| 海量数据驱动下的高分辨率海洋数值模式发展与展望 |
| |
| 引用本文： | 宋振亚,刘卫国,刘 鑫,苏天赟,刘海行,尹训强.海量数据驱动下的高分辨率海洋数值模式发展与展望[J].海洋科学进展,2019,37(2):161-170. |
| |
| 作者姓名： | 宋振亚 刘卫国 刘 鑫 苏天赟 刘海行 尹训强 |
| |
| 作者单位： | 自然资源部 第一海洋研究所,山东 青岛 266061;青岛海洋科学与技术试点国家实验室 区域海洋动力学与数值模拟功能实验室,山东 青岛 266061;青岛海洋科学与技术试点国家实验室 区域海洋动力学与数值模拟功能实验室,山东 青岛 266061;山东大学 软件学院,山东 济南 250101;无锡江南计算技术研究所,江苏 无锡,214083 |
| |
| 基金项目： | 国家自然科学基金委员会-山东省人民政府联合基金项目——海量数据驱动下的高分辨率海洋数值模式关键算法研究(U1806205);中央级公益性科研院所基本科研业务费专项资金资助项目-束星北青年基金项目——地球系统模式FIO-ESM V2.0的建立及应用(2016S03);青岛海洋科学与技术国家实验室鳌山人才计划--优秀青年学者专项(2017ASTCP-ES04);自然资源部第一海洋研究所英特尔并行计算中心(Intel® Parallel Computing Center at FIO)项目——Large-Scale and Highly-Effective Numerical Simulation of Marine Environment with Global Surface Waves Model |
| |
| 摘 要： | 海洋数值模式是定量描述海洋物理现象及其变化的数值模型,也是海洋与气候研究、预测的核心工具。随着海洋观测的不断投入与积累、对海洋认识的不断深入,特别是在高性能计算技术的支撑下,海洋数值模式已有了长足进步,正朝着高分辨率和多物理过程的方向发展。随着分辨率的提高、物理过程的细化,海洋数值模式的发展面临着多个方面的挑战。当前,海洋数据数量和种类不断增多,同时超级计算机、高性能计算和深度学习等技术的快速发展,为海洋数值模式的突破提供了机遇与挑战。本研究回顾了海洋数值模式的发展现状,梳理和分析了其发展中遇到的大规模高效并行计算和参数优化这两个关键问题,探讨和展望了当前海量数据驱动下海洋数值模式的发展趋势。提出计算负载均衡、计算与I/O重叠的并行流水线设计以及降低全局交换的算法改进是当前突破高分辨率海洋模式大规模高效并行效率的关键。从海洋科学、高性能计算以及深度学习深度交叉融合的角度,提出了实现海洋科学与深度学习相结合的6个途径,在此基础上,探讨了基于深度学习的参数化优化可能实现的途径。
|
| 关 键 词： | 海洋数值模式 海量数据 物理参数优化 高分辨率 深度学习 高性能计算 |
Research Progress and Perspective of the Key Technologies for Ocean Numerical Model Driven by the Mass Data |
| |
| SONG Zhen-ya,LIU Wei-guo,LIU Xin,SU Tian-yun,LIU Hai-xing,YIN Xun-qiang.Research Progress and Perspective of the Key Technologies for Ocean Numerical Model Driven by the Mass Data[J].Advances in Marine Science,2019,37(2):161-170. |
| |
| Authors: | SONG Zhen-ya LIU Wei-guo LIU Xin SU Tian-yun LIU Hai-xing YIN Xun-qiang |
| |
| Affiliation: | (First Institute of Oceanography, MNR, Qingdao 266061, China;Laboratory for Regional Oceanography and Numerical Modeling, Pilot National Laboratoryfor Marine Science and Technology (Qingdao), Qingdao 266061, China;School of Software, Shandong University, Jinan 250101, China;Jiangnan Institute of Computing Technology, Wuxi 214083, China) |
| |
| Abstract: | SONG Zhen-ya;LIU Wei-guo;LIU Xin;SU Tian-yun;LIU Hai-xing;YIN Xun-qiang(First Institute of Oceanography, MNR, Qingdao 266061, China;Laboratory for Regional Oceanography and Numerical Modeling, Pilot National Laboratoryfor Marine Science and Technology (Qingdao), Qingdao 266061, China;School of Software, Shandong University, Jinan 250101, China;Jiangnan Institute of Computing Technology, Wuxi 214083, China) |
| |
| Keywords: | ocean numerical model mass data physical parameter optimization high resolution deep learning high-performance computing |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《海洋科学进展》浏览原始摘要信息 |
|
点击此处可从《海洋科学进展》下载全文 |
|
