Detail publikace
Estimation of Distributed Ultrasound Simulation Execution Time Using Machine Learning
Jaroš Marta, Ing., PhD. (UPSY FIT VUT)
Buchta Martin, Ing. (FIT VUT)
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{FITPUB13130,
author = "Ji\v{r}\'{i} Jaro\v{s} and Marta Jaro\v{s} and Martin Buchta",
title = "Estimation of Distributed Ultrasound Simulation Execution Time Using Machine Learning",
pages = "1--8",
booktitle = "2024 IEEE Congress on Evolutionary Computation (CEC)",
year = 2024,
location = "Yokohama, JP",
publisher = "Institute of Electrical and Electronics Engineers",
ISBN = "979-8-3503-0836-5",
doi = "10.1109/CEC60901.2024.10611947",
language = "english",
url = "https://www.fit.vut.cz/research/publication/13130"
}