Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/25792
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Стрельцова Оксана Ивановна | ru_RU |
dc.contributor.advisor | Strelcova Oksana Ivanovna | en_GB |
dc.contributor.author | Фатькина Анна Игоревна | ru_RU |
dc.contributor.author | Fatkina Anna Igorevna | en_GB |
dc.contributor.editor | Дегтярев Александр Борисович | ru_RU |
dc.contributor.editor | Degtarev Aleksandr Borisovic | en_GB |
dc.date.accessioned | 2021-03-24T15:08:04Z | - |
dc.date.available | 2021-03-24T15:08:04Z | - |
dc.date.issued | 2019 | |
dc.identifier.other | 035020 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/25792 | - |
dc.description.abstract | В данной работе описана библиотека поддержки вычислений для платформы GNA на графических процессорах. Платформа GNA разработана для статистического анализа данных физических экспериментов. Некоторые алгоритмы, реализованные для анализа данных нейтринных экспериментов, занимают многие часы. Такой анализ включает в себя многократное повторение одного и того же вычислительного графа с разными параметрами. Кроме того, большинство функций, используемых для анализа, производится над массивами данных, а зависимости по данным --- минимальны. Для выполнения таких задач, реализуемых в GNA, подходит архитектура GPU. В работе описаны подходы, используемые при реализации, а также приведены тесты на производительных некоторых алгоритмов и вычислительных цепочек. Получено ускорение для объемов данных, используемых в модели JUNO. | ru_RU |
dc.description.abstract | In this work, the GPU support library for the GNA framework is described. The GNA platform is designed for statistical analysis of data from physical experiments. Some algorithms implemented to analyze data from neutrino experiments take many hours. Such analysis includes repeated invoke of the same computational graph with different parameters. In addition, most of the functions used for analysis are performed on data arrays, and data dependencies are minimal. The GPU architecture is suitable for performing such tasks implemented in GNA. Approaches used in the implementation are described here, as well as tests on the performance of some algorithms and computational chains. Acceleration obtained for the data volumes used in the JUNO model | en_GB |
dc.language.iso | ru | |
dc.subject | Графические процессоры | ru_RU |
dc.subject | нейтрино | ru_RU |
dc.subject | статистический анализ | ru_RU |
dc.subject | GNA | ru_RU |
dc.subject | GPU | en_GB |
dc.subject | neutrino | en_GB |
dc.subject | statistical analysis | en_GB |
dc.subject | GNA | en_GB |
dc.title | Development of the multithreading support system for Global Neutrino Analysis framework | en_GB |
dc.title.alternative | Разработка систем поддержки многопоточных вычислений платформы Global Neutrino Analysis | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
fatkina_thesis.pdf | Article | 2,86 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_naucnogo_rukovoditela_na_VKR.pdf | ReviewSV | 83,6 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.