-
公开(公告)号：CN112016232B
公开(公告)日：2024-06-14
申请号：CN202010894719.X
申请日：2020-08-31
申请人： 中国原子能科学研究院 , 中国科学院计算机网络信息中心
摘要： 本发明涉及一种撕裂有限元过程处理方法及系统，其中，该方法应用于由多个计算节点构成的撕裂有限元过程处理系统，该系统中的每个计算节点开启1个进程，每个进程开启T个线程，处理Y个子域；N个线程使用第一处理器，调用第一数学库，进行求解器的矩阵运算；T‑N个线程使用第二处理器，调用第二数学库，进行求解器的矩阵运算。本发明将求解器中的矩阵计算移植到第一处理器上进行，提升了HTFETI的求解速度。
-
公开(公告)号：CN111368467B
公开(公告)日：2022-03-11
申请号：CN202010104663.3
申请日：2020-02-20
申请人： 中国原子能科学研究院 , 中国科学院计算机网络信息中心
IPC分类号： G06F30/23 , G06F40/151
摘要： 本发明涉及一种基于STEP和GEO格式的数据交换方法及系统，其中，方法是在CAD软件生成的STEP文件基础上，通过使用python提取STP文件几何信息，并关联起各层几何信息间的拓扑关系，最后转换成Gmsh(有限元网格生成程序)能读取的GEO格式。为解决两种几何标准间数据结构定义不统一的问题，本发明先将STP中的几何信息存储到python字典中，再统一进行结构的转换、调整后，输出为符合GEO标准的几何格式。本发明实现了CAD软件与有限元网格剖分软件的数据格式对接，有助于复杂模型的网格剖分以及后续求解。
-
公开(公告)号：CN108985335B
公开(公告)日：2021-04-27
申请号：CN201810628508.4
申请日：2018-06-19
申请人： 中国原子能科学研究院 , 北京科技大学 , 中国科学院计算机网络信息中心
摘要： 本发明提供一种核反应堆包壳材料辐照肿胀的集成学习预测方法，涉及组合多个弱监督模型结果的集成学习材料预测技术领域。本发明采用堆叠的多层异态回归器模型，其为两层架构，第一层包括四个不同的基学习器，分别为人工神经网络、支持向量机、梯度提升和随机森林，并且第一层采用5折交叉验证训练，第二层通过XGBoost建立。本发明能够降低偏差和方差，提高模型的泛化能力，使材料特性的预测结果更加准确。
-
公开(公告)号：CN108806810A
公开(公告)日：2018-11-13
申请号：CN201810622867.9
申请日：2018-06-15
申请人： 中国原子能科学研究院 , 北京科技大学 , 中国科学院计算机网络信息中心
IPC分类号： G21C17/00
摘要： 本发明公开了一种核燃料棒性能分析方法。其中，该方法包括：获取多个轴向段的信息，其中，轴向段是将单个核燃料棒延轴向分割形成的一段燃料棒；将多个轴向段的信息分配给多个进程，其中，每个进程至少分配一个轴向段的信息；在轴向段的信息所分配的进程上分析多个轴向段的性能；根据多个轴向段的性能得到单个核燃料棒的性能)。本发明解决了现有技术中存在的对单棒分析速度较慢的技术问题。
-
公开(公告)号：CN108876038B
公开(公告)日：2021-07-16
申请号：CN201810629623.3
申请日：2018-06-19
申请人： 中国原子能科学研究院 , 北京科技大学 , 中国科学院计算机网络信息中心
IPC分类号： G06Q10/04
摘要： 本发明提供一种大数据、人工智能、超算协同的材料性能预测方法，涉及材料性能预测技术领域，所述方法包括：获取原始数据集并进行预处理；创建多个不同的贝叶斯深度网络模型；构造权重的高斯先验分布；构造似然函数；根据贝叶斯准则计算权重的后验概率分布函数；然后利用高斯近似方法在超级计算机上并行求解每个模型的参数后验，直至参数后验收敛；之后利用预测集通过每个网络模型得到预测输出，计算每个贝叶斯深度网络模型的占所有网络的权重比；最后根据训练好的贝叶斯深度网络模型对预测集进行预测，得到最终预测值和预测值的误差条，至此，整个网络模型构建完毕。本发明的方法能够提高材料性能预测的质量和效率。
-
公开(公告)号：CN112016232A
公开(公告)日：2020-12-01
申请号：CN202010894719.X
申请日：2020-08-31
申请人： 中国原子能科学研究院 , 中国科学院计算机网络信息中心
摘要： 本发明涉及一种撕裂有限元过程处理方法及系统，其中，该方法应用于由多个计算节点构成的撕裂有限元过程处理系统，该系统中的每个计算节点开启1个进程，每个进程开启T个线程，处理Y个子域；N个线程使用第一处理器，调用第一数学库，进行求解器的矩阵运算；T-N个线程使用第二处理器，调用第二数学库，进行求解器的矩阵运算。本发明将求解器中的矩阵计算移植到第一处理器上进行，提升了HTFETI的求解速度。
-
公开(公告)号：CN110704106A
公开(公告)日：2020-01-17
申请号：CN201910957444.7
申请日：2019-10-09
申请人： 中国原子能科学研究院 , 中国科学院计算机网络信息中心
摘要： 本发明的实施例提供了一种基于特征线法在国产加速卡实现反应堆中子输运计算的加速方法，该计算加速方法针对反应堆物理关键计算技术与方法进行加速，包括基于确定论的特征线法解决中子输运方程计算理论的程序表达与计算程序相关物理模型实现，使用OpenMP+MPI实现运算程序并行性，基于开源OpenMOC计算平台，对计算加速相关关键代码进行移植与改进，匹配并适应国产加速卡。从而达到如下的良好效果：匹配并适应国产加速卡，有效利用国产加速卡的能力达到良好的加速效果；在保证计算精度与准确性的前提下，又提供了丰富的硬件兼容性与可扩展性；实现运算的并行性，中子输运方程计算需要大量计算资源，这使得计算可在高性能计算机大规模部署，进一步保证了计算的高速可靠。
-
公开(公告)号：CN108876038A
公开(公告)日：2018-11-23
申请号：CN201810629623.3
申请日：2018-06-19
申请人： 中国原子能科学研究院 , 北京科技大学 , 中国科学院计算机网络信息中心
IPC分类号： G06Q10/04
摘要： 本发明提供一种大数据、人工智能、超算协同的材料性能预测方法，涉及材料性能预测技术领域，所述方法包括：获取原始数据集并进行预处理；创建多个不同的贝叶斯深度网络模型；构造权重的高斯先验分布；构造似然函数；根据贝叶斯准则计算权重的后验概率分布函数；然后利用高斯近似方法在超级计算机上并行求解每个模型的参数后验，直至参数后验收敛；之后利用预测集通过每个网络模型得到预测输出，计算每个贝叶斯深度网络模型的占所有网络的权重比；最后根据训练好的贝叶斯深度网络模型对预测集进行预测，得到最终预测值和预测值的误差条，至此，整个网络模型构建完毕。本发明的方法能够提高材料性能预测的质量和效率。
-
公开(公告)号：CN111914213B
公开(公告)日：2023-11-10
申请号：CN202010759916.0
申请日：2020-07-31
申请人： 中国原子能科学研究院 , 中国科学院计算机网络信息中心
IPC分类号： G06F17/16 , G06F7/523 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种稀疏矩阵向量乘运算时间预测方法及系统，其中，方法包括以下步骤：构建卷积神经网络，卷积神经网络包括输入层、特征处理层、数据拼接层以及输出层，其中，输入层用于输入稀疏矩阵中的行特征矩阵的特征、列特征矩阵的特征、体系结构参数扩展矩阵的特征；特征处理层用于提取上一层中的特征；数据拼接层，用于对提取的行特征矩阵的特征、列特征矩阵的特征、体系结构参数扩展矩阵的特征进行拼接；输出层用于输出预测结果；获取多组已知稀疏矩阵向量乘运算时间的稀疏矩阵作为样本数据，将样本数据输入至卷积神经网络以实现对卷积神经网络的训练；将待分类的稀疏矩阵输入至训练完成的卷积神经网络，实现稀疏矩阵向量乘运算时间的预测。
-
公开(公告)号：CN110660453B
公开(公告)日：2023-03-07
申请号：CN201910953927.X
申请日：2019-10-09
申请人： 中国原子能科学研究院 , 中国科学院计算机网络信息中心
摘要： 本说明书实施例提供了一种基于指数时间差分格式求解速率理论方程的并行计算方法，基于速率理论建立物理微观缺陷模拟模型，速率理论没有时空尺度限制，因此在模拟高的损伤剂量条件下的微观结构演化时，能够明显体现出速率理论的优势，然后使用指数时间差分格式对于主方程进行求解，求解的结果精确性更好，精度更高。
-
-
-
-
-
-
-
-
-
搜索结果
103 条记录 (耗时 0.096 秒)
