大规模粒子团簇识别分析

J4 ›› 2013, Vol. 35 ›› Issue (11): 62-67.

大规模粒子团簇识别分析

沈卫超1,2，曹立强2，夏芳1,2

（1. 中物院复杂电磁环境实验室，四川绵阳 621900;2. 北京应用物理与计算数学研究所高性能计算中心, 北京100094）

收稿日期:2013-07-18 修回日期:2013-10-18 出版日期:2013-11-25 发布日期:2013-11-25
基金资助:
中国工程物理研究院科学技术发展基金项目（2013A0403020）；国家高技术研究发展计划资助项

目(2012AA01A309)；国家自然科学基金资助项目（61170310）

Large scale particle cluster identification and analysis

SHEN Weichao1,2，CAO Liqiang2，XIA Fang1,2

（1.Complicated Electromagnetic Environment Laboratory of CAEP,Mianyang 621900;
2.High Performance Computing Center,Institute of Applied Physics and Computational Mathematics,Beijing 100094,China）

Received:2013-07-18 Revised:2013-10-18 Online:2013-11-25 Published:2013-11-25

摘要/Abstract

摘要：

团簇识别是分子动力学数值模拟数据后处理团簇分析中的一个共性问题。面向JASMIN粒子数值模拟程

序输出的可视化数据，设计实现了团簇识别并行算法与团簇分析并行工具。工具提供了三种并行模式：时间

维并行、空间维并行、时空维混合并行。使用基于PIC网格加速的广度优先搜索算法，通过虚拟网格片索引

直接在多网格片数据上实现团簇识别。团簇分析并行工具应用在千万粒子规模的实际数值模拟数据时具有很

好的并行扩展性。

关键词: 团簇识别, 团簇分析, 并行, 后处理

Abstract:

Cluster identification is a common problem of

cluster analysis in postprocessing of molecular dynamics numerical simulation data. The

cluster identification parallel algorithm and the cluster analysis parallel tool are designed

and implemented aiming at visual data outputted by JASMIN particle numerical simulation

program. The tool provides three parallel modes: time dimension parallel, space dimension

parallel and spatialtemporal parallel. Through virtual patch index structure, breadthfirst

search algorithm accelerated by PIC grid can work on multiple patches data directly so as to

identify particle cluster. The cluster analysis parallel tool has a good parallel scalability

when it applies to the actual numerical simulation data of ten millions of particles.

Key words: cluster identification;cluster analysis;parallel;postprocessing

沈卫超1,2，曹立强2，夏芳1,2. 大规模粒子团簇识别分析[J]. J4, 2013, 35(11): 62-67.

SHEN Weichao1,2，CAO Liqiang2，XIA Fang1,2. Large scale particle cluster identification and analysis [J]. J4, 2013, 35(11): 62-67.

[1]	杨仕琦, 武优西, 耿萌, 李艳. 一次性条件下的三支序列模式挖掘[J]. 计算机工程与科学, 2024, 46(07): 1286-1295.
[2]	郭宸良, 阎少宏, 宗晨琪. 线云隐私攻击算法的并行加速研究[J]. 计算机工程与科学, 2024, 46(04): 615-625.
[3]	肖调杰, 周峰, 郑翾宇, 刘剑, 陈琳, 刘杰, 易明宽, 陈旭光, 龚春叶, 杨博, 甘新标, 李胜国, 左克, . 大规模三维频率域电磁积分方程法数值模拟[J]. 计算机工程与科学, 2023, 45(11): 1901-1910.
[4]	王继昌, 吕高锋, 刘忠沛, 杨翔瑞. 基于数据处理器的QUIC加密/解密卸载[J]. 计算机工程与科学, 2023, 45(11): 1960-1969.
[5]	吴超, 卫谦, 周俊伟, 李会民, 孙广中. 基于异构计算平台的背景噪声预处理并行算法[J]. 计算机工程与科学, 2023, 45(10): 1711-1719.
[6]	王鑫, 彭健. 基于HYB格式SpMV在新一代申威架构上的实现与优化[J]. 计算机工程与科学, 2023, 45(10): 1754-1762.
[7]	朱文龙, 江嘉治, 黄聃, 肖侬. ParM:基于国产处理器的异构并行编程模型[J]. 计算机工程与科学, 2023, 45(09): 1521-1531.
[8]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[9]	孙国璋, 黄山, 艾力卡木·再比布拉, 徐浩桐, 段晓东, . 基于Flink的k-支配skyline体并行求解算法[J]. 计算机工程与科学, 2023, 45(01): 17-27.
[10]	胡跃迪, 苏想, 李楠, 张丽梅. 飞行器翼型表面流场数据智能分区[J]. 计算机工程与科学, 2023, 45(01): 37-45.
[11]	管延霞, 刘逊韵, 刘运韬, 谢旻, 徐新海. 面向多智能体博弈的并行蒙特卡洛树搜索算法研究[J]. 计算机工程与科学, 2022, 44(12): 2128-2133.
[12]	臧照虎, 李晨, 王耀华, 陈小文, 郭阳. 面向众核系统的层次化栅栏同步机制[J]. 计算机工程与科学, 2022, 44(11): 1901-1908.
[13]	张勇, 张曦, 万云博, 何先耀, 赵钟, 卢宇彤. 非结构有限体积CFD计算的网格重排序优化[J]. 计算机工程与科学, 2022, 44(10): 1721-1729.
[14]	葛旭冉, 刘洋, 陈志广, 肖侬. 基于MPI的并行大数据集生成器[J]. 计算机工程与科学, 2022, 44(07): 1152-1161.
[15]	陈奉贤. 基于NR-Transformer的集群作业运行时间预测[J]. 计算机工程与科学, 2022, 44(07): 1181-1190.