сотрудник
Высшая школа государственного администрирования Московского государственного университета имени М.В. Ломоносова (директор)
сотрудник
Москва, Россия
Статья содержит краткий экскурс по вопросам применения суперкомпьютерных технологий в общественных науках, в первую очередь в части технической реализации крупномасштабных агент-ориентированных моделей (АОМ). Суть данного инструмента в том, что благодаря увеличению мощности компьютеров стало возможным описывать поведение многих отдельных фрагментов сложной системы. В результате мечта многих мыслителей научиться объяснять макроявление на основе поведения его составных частей стала воплощаться в реальность. Например, физики, умеющие описывать поведение элементарных частиц, создали компьютерную имитацию действий большого ансамбля таких частиц и стали изучать его поведение в компьютере, а не в жизни. Таким образом появилось понятие искусственной реальности. В статье рассмотрен опыт зарубежных ученых и практиков в запуске АОМ на суперкомпьютерах, а также на примере АОМ, разработанной в ЦЭМИ РАН, проанализированы этапы и методы эффективного отображения счетного ядра мультиагентной системы на архитектуру современного суперкомпьютера. Работа выполнена при финансовой поддержке грантов РГНФ № 14-02-00431 и № 12-02-00082.
агент-ориентированные модели, параллельные вычисления, суперкомпьютерные технологии
Компьютерное моделирование — широчайшая, интереснейшая и интенсивно развивающаяся область исследований, востребованная сегодня практически во всех сферах человеческой деятельности. Агент-ориентированный подход к моделированию универсален и удобен для прикладных исследователей и практиков в силу своей наглядности, при этом предъявляет высокие требования к вычислительным ресурсам. Очевидно, что для прямого моделирования достаточно длительных социальных процессов в масштабах страны и планеты в целом требуются весьма значительные вычислительные мощности.
Суперкомпьютеры позволяют на несколько порядков увеличить число агентов и других количественных характеристик (узлов сети, размеров территории) моделей, первоначально разработанных для использования в обычных настольных компьютерах. Поэтому суперкомпьютерное моделирование является логичным и крайне желательным шагом для тех упрощенных моделей, которые уже прошли успешную практическую апробацию на обычных компьютерах. Увы, специфика архитектуры современных компьютеров вовсе не гарантирует, что программное обеспечение компьютерной модели немедленно заработает — и на суперкомпьютере.
Требуется как минимум распараллеливание счетного ядра, а зачастую и его глубокая оптимизация, поскольку в ином случае применение дорогостоящего суперкомпьютерного счета, скорее всего, себя не оправдает.
1. Макаров В.Л., Бахтизин А.Р., Васенин В.А., Роганов В.А., Трифонов И.А. Средства суперкомпьютерных систем для работы с агент-ориентированными моделями // Программная инженерия. 2011. № 3.
2. Ambrosiano N. Avian Flu Modeled on Supercomputer // Los Alamos National Laboratory NewsLetter. 2006.Vol. 7. No. 8.
3. Bisset K., Chen J., Feng X., Kumar VSA, Marathe M. EpiFast: A fast algorithm for large scale realistic epidemic simulations on distributed memory systems. Yorktown Heights, New York; 2009:430-439. Proceedings of 23rd ACM International Conference on Supercomputing (ICS’09).
4. Collier N. Repast HPC Manual. [Электронный ресурс] February 23. Режим доступа: http://repast.sourceforge.net (дата обращения: май 2013 г.).
5. Deissenberg C., Hoog S. van der, Herbert D.. EURACE: A Massively Parallel Agent-Based Model of the European Economy // Document de Travail No. 2008. Vol. 39. 24 June.
6. Roberts D.J., Simoni D.A., Eubank S. (2007). A National Scale Microsimulation of Disease Outbreaks. RTI International. Research Triangle Park. Blacksburg: Virginia Bioinformatics Institute, 2009.
7. Epstein J.M., Axtell R.L. Growing Artificial Societies: Social Science from the Bottom Up. Ch. V. Cambridge, Massachusetts: MIT Press, 1996.
8. Epstein J.M. Modeling to Contain Pandemics // Nature, volume, 2009. 460, p 687, 6 August.
9. Keith R.B., Jiangzhuo C., Xizhou F., Anil Kumar V.S., Madhav V.M. EpiFast: A Fast Algorithm for Large Scale Realistic Epidemic Simulations on Distributed Memory Systems ICS’09, 2009. June 8-12. N.Y.: Yorktown Heights.
10. Parker J. A Flexible, Large-Scale, Distributed Agent Based Epidemic Model. Center on Social and Economic Dynamics. Working Paper, 2007). No. 52.
11. Lynar T.M., Herbert R.D., Chivers W.J. Implementing an Agent Based Auction Model on a Cluster of Reused Workstations // International J. of Computer Applications in Technology. 2009. Vol. 34. Issue 4.
