,”理论和计算化学杂志》上,8卷,不。7,2373 - 2382年,2012页。视图:出版商的网站|谷歌学术搜索
17. 美国米塔尔,”的调查技术架构和管理非对称多核处理器,”ACM计算调查,48卷,不。3,货号。45、2016。视图:出版商的网站|谷歌学术搜索
18. b . d . Veerasamy和g . Nasira”探索的对比GPGPU计算通过CUDA和OpenCL,”i-manager对软件工程的期刊,9卷,不。1,1 - 8,2014页。视图:出版商的网站|谷歌学术搜索
19. h .郑k·m·兰纳g . p .盾牌et al .,“数据挖掘的铁(II)和铁(III) bond-valence参数,对大分子晶体学及其相关性,”晶体学报:D:卷结构生物学,卷73,不。4、316 - 325年,2017页。视图:出版商的网站|谷歌学术搜索
20. l·f·l·奥利维拉n . Tarrat j .城市大学et al .,“基准测试基于密度泛函的紧束缚金银材料:从小型集群散装,”《物理化学》杂志上,卷120,不。42岁,8469 - 8483年,2016页。视图:出版商的网站|谷歌学术搜索
21. 答:Verma o . Uzun是y胡锦涛et al .,“Surface-structure-regulated细胞膜渗透monolayer-protected纳米颗粒,”自然材料,7卷,不。7,588 - 595年,2008页。视图:出版商的网站|谷歌学术搜索
22. Molecular_dynamics,艾德:维基百科,2013。
23. g . h . Fredrickson诉Ganesan, f . Drolet”Field-theoretic计算机模拟方法对于聚合物和复杂的液体,“大分子,35卷,不。1,16-39,2002页。视图:出版商的网站|谷歌学术搜索
24. c . Delgado郑胜耀史蒂文斯:Shin和j . Krajcik”中学教学单位大小和规模通过纳米技术,”纳米技术评论,4卷,不。1,51 - 69,2015页。视图:出版商的网站|谷歌学术搜索
25. s y段,c . Wu Chowdhury et al .,”一个点电荷力场的分子力学模拟蛋白质基于凝相量子力学计算,”计算化学杂志,24卷,不。16,1999 - 2012年,2003页。视图:出版商的网站|谷歌学术搜索
26. f . Magoules m·帕森斯和l·史密斯,创新Extreme Scale计算算法圣人,圣人出版物,伦敦,英国,2015年。
27. j .检查者a . Almgren p . DeMar k Riley k . Antypas d·巴德等。先进的科学计算研究Exascale需求评审。办公室的科学审查由先进的科学计算研究,9月27 - 29,2016年,马里兰州罗克维尔市阿贡国家实验室。(退火)、阿贡,,2017年美国,2016年,阿贡领导计算设施。
28. 诉Hornak, r·伯奥库,b . Strockbine a . Roitberg和c . Simmerling”比较多个琥珀力场和发展改善蛋白质骨架参数,“蛋白质:结构、功能和生物信息学,卷65,不。3、712 - 725年,2006页。视图:出版商的网站|谷歌学术搜索
29. js。Shyr,动态可重构逻辑自适应调度的功能细胞,2005年谷歌的专利。
30. r . A .桥梁:伊玛目,t·m·明茨”理解GPU力量:一项调查分析,建模和仿真的方法,”ACM计算调查卷,49号3,货号。41岁,2016年。视图:出版商的网站|谷歌学术搜索
31. d·巴尔a Basden:七星,n . Schwartz”减少自适应光学延迟使用φ许多核心Xeon处理器,”皇家天文学会月刊,卷453,不。3、3222 - 3233年,2015页。视图:出版商的网站|谷歌学术搜索
32. 沈问:e . Wang, b . et al .,高性能计算在Intel Xeonφ,激飞国际出版,2014年。视图:出版商的网站
33. k . j . Kim张成泽,k .李马,j .垫片和美国的月亮,“NBA(网络平衡):高性能包处理异构处理器,框架”计算机系统,第十届欧洲会议EuroSys 20152015年4月,法国,。视图:出版商的网站|谷歌学术搜索
34. g .寺观a . Santoni f .梁d·罗杰斯和r . Uhlig,”英特尔虚拟化技术:为高效处理器硬件支持虚拟化,”因特尔技术杂志,10卷,2006年。视图:谷歌学术搜索
35. p . Raj a .拉曼、d . Nagaraj和s . Duggirala“高性能网格和集群,”高性能大数据分析,第315 - 275页,2015年。视图:谷歌学术搜索

版权

版权©2018年穆罕默德Munwar Iqbal等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。