点对点环境的草履虫自组织和协作路由方法

    公开(公告)号:CN1564543A

    公开(公告)日:2005-01-12

    申请号:CN200410033768.5

    申请日:2004-04-16

    Applicant: 清华大学

    Abstract: 点对点环境的草履虫自组织和协作路由方法属于计算机网络技术领域,其特征在于:通过引入细胞结构,在细胞的各节点内设立细胞内和细胞间的路由表,建立了路由、路由表维护、节电加入、细胞分离和融合五种程序操作和实现,在快速变化的点对点环境中和没有中央服务器的情况下实现可扩展的参与节点的自组织和协作路由,为实现点对点的系统打下基础。

    一种任务调度方法、装置和电子设备及存储介质

    公开(公告)号:CN118484279A

    公开(公告)日:2024-08-13

    申请号:CN202410620022.1

    申请日:2024-05-17

    Applicant: 清华大学

    Abstract: 本公开涉及一种任务调度方法、装置和电子设备及存储介质,该方法包括:根据目标超算任务对应的任务需求,确定所述目标超算任务对应的任务参数,其中,所述任务参数用于调度目标超算资源包括的多个并行程序执行所述目标超算任务;根据所述任务参数,确定所述目标超算任务对应的待处理数据;根据所述任务参数和所述待处理数据,调度所述多个并行程序执行所述目标超算任务,确定所述目标超算任务对应的任务结果。通过本公开实施例,可以简化用户使用超算资源的流程,不需要用户手动进行任务调度,能够支持不同的任务需求,并兼容不同的超算资源,可以提高使用超算资源的工作效率和灵活性。

    超级计算机系统虚拟化方法和装置

    公开(公告)号:CN113254151B

    公开(公告)日:2023-02-24

    申请号:CN202110536246.0

    申请日:2021-05-17

    Applicant: 清华大学

    Abstract: 本申请提出一种超级计算机系统虚拟化方法,涉及云计算领域,其中,超级计算机系统虚拟化方法包括:超算资源虚拟化,通过抽象描述方法将超级计算机中的部分资源抽象为虚拟化资源;普通用户根据实际需要在线申请虚拟化资源。采用上述方案的本申请解决了传统的超级计算机通常面向专业用户提供远程登录、远程桌面等方式使用超级计算机,在超算操作和编程等方面有很高的知识和技能要求,超算资源使用有一定门槛的问题,实现了结合超算应用的实际需求,通过虚拟化的手段将超算的各种能力从超算资源实体中抽象出来,以服务的形式提供给普通用户,达到降低超算使用门槛,支持超算平民化的目标。

    超级计算机系统虚拟化方法和装置

    公开(公告)号:CN113254151A

    公开(公告)日:2021-08-13

    申请号:CN202110536246.0

    申请日:2021-05-17

    Applicant: 清华大学

    Abstract: 本申请提出一种超级计算机系统虚拟化方法,涉及云计算领域,其中,超级计算机系统虚拟化方法包括:超算资源虚拟化,通过抽象描述方法将超级计算机中的部分资源抽象为虚拟化资源;普通用户根据实际需要在线申请虚拟化资源。采用上述方案的本申请解决了传统的超级计算机通常面向专业用户提供远程登录、远程桌面等方式使用超级计算机,在超算操作和编程等方面有很高的知识和技能要求,超算资源使用有一定门槛的问题,实现了结合超算应用的实际需求,通过虚拟化的手段将超算的各种能力从超算资源实体中抽象出来,以服务的形式提供给普通用户,达到降低超算使用门槛,支持超算平民化的目标。

    具有双向SCR结构的ESD保护器件及双向SCR结构

    公开(公告)号:CN112530935A

    公开(公告)日:2021-03-19

    申请号:CN202011339356.X

    申请日:2020-11-25

    Applicant: 清华大学

    Abstract: 本发明公开了一种具有双向SCR结构的ESD保护器件及双向SCR结构,具有双向SCR结构的ESD保护器件包括:P型衬底;第一N阱,第一N阱内设有第一N+注入区和第一P+注入区;P阱,P阱内设有第二P+注入区,第二P+注入区的宽度为D用于调整双向SCR结构的维持电压;以及第二N阱,第二N阱内设有第二N+注入区和第三P+注入区;其中,第一N阱、P阱和第二N阱均设在P型衬底内部,第一N阱与第二N阱紧邻P阱,且第一N阱与第二N阱以P阱的中轴线呈轴对称分布。根据本发明的具有双向SCR结构的ESD保护器件,可以使电路的IO端口承受负电压,ESD保护器件的保护能力提升且版图面积小,结构紧凑;同时双向SCR结构去除了一般单向SCR结构需要反向并联二极管的需求。

    数据中心/集群系统自组织的实现方法及系统

    公开(公告)号:CN107749867B

    公开(公告)日:2020-04-24

    申请号:CN201710792153.8

    申请日:2017-09-05

    Applicant: 清华大学

    Abstract: 本发明公开了一种数据中心/集群系统自组织的实现方法及系统,包括:根据实际需求,创建基于预定格式的初始描述文件;在所述数据中心/集群中选择管理工作机;以所述管理工作机为出发点在多个节点上启动微内核,自动收集所述微内核中的各节点的信息完善所述初始描述文件;根据定制开发的解释器,对完善后的描述文件进行编译解释,完成所述数据中心/集群系统的构建。本发明形成了一种与硬件平台、厂商、架构等等均无关的自动部署组织机制,通过对数据中心/集群系统进行描述定义,实现了系统运行的一致性、灵活性、个性化的统一。

    用于模式开发的并行求解方法和系统

    公开(公告)号:CN109542406A

    公开(公告)日:2019-03-29

    申请号:CN201811305089.7

    申请日:2018-11-05

    Applicant: 清华大学

    Abstract: 本发明对于模式方程提供了高效的并行数值求解方法和系统,将与待求解的模式方程对应的离散形式的表达式,该表达式的操作数为以三维数组形式表示的物理量,该表达式的运算符包括预定义的模式运算符和被重载为支持三维数组的基本运算符;根据可用的并行进程数量和三维数组的维度来划分每个物理量对应的三维数组,并保存每个三维数组在各进程间的数据分布信息;构建与所述表达式对应的表达式图,并基于该表达式图对表达式进行求解计算。该并行求解方法使用户从模式公式快速构建出并行代码,屏蔽复杂且繁琐的并行程序设计细节,简化了模式程序开发的难度。

    用于机器学习的参数寻优及特征调优的方法及系统

    公开(公告)号:CN104200087B

    公开(公告)日:2018-10-02

    申请号:CN201410422475.X

    申请日:2014-08-25

    Applicant: 清华大学

    Abstract: 本发明提出一种用于机器学习的参数寻优及特征调优的方法,包括以下步骤:随机生成多个参数集合;分别对多个参数集合进行基于EnKF的迭代优化;分别对优化后的多个参数集合进行性能评估,并根据评估结果得到集合池和补充参数集合,其中,集合池中的参数集合的性能高于补充参数集合中的参数集合的性能;对集合池中的参数集合和补充参数集合中的参数集合再次进行基于EnKF的迭代优化和性能评估,以得到最优参数集合。本发明的方法能够提升处理参数寻优的计算结果和计算效率,并且通用性强。本发明还提供了一种用于机器学习的参数寻优及特征调优的系统。

    pNFS系统支持海量虚拟机在线启动运行的方法

    公开(公告)号:CN103077055B

    公开(公告)日:2016-01-13

    申请号:CN201210592629.0

    申请日:2012-12-31

    Applicant: 清华大学

    Abstract: 本发明涉及云计算技术,具体公开了一种pNFS系统高效支持海量虚拟机在线启动运行的方法。所述方法包括:客户端从元数据服务器获取pNFS系统的布局类型信息,并判断pNFS系统的布局类型是否与自身兼容,若兼容,则进入下一步;客户端向元数据服务器请求所需文件的布局信息,元数据服务器即时计算出文件的布局信息并发送给客户端;客户端根据文件的布局信息,向对应的数据服务器并行存取文件数据。本发明的技术方案简化了MDS端元数据信息,以减轻海量文件并发读取时对MDS的压力,同时能够动态均衡DS数据分布,使文件数据更加均匀地分布到各个DS,尤其适用于通用场景下海量虚拟机在线启动和运行。

    一种大规模数据回归神经网络快速训练方法

    公开(公告)号:CN104598972A

    公开(公告)日:2015-05-06

    申请号:CN201510032856.1

    申请日:2015-01-22

    Applicant: 清华大学

    Abstract: 本发明涉及一种大规模数据回归神经网络快速训练方法,属于机器学习技术领域,该方法采用平均梯度方向和梯度残差主成分方向同时更新内部系数的大规模数据进行回归神经网络快速训练,通过误差反传得到各训练样本处目标函数对内部系数的梯度后,对训练样本进行分组,根据各训练样本处目标函数值分别对整个训练样本集和各组的梯度加权平均,在全局平均梯度和组平均梯度与全局平均梯度正交的残差主成分方向共同更新内部系数。本方法能够以较低的计算代价有效利用各训练样本处梯度信息,减小迭代步数,提升RNN训练过程的计算效率。

Patent Agency Ranking