Graph Trace Analysis Approach to Optimizing Power and Heat Flow for Clustered Computing; An Example of Model Based System of Systems Design and Deployment
Notice bibliographique
Résumé
During system of system (SoS) design, many decisions from different engineering disciplines are made and documented. Today, designers increasingly use modeling. For example, they address the issues involved with total cost of ownership by better understanding the interactions of parts and systems. For a large SoS, the labor intense modeling has one potential alternative approach involving the concepts of graph trace analysis (GTA) for distributed processing of integrated system models (ISM). GTA features a wide range of algorithms that flexibly attach to models that stay in their 'engineering domains' in the ISM. A subsystem model for a single domain can be built directly from the engineering design data and then simulated or analyzed. A model using millions of simple objects can be built automatically, including looped and radial systems. Physical dependency linkages between engineering domains can be built directly from reference designators and parts data. Design and deployment of a compute cluster is illustrated by composing an "integrated system model" (ISM) from different engineering domain models, where models from different domains are linked together with dependency iterators from GTA. During early design phases, the ISM of a compute cluster might include a short list of engineering design domains. Later, during deployment, sensors and actuators are included in the ISM and GTA algorithms. A need for open, standard parts data is discussed for design tools used in engineering along with data exchange formats that allow product design data to be reused by other design teams.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».