Detail publikace
Estimation of Distributed Ultrasound Simulation Execution Time Using Machine Learning
Predikce doby běhu, Moldable úlohy, symbolická regrese, Neuronové sítě,
superpočítač, simulae, k-Wave, ultrazvuk, HeuristicLab
Tato studie představuje komplexní systém navržený k předpovědi doby provedení
k-Wave ultrazvukových simulací, který zohledňuje velikost domény a přidělené
výpočetní zdroje. Prediktivní modely, vyvinuté pomocí symbolické regrese
a neuronových sítí, byly natrénovány na historických výkonnostních datech
získaných ze superpočítače Barbora. U velikostí domén s optimálními parametry
dosáhl model symbolické regrese lepších výsledků, s průměrnou chybou 5,64 %.
Naproti tomu neuronová síť prokázala významnou účinnost ve scénářích obecné
domény, s průměrnou chybou 8,25 %. Pozoruhodné je, že v obou případech zůstala
průměrná chyba pod hranicí 10 %, což odpovídá nejistotě vlastní měřeným datům
a provádění skutečných rozsáhlých úloh. Tento prediktivní systém je tedy vhodný
pro nasazení v rámci optimalizačních systémů zdrojů, což výrazně zvyšuje
efektivitu provádění rosáhlých simulací.
@inproceedings{BUT189527,
author="Jiří {Jaroš} and Marta {Jaroš} and Martin {Buchta}",
title="Estimation of Distributed Ultrasound Simulation Execution Time Using Machine Learning",
booktitle="2024 IEEE Congress on Evolutionary Computation (CEC)",
year="2024",
pages="1--8",
publisher="Institute of Electrical and Electronics Engineers",
address="Yokohama",
doi="10.1109/CEC60901.2024.10611947",
isbn="979-8-3503-0836-5",
url="https://www.fit.vut.cz/research/publication/13130/"
}