[发明专利]一种基于时间预测的高通量材料仿真计算优化方法

摘要

本发明提出一种基于时间预测的高通量材料仿真计算优化方法，属于材料科学领域。该方法首先构建作业配置与对应执行时间的预测模型，利用预测模型，生成高通量材料仿真计算中所有作业在不同情形下的执行时间，进而通过有向图对高通量材料仿真计算中每个模型生成最优调度方案；按照每个模型的最优调度方案，依次执行所有的作业，直到所有作业执行完毕。本发明结合高通量材料计算仿真任务的特点，可大幅度提高高通量作业执行的效率，大大缩短新材料设计的时间。

主权项

1.一种基于时间预测的高通量材料仿真计算优化方法，其特征在于，该方法包括以下步骤：1)构建作业配置与对应执行时间的预测模型；具体步骤如下：1‑1)建立高通量材料仿真计算中已执行作业的初始配置与对应执行时间的计算数据库；1‑2)将步骤1‑1)建立的计算数据库中的所有已执行作业作为训练集，构建一个深度神经网络，将已执行作业的初始配置、运行参数、硬件配置作为深度神经网络的输入，将执行时间作为输出，利用训练集中的作业对该深度神经网络进行有监督的训练，得到训练完毕的深度神经网络；1‑3)选取M个未用于训练深度神经网络的作业作为测试集，利用测试集对步骤1‑2)训练完毕的深度神经网络模型进行检验：如果每个测试集中的作业通过深度神经网络预测得到的执行时间与实际的执行时间的偏差在设定的误差阈值之内，则步骤1‑2)训练完毕的深度神经网络为最终得到的作业配置与对应执行时间的预测模型；如果测试集中的作业通过深度神经网络预测得到的执行时间与实际的执行时间的偏差超过设定的误差阈值，则生成新的已执行作业并加入到训练集中，然后重新返回步骤1‑2)，利用更新后的训练集重新训练深度神经网络；2)利用步骤1)得到的预测模型，预测所有未执行作业在不同情形下的执行时间；具体步骤如下：2‑1)将高通量材料仿真计算中所有未执行的作业输入预测模型，模型输出每个作业对应的独立执行时间的预测值；2‑2)对高通量材料仿真计算中基于同一模型的所有L个作业，利用预测模型预测每个作业在不同共享执行模式下共享其它作业执行情况下的共享执行时间，记录所有共享执行模式中时间最少的一种共享执行模式，并把该模式对应的共享执行时间作为该作业对应的最终的共享执行时间，形成该模型对应的共享执行时间矩阵Q_L×L，并且用矩阵SH_L×L表示对应作业的共享执行模式；3)对高通量材料仿真计算中每个模型生成最优调度方案；对于每一个模型，具体步骤如下：3‑1)令S为同一模型所有待执行的作业的集合；3‑2)基于该模型的共享时间矩阵矩阵Q_L×L和S构造一个有向图G＝<V,E>,其中V＝S∪{r},r是新加入的根节点，任给q_ij∈Q_L×L，构建一条边<i,j>∈E且该边的权重e_ij＝q_ij；从r到其它所有作业也分别构建对应的一条边加入到E中，该边的权重是独立执行每个作业的执行时间；3‑3)在G上执行Edmonds算法得到最小覆盖分支A；3‑4)按照广度优先遍历A，同一层次的作业形成可并行执行作业的集合，得到一系列作业的集合J₁,…,J_k，k表示A的深度,并且得到该模型的最优调度方案；4)按照步骤3)生成的每个模型的最优调度方案，依次执行所有的作业，直到所有作业执行完毕，方法结束。