MétaCan
Menu
Retour à la cohorte
Enregistrement W2157948078 · doi:10.1109/hpcs.2006.37

Running Molecular Dynamics Simulations in a Grid Environment

2006· article· en· W2157948078 sur OpenAlexafffundabout
Cameron Kiddle, María Teresita Fox, Rob Simmonds

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed and Parallel Computing Systems
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversity of British ColumbiaWestern Canada Research Grid
Mots-clésGridGrid computingComputer scienceDRMAAMiddleware (distributed applications)Distributed computingSemantic gridSupercomputerPower gridComputational sciencePower (physics)World Wide WebOperating system

Résumé

récupéré en direct d'OpenAlex

Grid computing enables resources in different administrative domains to be shared. Researchers are able to collaborate more easily and can gain access to more computing power, enabling more studies to be run and larger problems to be considered. A common middleware employed by grid projects is the Globus Toolkit. Recently, a new version of the Globus Toolkit (GT4), based on standards that build on Web Services, has been released. However, most grid projects using the Globus Toolkit still employ GT2. This paper presents an approach for running molecular dynamics simulations in a mixed GT2/GT4 grid environment. Simulations are automatically checkpointed and migrated between sites as needed, increasing fault tolerance should a site fail. Users do not need to manually discover what resources are available and do not need to learn the potentially different approaches for submitting jobs at different sites. All jobs are submitted to a metascheduler which handles the site specific details. Simulations have been successfully run in a grid environment comprised of resources from across Canada, including resources from the Grid Research Centre at the University of Calgary, WestGrid and ACEnet.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,196
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetDistributed and Parallel Computing SystemsTravaux en français237 207