Efficient DEVS Simulations Design on Heterogeneous Platforms
Notice bibliographique
Résumé
Modeling and Simulation (M&S) has become an essential tool in science and engineering due to its ability to represent problems in various disciplines and conduct scientific explorations.To define solutions based on M&S it is important to have formal definitions for the models.In this way, we can define the models with precision, as well as verify and reuse them.The Discrete Event System Specification (DEVS) formalism provides a theoretical formalism for developing M&S based on discrete events.While we can use DEVS to define models precisely, an issue with M&S is that the simulation of complex problems generally requires a significant number of computations, and this leads to large execution times.In addition, deploying simulations in parallel computers presents an additional challenge, the energy high-performance computers need to operate.To address these issues, we propose a methodology to execute DEVS simulation efficiently in modern parallel computer architectures.Our approach provides a simple and error-free method that improves previous approaches by allowing additional parallelism.We propose novel algorithms aimed for multicore computers, and heterogeneous platforms composed by multicore and GPU architectures in the same system.To evaluate our methodology, we provide an extensive performance analysis over a synthetic benchmark and a real-world problem.Our experimental results show how our approach allows us to accelerate simulations up to 32.9 times.We also analyze the energy consumption required by parallel computers to execute simulations.The amount of energy consumed depends on both the execution time and the power used by the hardware.Power is defined as the amount of energy consumed per unit of time.Our experimental findings demonstrate that while parallel execution consumes
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».