The paper covers an intelligent support system that allows to describe and construct solutions to various scientific problems. In this study, in particular, we consider geophysical problems. This system is being developed at the Institute of Computational Mathematics and Mathematical Geophysics of the Russian Academy of Sciences (ICMMG SB RAS) and Institute of Informatics System of the Russian Academy of Sciences (IIS SB RAS). The system contains a knowledge base, the core of which is a set of several interconnected ontologies such as the ontology of supercomputer architectures, the ontology of algorithms and methods. Ontology can be viewed as a set of concepts and how those concepts are linked. As the result, the authors present an ontological description of two geophysical problems via the means of the intelligent support system: 1) the seismic wavefield simulation and 2) the reconstruction of a seismic image through pre-stack time or depth migration. For a better visual understanding of the system described and the results obtained, the paper also contains several schematic diagrams and images.
Идентификаторы и классификаторы
- eLIBRARY ID
- 47494761
Every specialist in any branch of knowledge that implies the work with massive data and is linked to the use of supercomputers faces the issues: 1) what technique (a set of techniques) is appropriate to use for solving the problem? 2) which supercomputing systems are required, best suited or available? 3) what the most effective way to utilize supercomputing technologies for numerical tests is? It is necessary to derive the maximal benefit from the hardware means available for solving the concrete tasks by optimizing the process of finding the solution. There are several components to solving the problem effectively. Components that are not related to each other but should be considered together at the same time. This means that a specialist should be well oriented in fairly different areas, for instance, both in methods and algorithms used in solving the problems and in the supercomputing systems and thechnologies, in their effective joint utilization. That is where the ontological approach comes in. Ontology can be viewed as a set of concepts and how these concepts are linked. For example, in geophysics by ontology we understand a systemized knowledge base that allows researching a medium structure: methods, algorithms, hardware, software and how they can be used together. This approach will be covered in paragraph 4, for two specific geophysical problems. The presentation of information utilizing the ontological methodology has grown in its popularity over recent years [1, 2]. The necessity to create such systems of intelligent support was advanced in various scientific fields such as physics [3], astrophysics [4-6], biology [7], botany [8]. In regards to geoscience, the use of ontologies was discussed in [9–14]. These papers are mostly focused on geology, data processing, and geographic mapping. In this paper, we focus on the ontological representation for geophysical tasks solution, what components contribute to it and how these components are connected.
Список литературы
- M. Compton, P. Barnaghi, L. Bermudez, et al., “The SSN Ontology of the W3C Semantic Sensor Network Incubator Group”, J. Web Semant. 17, 25-32 (2012). doi{}. DOI: 10.1016/j.websem.2012.05.003
- C. M. Keet, A. Ławrynowicz, C. d’Amato, et al., “The Data Mining OPtimization Ontology”, J. Web Semant. 32, 43-53 (2015). doi{}. DOI: 10.1016/j.websem.2015.01.001
- V. Cvjetkovic, “Web Physics Ontology: Online Interactive Symbolic Computation in Physics”, in 4th Experiment and International Conf. (exp.at’17), Faro, Portugal, June 6-8, 2017 (IEEE Press, New York, 2017), pp. 52-57. doi{}. DOI: 10.1109/EXPAT.2017.7984405
- L. M. Sarro and R. Mart’{i}nez, “First Steps towards an Ontology for Astrophysics”.
- B. Glinskiy, Yu. Zagorulko, G. Zagorulko, et al., “The Creation of Intelligent Support Methods for Solving Mathematical Physics Problems on Supercomputers”, in Communications in Computer and Information Science (Springer, Cham, 2019), Vol. 1129, pp. 427-438. doi{}. DOI: 10.1007/978-3-030-36592-9_35 EDN: FUYYKS
- A. Sapetina, B. Glinskiy, and G. Zagorulko, “Content of Ontology for Solving Compute-Intensive Problems of the Cosmic Plasma Hydrodynamics”, J. Phys.: Conf. Ser. 1640 (1) (2020). doi{}. DOI: 10.1088/1742-6596/1640/1/012019 EDN: UDQURK
- D. L. Cook, M. L. Neal, F. L. Bookstein, and J. H. Gennari, “Ontology of Physics for Biology: Representing Physical Dependencies as a Basis for Biological Processes”, J. Biomed. Semant. 4 (2013). doi{}. DOI: 10.1186/2041-1480-4-41
- D. D. Sokoloff and M. V. Remizowa, “The Use of Plant Ontologies in Comparative and Evolutionary Studies Should be Flexible”, Am. J. Bot. 108 (6), 909-911 (2021). doi{}. DOI: 10.1002/ajb2.1692 EDN: JGXNAL
- X. Ma, Ontology Spectrum for Geological Data Interoperability, PhD Thesis (University of Twente, Enschede, 2011).
-
A. Mantovani, F. Piana, and V. Lombardo, "Ontology-Driven Representation of Knowledge for Geological Maps", Comput. Geosci. 139 (2020). doi{}. DOI: 10.1016/j.cageo.2020.104446
-
C. Wang, X. Ma, and J. Chen, "Ontology-Driven Data Integration and Visualization for Exploring Regional Geologic Time and Paleontological Information", Comput. Geosci. 115, 12-19 (2018). doi{}. DOI: 10.1016/j.cageo.2018.03.004
-
L. F. Garcia, M. Abel, M. Perrin, and R. dos Santos Alvarenga, "The GeoCore Ontology: A Core Ontology for General Use in Geology", Comput. Geosci. 135 (2020). doi{}. DOI: 10.1016/j.cageo.2019.104387
-
U. Visser, H. Stuckenschmidt, G. Schuster, T. Vögele, "Ontologies for Geographic Information Processing", Comput. Geosci. 28 (1), 103-117 (2002). doi{-X}. DOI: 10.1016/S0098-3004(01)00019 EN: ASLIJD
-
F. Reitsma, J. Laxton, S. Ballard, et al., "Semantics, Ontologies and EScience for the Geosciences", Comput. Geosci. 35 (4), 706-709 (2009). doi{}. DOI: 10.1016/j.cageo.2008.03.014
-
Yu. A. Zagorulko, G. B. Zagorulko, and O. I. Borovikova, "Technology for Building Subject-Based Intelligent Scientific Internet Resources Based on Ontology", Soft. Eng. 7 (2), 51-60 (2016). doi{}. DOI: 10.17587/prin.7.51-60 EDN: VOOHSF
-
B. Glinskiy, A. Sapetina, V. Martynov, et al., "The Hybrid-Cluster Multilevel Approach to Solving the Elastic Wave Propagation Problem", in Communications in Computer and Information Science (Springer, Cham, 2017), Vol. 753, pp. 261-274. doi{}. DOI: 10.1007/978-3-31-67035-5_19 EDN: XNKQSM
-
P. Titov, D. Weins, and I. Chernykh, "Application of an Integral Approach to the Parallel Algorithm of 3D Wave Fields Simulation in Generalized Coordinates", in Proc. Int. Conf. on Russian Supercomputing Days, Moscow, Russia, September 23-24, 2019 (MAKS Press, Moscow, 2019), pp. 14-25.
-
G. Antoniou and F. van Harmelen, "Web Ontology Language: OWL", in Handbook on Ontologies (Springer, Berlin, 2004), pp. 67-92. doi{}. DOI: 10.1007/978-3-540-24750-0_4
-
I. Horrocks, P. F. Patel-Schneider, H. Boley, et al., "SWRL: A Semantic Web Rule Language Combining OWL and RuleML", https://www.w3.org/Submission/SWRL/}. Cited December 14, 2021.
-
N. Belaid, Y. Ait-Ameur, and J.-F. Rainaud, 2009., "SWAPT: Semantic Workflow Architecture for Petroleum Technology", https://www.scitepress.org/Papers/2009/18401/18401.pdf}.Cited December 14, 2021.
-
V. Parekh, J. Gwo, and T. Finin, "Ontology Based Semantic Metadata for GeoScience Data", in Proc. Int. Conf. on Information and Knowledge Engineering, IKE'04, Las Vegas, USA, June 21-24, 2004 (CSREA Press, Las Vegas, 2004), pp. 485-490.
-
P. Titov, "The Simulation of 3D Wave Fields in Complex Topography Media", in Communications in Computer and Information Science (Springer, Cham, 2019), Vol. 1129, pp. 451-462. doi{}. DOI: 10.1007/978-3-030-36592-9_37 EDN: WWHLPV
-
V. Liseykin, Difference Meshes. Theory and Applications (Ross. Akad. Nauk, Novosibirsk, 2014) [in Russian].
-
R. E. Sheriff and L. P. Geldart, Exploration Seismology (Cambridge Univ. Press, Cambridge, 1995). doi{}. DOI: 10.1017/CBO9781139168359
Выпуск
Методы и алгоритмы вычислительной математики и их приложения.
Параллельные программные средства и технологии.
Другие статьи выпуска
Поиск типичных подпоследовательностей временного ряда является одной из актуальных задач интеллектуального анализа временных рядов. Данная задача предполагает нахождение набора подпоследовательностей временного ряда, которые адекватно отражают течение процесса или явления, задаваемого этим рядом. Поиск типичных подпоследовательностей дает возможность резюмировать и визуализировать большие временные ряды в широком спектре приложений: мониторинг технического состояния сложных машин и механизмов, интеллектуальное управление системами жизнеобеспечения, мониторинг показателей функциональной диагностики организма человека и др. Предложенная недавно концепция сниппета формализует типичную подпоследовательность временного ряда следующим образом. Сниппет представляет собой подпоследовательность, на которую похожи многие другие подпоследовательности данного ряда в смысле специализированной меры схожести, основанной на евклидовом расстоянии. Поиск типичных подпоследовательностей с помощью сниппетов показывает адекватные результаты для временных рядов из широкого спектра предметных областей, однако соответствующий алгоритм имеет высокую вычислительную сложность. В настоящей работе предложен новый параллельный алгоритм поиска сниппетов во временном ряде на графическом ускорителе. Распараллеливание выполнено с помощью технологии программирования CUDA. Разработаны структуры данных, позволяющие эффективно распараллелить вычисления на графическом процессоре. Представлены результаты вычислительных экспериментов, подтверждающих высокую производительность разработанного алгоритма.
This paper is concerned with implementation of wave tomography algorithms on modern SIMD CPU and GPU computing platforms. The field of wave tomography, which is currently under development, requires powerful computing resources. Main applications of wave tomography are medical imaging, nondestructive testing, seismic studies. Practical applications depend on computing hardware. Tomographic image reconstruction via wave tomography technique involves solving coefficient inverse problems for the wave equation. Such problems can be solved using iterative gradient-based methods, which rely on repeated numerical simulation of wave propagation process. In this study, finite-difference time-domain (FDTD) method is employed for wave simulation. This paper discusses software implementation of the algorithms and compares the performance of various computing devices: multi-core Intel and ARM-based CPUs, NVidia graphics processors.
Схема КАБАРЕ, являющаяся представителем семейства балансно-характеристических методов, широко используется при решении многих задач для систем дифференциальных уравнений гиперболического типа в эйлеровых переменных. Возрастающая актуальность задач взаимодействия деформируемых тел с потоками жидкости и газа требует адаптации этого метода на лагранжевы и смешанные эйлерово-лагранжевы переменные. Ранее схема КАБАРЕ была построена для одномерных уравнений газовой динамики в массовых лагранжевых переменных, а также для трехмерных уравнений динамической упругости. В первом случае построенную схему не удалось обобщить на многомерные задачи, а во втором - использовался необратимый по времени алгоритм передвижения сетки. В данной работе представлено обобщение метода КАБАРЕ на двумерные уравнения газовой динамики и динамической упругости в смешанных эйлерово-лагранжевых и лагранжевых переменных. Построенный метод является явным, легко масштабируемым и обладает свойством временной обратимости. Метод тестируется на различных одномерных и двумерных задачах для обеих систем уравнений (соударение упругих тел, поперечные колебания упругой балки, движение свободной границы идеального газа).
Выделенные свойства циклов DFS-базиса блока карты простого графа позволили составить математическую модель вычисления циклов ячеек карты графа. По данной модели предложен практический алгоритм вычисления циклов ячеек карты графа. Алгоритм имеет квадратическую сложность относительно числа вершин в графе.
В настоящей работе представлен новый метод решения уравнений движения заряженных частиц в электромагнитных полях и проведено его сравнение с различными известными модификациями метода Бориса. Созданные двумерный и трехмерный алгоритмы основаны на использовании точного решения дифференциального уравнения для скорости заряженной частицы на шаге по времени. Сравнительный анализ метода Бориса и его модификаций проводился как по точности методов, так и по времени их работы. Новая модификация метода Бориса позволяет точнее вычислять траекторию и скорость заряженной частицы без значительного увеличения сложности расчетов. Показано, что при выборе модификации метода Бориса для решения задачи в первую очередь следует обращать внимание на точность решения, так как более простая и быстрая схема может не дать выигрыша по времени.
Работа связана с изучением нелинейных параболических систем, возникающих при моделировании и управлении физико-химическими процессами, в которых происходят изменения внутренних свойств материалов. Исследовано оптимальное управление одной из таких систем, которая включает в себя краевую задачу третьего рода для квазилинейного параболического уравнения с неизвестным коэффициентом при производной по времени, а также уравнение изменения по времени этого коэффициента. Обоснована постановка оптимальной задачи с финальным наблюдением искомого коэффициента, в которой управлением является граничный режим на одной из границ области. Получено явное представление дифференциала минимизируемого функционала через решение сопряженной задачи. Доказаны условия ее однозначной разрешимости в классе гладких функций. Полученные результаты имеют практическое значение для приложений в различных технических областях, медицине, геологии и т.п. Приведены некоторые примеры таких приложений.
В статье представлен параллельный алгоритм валидации решений задач линейного программирования. Идея метода состоит в том, чтобы генерировать регулярный набор точек на гиперсфере малого радиуса, центрированной в точке тестируемого решения. Целевая функция вычисляется для каждой точки валидационного множества, принадлежащей допустимой области. Если все полученные значения меньше или равны значению целевой функции в точке, проверяемой как решение, то эта точка считается корректным решением. Параллельная реализация алгоритма VaLiPro выполнена на языке C++ с использованием параллельного BSF-каркаса, инкапсулирующего в проблемно-независимой части своего кода все аспекты, связанные с распараллеливанием программы на базе библиотеки MPI. Приводятся результаты масштабных вычислительных экспериментов на кластерной вычислительной системе, подтверждающие эффективность предложенного подхода.
Системы SAPFOR и DVM были спроектированы и предназначены для упрощения разработки параллельных программ научно-технических расчетов. Главной целью системы SAPFOR является автоматизация процесса отображения последовательных программ на параллельные архитектуры в модели DVMH. В некоторых случаях пользователь системы SAPFOR может рассчитывать на полностью автоматическое распараллеливание, если программа была написана или приведена к потенциально параллельному виду. DVMH модель представляет собой расширение стандартных языков C и Fortran спецификациями параллелизма, которые оформлены в виде директив и не видимы стандартным компиляторам. В статье будет рассмотрено автоматизированное дополнительное распараллеливание существующих MPI-программ с помощью системы SAPFOR, где, в свою очередь, будут использованы новые возможности DVMH модели по распараллеливанию циклов в MPI программе внутри узла. Данный подход позволяет существенно снизить трудоемкость распараллеливания MPI программ на графические ускорители и многоядерные процессоры, сохранив при этом удобство сопровождения уже написанной программы. Данная возможность в системе SAPFOR была реализована для языков Fortran и C. Эффективность данного подхода показана на примере некоторых приложений из пакета NAS Parallel Benchmarks.
Издательство
- Издательство
- МГУ
- Регион
- Россия, Москва
- Почтовый адрес
- оссийская Федерация, 119991, Москва, Ленинские горы, д. 1
- Юр. адрес
- оссийская Федерация, 119991, Москва, Ленинские горы, д. 1
- ФИО
- Садовничий Виктор Антонович (РЕКТОР)
- E-mail адрес
- info@rector.msu.ru
- Контактный телефон
- +7 (495) 9391000
- Сайт
- https://msu.ru/