01.07.2013
Исследователи из Аргоннской национальной лаборатории (Argonne National Laboratory) работают над созданием агентных моделей нового поколения, которые, по мнению разработчиков, должны позволить достичь существенного прогресса в науке и технике (и, в том числе, в общественных дисциплинах). Эти модели будут вычисляться в рамках систем с эксафлопной производительностью (1018 флоп/с), которые могут появиться уже в ближайшие годы (2016 - 2018 гг.) на смену существующим суперкомпьютерам петафлопсного уровня (т.е. порядка 1015 флоп/с).

На данный момент ученые разработали и используют крупномасштабную агент-ориентированную модель – комплексную адаптивную систему рынка электроэнергии (Electricity Markets Complex Adaptive Systems, EMCAS), используемую для оценки последствий дерегулирования рынка электроэнергии в штате Иллинойс (рис. 1).

Emcas1.jpg
Рис. 1. Электрическая сеть штата Иллинойс и пункты обслуживания

В этой модели рассматривается подробная электрическая сеть с действующими на дерегулируемом рынке агентами – производителями и потребителями электроэнергии. Агенты – генерирующие компании адаптируют свое поведение в зависимости от изменения рыночных условий максимально приближено к реальности (рис. 2).

Emcas2.jpg
Рис. 2. Элементы рынка электроэнергии штата Иллинойс: генерирующие компании (слева), электрическая сеть (в центре) и пункты обслуживания (справа).

Помимо этого, Аргоннская лаборатория известна своими суперкомпьютерными моделями в области биологии, в военном деле, в социальных науках и др.

Вернемся к агентным моделям нового поколения, которые предполагается реализовывать в средах с эксафлопной производительностью.

По словам заместителя директора Аргоннского центра комплексного адаптивного агентного моделирования (Argonne’s Center for Complex Adaptive Agent Systems Simulation) Майкла Норта (Michael North) разработка агентных моделей для эксафлопных систем далеко нетривиальная задача «…переход от моделирования нескольких взаимодействий до миллионов не просто увеличение в разрядности, а принципиальное изменение технологии моделирования. Меняется пространство имен, используются другие методы работы с памятью и т.д. Также следует отметить, что переключение работы моделей на архитектуру с кратным увеличением узлов не является линейно масштабируемым процессом, а требует дополнительных и весьма больших усилий по их переносу… ».

Пилотные проекты Аргоннской национальной лаборатории в области агентных моделей с эксафлопной производительностью

На данный момент таких проектов три: 1) биоразнообразие микроорганизмов; 2) кибербезопасность; 3) социальные аспекты изменения климата.

В качестве возможного инструмента для построения соответствующих агентных моделей исследователи предполагают использовать продукт Аргоннской национальной лаборатории – RepastHPC (программное средство для разработки высокопроизводительных приложений в области агентного моделирования).

Этот инструмент был неоднократно использован для широкого диапазона приложений, к примеру, для Национального управления по воздухоплаванию и исследованию космического пространства (NASA) была построена агентная модель, имитирующая передвижение по марсианской поверхности (рис. 3). Другое использование упомянутого инструмента заключалось в моделировании динамической социальной сети (рис. 4).

Emcas3.jpg
Рис. 3. Автономные вездеходы, координирующие друг с другом свои действия и осуществляющие движение по поверхности виртуального Марса в рамках агентной модели.

Emcas4.jpg
Рис. 4. Динамическое моделирование социальной сети в рамках агентной модели

В рамках упомянутого выше, третьего пилотного проекта Аргоннской национальной лаборатории в области агентных моделей с эксафлопной производительностью, связанного с социальными аспектами изменения климата, предполагается углубленно рассмотреть экономические и социальные эффекты от изменения окружающей среды. По мнению разработчиков, они будут иметь важное значение для долгосрочного прогнозирования климата, поскольку изменения в этих областях могут оказать существенное влияние на физические факторы климата. К примеру, выбор топлива, а также переход на новые технологии в энергетике, скорее всего, повлияют на уровень концентрации двуокиси углерода в атмосфере, и, наоборот. 

Если в области моделирования физических аспектов климата (атмосферные потоки, океаническая циркуляция и др.) исследователи добились ощутимых успехов, то в вопросах моделирования населения планеты на долгосрочный период (когда численность может достичь 1010 чел.) предстоит большая работа. Предполагается, что в модели у каждого агента будет 103 (!!!) внутренних состояний, и, кроме того, планируется рассмотреть широкий спектр поведенческих типов. Работа недавно началась и на данный момент информации о моделировании населения исследователи в открытый доступ не выкладывают. Более подробно про описанные выше разработки можно прочитать здесь и здесь.
rss
Назад

Статьи
Суперкомпьютерные технологии Транспортные модели пешеходная модель Монография Биомедицина Parallel computing Параллельные вычисления Repast Агент-ориентированные модели Исследования Модель экономики Евросоюза Пространственно-распределенные агентные модели большие данные Axum Russian Supercomputing Days Агент-ориентированный подход Исторические процессы Мониторинг планеты Пространственные модели CUDA SEGMEnT БРИКС Контакты Публикации Экономические процессы FuturICT SSC Междисциплинарное исследование Новости Революция Эксафлопная производительность GPU SWAGES Высокопроизводительные вычисления Методология запуска О проекте Социальная сеть Эпидемия HPABM Social Simulation Conference ГИС Механизм раделяемой памяти Пандемия Ссылки Ядерная атака на США Microsoft POLARIS TSUBAME Демография Моделирование мира Пандора Стратегии распараллеливания автоматическое распараллеливание XAXIS Иерархическая платформа Моделирование эпидемий Суперкомпьютерная Академия агентная модель