计算机工程与科学

当前目录

• 基于事件的蒙特卡罗粒子输运算法设计实现

  黎铁军, 张建民, 李雨函, 杨博

  蒙特卡罗MC粒子输运程序是典型的高性能计算应用。MC粒子输运程序存在基于粒子历史与基于事件2种并行实现方法。代理程序是面向特定体系结构开展大型实际程序性能优化的重要基础，实现基于事件的MC代理程序对研究面向众核体系结构的性能优化非常重要。然而目前没有公开的基于事件方法的代理程序。基于开源项目OpenMC，对基于事件的蒙特卡罗粒子输运算法进行设计，实现了一个新的基于事件的MC粒子输运代理程序。实验结果表明，该代理程序能够有效模拟OpenMC的分支、访存及计算特征，且其代码量不到OpenMC代码量的5%，运行时间仅为OpenMC的7.5%，为基于事件算法的优化研究提供了高效易用的平台。

• 基于GPU共享的深度学习训练任务加速调度框架

  林辰汐, 李嘉伦, 莫萱, 周杰英, 吴维刚

  深度学习DL在众多业务场景中的应用越来越广泛。如何在GPU集群中高效利用资源训练DL任务并缩短任务的完成时间，受到了工业界和学术界的持续关注。单个DL训练任务往往无法充分利用GPU的全部计算资源，传统调度器的独占式GPU分配导致资源利用率低下。提出一种基于GPU共享的任务调度框架G-Share，允许多个DL任务共享同一个GPU进行训练，即进行混部调度。在感知任务间混部干扰的基础上进行任务调度与资源分配，以提高GPU利用率进而加速任务的执行。具体来说，首先通过离线建模与在线更新的方式刻画任务间相互干扰的信息，并将基于GPU共享的调度问题建模为一个带权二部图最小匹配问题，通过求解该问题来获得资源分配结果，并结合时间片机制实现任务的动态调度来感知在线场景中任务最优混部组合的变化。在商汤科技的DL任务负载数据集上的实验表明，G-Share相比于对比方法实现了20.6%的任务平均完成时间减少。

• 边云协同下的计算卸载与资源分配策略

  张文柱, 石亚坤, 高杜梅

  在车联网中，车辆有限的计算能力、边缘服务器动态的计算资源和云服务器遥远的部署位置使得合理设计计算任务卸载与资源分配方案极具挑战。针对上述挑战，以最小化处理计算任务的时延与能耗的加权和为目标，提出了一种基于深度强化学习的联合计算卸载与资源分配的算法。具体来说，为了实现边云协作处理计算任务，首先设计了基于软件定义网络边云协同的网络架构，并给出了任务优先级的度量标准；其次分别建立了云边端任务的计算模型；然后设计了优化系统延迟与能耗的目标函数，并将其转化为系统效用函数；最后利用深度强化学习算法依据系统效用来决定计算任务的卸载与资源分配策略。实验结果表明，与现有的算法相比，所提算法在降低系统时延与能耗以及提高任务计算成功率方面的表现显著优于基准算法。

• 基于线网划分的单层直角避障最小斯坦纳树算法及优化方法

  闻豪, 李振松

  在超大规模集成（VLSI）电路的布线阶段，迅速有效地创建直角避障最小斯坦纳树(ROASMT)是成功布线的重点。为此，提出了一种结合划分法和合法化的基于线网划分的单层直角避障最小斯坦纳树生成SL-ROASMT算法。通过划分扫描点区域，生成避障生成图(OASG)，在避障生成图中筛选避障生成树并转变成引脚生成树(PST)，从而将原始线网划分成多个子线网；再利用直角最小斯坦纳树(RSMT)算法对无障碍的各子线网创建直角最小斯坦纳树并合法化获得合法初始解。同时提出了基于“多段边”的全局优化和基于“类V结构”的局部优化方式。算法验证结果显示，SL-ROASMT算法较基于生成图的算法和基于边的算法平均缩短约3.6%的总线长度，且算法都在1 s内完成全部测试样例的布线。

• 高可扩展三维海洋可控源电磁高阶时域有限差分数值模拟

  彭桦, 吴志强, 肖调杰, 李世杰, 龚春叶, 杨博, 王浩东, 陈星佑

  海洋可控源电磁法MCSEM广泛应用于水下目标电磁探测、海洋电磁通信和海洋油气资源勘探等领域。然而，当前MCSEM数值模拟面临计算精度不足、并行通信效率低下和扩展性受限等问题，难以满足大规模三维复杂模型的计算需求。为此，设计并实现了一种基于四阶时域有限差分的多层级并行数值模拟算法。该算法采用发射源间并行计算和子区域并行求解策略，充分挖掘了并行粒度，并通过远程内存访问技术有效降低通信开销，显著提升了并行效率。然后，通过多个典型案例测试验证了该算法的正确性与高效性。结果表明，在发射源数量为8个、区域规模为20 km×20 km×12 km且网格规模为245×245×512情况下，针对不考虑空气层的深海模型，采用8个进程组共2 048个进程时，计算时间由串行的57.05 h缩短至72.96 s，加速比超线性达到2 815.04，并行效率为137.45%；针对考虑空气层的浅海模型，采用8个进程组共256个进程时，计算时间由串行的64.78 h缩短至59.75 min，加速比为65.05，并行效率为25.41%，表明所提算法具有较好的可扩展性及计算精度，为海洋电磁数值模拟提供了一种高效的解决方案。

• 基于改进YOLOv8的农作物与藜草检测模型：MES-YOLO

  文韬, 王天一, 黄诗锐, 周江龙

  随着现代农业技术的快速发展，对农作物的精准管理和杂草的有效控制变得尤为重要。针对藜草这一影响农作物生长的常见杂草，提出了一种基于 YOLOv8改进的轻量级农作物与藜草检测模型MES-YOLO。首先，改进主干网络，将MS-Block模块融入C2f模块；通过异构卷积将之应用于YOLOv8模型的主干网络中，从而提高整体的目标检测精度和效率；其次，将高效局部注意力机制引入高级筛选特征金字塔结构中，来增强对目标特征的表达能力；最后，应用Inner-SIoU损失函数加快收敛速度。实验结果表明，相较于YOLOv8n，MES-YOLO模型在mAP@0.5指标上提升了2.1个百分点，计算量从8.2×109下降为6.5×109,参数量仅为YOLOv8n模型的62%。改进后的模型更适用于低算力环境，并且能兼顾高精度的部署需求。

• 面向农业地块提取的边缘-语义协同双分支解码网络

  杨梅, 刘司南, 潘臻, 高磊, 闵帆

  面向农业资源监测的遥感影像农业地块精准提取是实现耕地资源智能化管理的关键技术。针对现有深度学习方法在复杂农田场景中面临的边界模糊、纹理多样及形态异构导致的分割精度不足问题，提出边缘与语义协同优化的多任务神经网络ESDNet，通过3种关键策略实现性能提升。首先，在编码器与主解码器间嵌入坐标注意力(CA)模块，通过坐标敏感的注意力权重增强模糊边界的鉴别能力；其次，设计具有多级感受野的特征增强(FE)模块，采用金字塔空洞卷积与自适应特征融合策略提升网络对异质纹理的解析度；最后，构建边界映射、距离映射与掩膜映射的多任务协同优化框架，通过几何约束与语义引导的联合学习策略，强化对复杂形态地块的空间认知。为验证网络普适性，实验选取中国山东、四川及荷兰地区的高分二号、哨兵二号多源遥感影像构建测试集。结果表明，ESDNet在交并比IoU指标上分别提升0.77个百分点、2.17个百分点和2.28个百分点，优于现有最优网络，其展现出的强泛化能力和高精度分割特性，为智慧农业中的耕地资源动态监测提供了可靠的技术支撑。

• 任务提示融合的端到端视觉多任务学习模型

  耿焕同, 范子辰, 蒋骏, 刘振宇, 李嘉兴

  针对现有视觉多任务学习模型中网络结构分离和任务间相互干扰的问题，提出了一种基于三重特征嵌入和任务提示融合的端到端多任务学习模型。在图像嵌入编码阶段，通过采用3组不同的编码模块以捕获图像原始的3种特征，充分保留图像的全局、局部以及轮廓特征，丰富嵌入编码向量结构和语义信息，使得模型可以获取不同特征维度的图像信息。在特征提取阶段，为实现端到端统一的任务通用学习、任务特定学习以及跨任务交互，使用空间-通道提示学习模块和提示融合模块提取图像和任务提示的显著特征、趋势以及原始信息，增强任务提示的表达能力和提示能力，更充分地提取图像和任务提示的全局和局部特征。实验结果表明，与单任务SOTA模型相比，mDS以及RMSE指标分别提高了3.36个百分点和2.41个百分点；而与多任务SOTA模型相比，以上2个指标分别提高了1.69个百分点和0.32个百分点，mIOU提高了0.99个百分点，为多任务学习提供了新的解决方法。

• 基于FPGA实现的改进误差补偿图像放大算法研究

  万子荣, 张彩珍

  为了尽可能地保持边缘信息，提高图像放大后的视觉效果，提出一种基于FPGA实现的改进误差补偿图像放大算法。该算法基于误差补偿理论，在对每个像素点进行误差补偿修正的基础上，增加了引导滤波。利用误差补偿后的图像作为引导滤波的引导图像和输入图像以保留更多的边缘信息，调整像素的权重并将参数ε设置为0.1。采用峰值信噪比PSNR、均值梯度和梯度标准差，对改进算法及双线性误差补偿算法进行了实验研究对比分析。研究结果表明,改进算法将图像的PSNR增加了3~9 dB，均值梯度减小了9~36，梯度标准差减少了8~26，可以有效改善图像边缘失真的情况。

• 基于定向各向异性的加权最小二乘图像平滑方法

  梁皓涵, 刘婷婷, 崔鹏, 王志强

  针对加权最小二乘图像平滑方法过度依赖参数设定，会导致弱梯度结构模糊、强梯度纹理保留，且在多尺度图像分解时容易出现色调偏移的问题，提出一种基于定向各向异性的加权最小二乘图像平滑方法。首先，提出一种多方向的定向各向异性结构测度方法，利用梯度信息沿各方向的方向导数提升捕捉纹理/结构信息的能力，并结合原始图像梯度幅值实现对结构测度幅值的衰减，进而提高结构的精细化程度；其次，利用模板可变的自适应Sobel算子代替一维差分算子用于计算正则项的一阶偏导和梯度权重，使之可以更好地感知邻域范围内的梯度变化，从而保护边缘的完整性；最后，将结构测度幅值融入梯度权重中，使其可以在结构区域利用小权重的平滑参数实现结构保持，在纹理区域利用大权重的平滑参数实现纹理细节信息的平滑，并利用多通道平滑结果融合操作以改善色调偏移和颜色失真的问题。与主流的纹理平滑方法进行比较，在视觉方面，新方法既可以有效地去除纹理也可以保持细微结构的稳定，在定量度量方面，新方法可以很好地平衡纹理抑制与结构保持之间的关系。