大规模并行高阶矩量法的容错算法研究

来源：电子与信息学报杂志2017年第9期北京时间：

作者：陈岩, 林中朝, 张玉, 赵勋旺

摘要：基于超级计算机的大规模并行电磁计算对于解决实际工程中的复杂电磁难题具有重要意义，但超级计算机中由节点故障导致的进程崩溃事件的概率远远高于普通计算机。该文针对传统电磁计算难以有效应对进程崩溃的现状，提出一种高效的、适用于大规模并行高阶矩量法的容错算法。在现有并行高阶矩量法的基础上，基于硬盘缓存和直接内存读取设计高效率、高可靠性的现场保护算法，同时设计了高效的断点恢复算法。算法的有效性主要在于固定的现场保护点这一特点，它使得算法在有故障的情况下仍然可以正常有序地进行；而原算法每次碰到故障，则只能从头计算。数值仿真实验验证了容错算法在应对进程崩溃事件时的有效性，大幅提高了大规模并行高阶矩量法的可靠性。

关键词：超级计算机, 并行矩量法, 容错算法, 现场保护, 可靠性

基金资助：国家自然科学基金(61301069)，教育部新世纪优秀人才支持计划(NCET-13-0949)，中央高校基本科研业务费(JB160218)，国家863计划项目(2012AA01A308)