文章中构建了一个高效、低计算成本同时兼顾可扩展性、跨平台迁移的集 合资料同化系统DIDA。该系统中包含了:(1) 一个可跨平台迁移,支持子模块灵活部署,以及子模块间跨语言高性能通信的系统框架;(2) 一个基于UNet 网络,能够生成同时满足准确性与鲁棒性的模式集 合成员生成模型;(3) 一个配备了新的高性能特征值求解,且性能几乎线性强可扩展的改进LETKF 算法及实现。通过在新一代神威超级计算机和大规模通用集群上的实验表明,融合深度神经网络的集 合资料同化系统,可以支持数百个集 合成员的集 合同化,具备良好的强可扩展性,相比传统方案可取得数量级的计算性能提升或计算资源降低。
图1:DIDA系统架构
图2:垂直分块的并行LETKF实现
图3:机器学习模型的在线验证结果
图4:DIDA 系统性能的强可扩展性
文章来源:国家超级计算无锡中心