高性能科学计算的基础算法与可计算建模

  科学计算是20世纪重要科学技术进步之一,伴随着电子计算机的出现而迅速发展并得到广泛应用。科学计算已与理论研究和实验研究相并列成为科学研究的第三种方法,成为促进重大科学发现和科技进步的重要手段。现今科学计算已是体现国家科学技术核心竞争力的重要标志,是国家科学技术创新发展的关键要素。国家重大战略需求中许多科学问题的解决高度依赖于科学计算中基础算法与可计算建模的发展水平。在科学基金的框架内,以实际需求为牵引,从基础研究入手,加强科学计算领域的重要基础科学问题研究,设计高效基础算法和建立满足实际精度要求的可计算模型以降低计算复杂度和计算量,显著提高利用计算机解决科学与工程问题的能力,满足实际应用不断增长的要求,是本重大研究计划设立的目的。

  因此,本重大研究计划的实施将为前沿科学研究和重大需求提供进一步的科学计算支撑,有力地促进科学计算硬、软件协调发展,促进数学与其他学科的交叉融合,培养一批高水平的科学计算复合型人才,推动科学计算乃至科学技术的跨越发展。

一、科学目标

  本重大研究计划围绕基础算法与可计算建模这一主线,开展科学计算的共性高效算法、基于机理与数据的可计算建模和问题驱动的高性能计算与算法评价研究,推动我国高性能科学计算的发展,为解决科学前沿和国家需求中的瓶颈问题提供关键的数值模拟技术和方法支撑。

  (1) 在共性高效算法研究中取得原创性和系统性的成果,特别是在偏微分方程高保真高效离散方法、非线性特征值问题算法、复杂目标优化方法等的构造、基础理论和并行实现技术方面取得突破。

  (2) 在重要科学问题的可计算建模和高性能计算方面,重点突破涉及多过程耦合、数据驱动以及模型和数据互补的建模难点,提出实用的可计算模型,实现高效使用数十万处理器核的大规模数值模拟。

  (3) 在学科建设与人才培养方面,聚集和造就一批站在国际前沿、具有创新能力的科学计算复合型人才,形成多个高水平的学科交叉研究团队,实现我国科学计算的跨越式发展。

二、核心科学问题

  针对高性能科学计算的发展趋势和国家需求,更好地在本重大研究计划中体现“有所为,有所不为”的原则,根据所凝练的核心科学问题要能够体现基础性、前瞻性、交叉性的要求,本重大研究计划确定以高性能科学计算所涉及的基础算法与可计算建模问题作为研究主线。拟解决的核心科学问题为:

  (一)数值计算的共性高效算法

  当前高性能科学计算面临的主要问题之一是如何发展高效高精度算法,以充分发挥高性能计算机的巨大能力,并满足大规模计算实际问题的模拟精度和置信度要求。主要研究内容如下:

  1.微分方程高效高精度的格式构造与分析

  非线性应用偏微分方程的高精度高效离散方法与理论;随机微分方程的高保真方法与理论;非线性特征值问题的算法与分析,大规模可扩展新型算法等。

  2.复杂数据处理的快速方法

  压缩感知的数学理论和快速算法,高通量异源数据的高效集成算法,基于小样本数据的高维系统重构理论与算法,构建多层次生物网络的理论与算法,二维投影数据重构高分辨三维图像的算法等。

  3.不确定与复杂目标函数的优化方法

  针对飞行器设计、天气和气候预测中资料同化、生物分子网络等研究中所出现的优化问题,发展复杂目标函数、随机目标函数、不可精确计算目标函数以及无目标函数的高效优化算法。

  (二)基于机理与数据的可计算建模

  瞄准具有多时空尺度、多场耦合、各向异性、非平衡、超高维和不确定性等特征的问题,开展可计算建模研究。主要研究内容如下。

  1.典型物理模型的耦合与分析

  针对多物理多尺度耦合模型(如粒子输运过程的扩散输运耦合模型、材料位错与裂纹的多尺度耦合模型)等,依据问题精度和算法稳定性要求,着重研究具有相同内涵不同变量的相互表达和转换关系、耦合区域或界面的确定原则以及满足物理守恒律且易于计算的连接条件等。

  2.超高维数据的稀疏表达

  研究隐含在高维或海量数据中的中心流形,用低维变量或稀疏表示表征高维数据的主要特征,着重研究高维线性问题的低维非线性逼近模式,将高维线性问题转化为低维非线性问题,发展超高维数据降维的新方法。

  3.机理与数据的混合建模

  复杂物理与生命现象中的许多问题,需要将机理与数据相结合进行研究,如稀疏雷达成像、大气海洋科学中的资料同化、生物分子网络的构建等。基于已知机理,结合从数据中提取的敏感因素典型特征,探索建立可计算混合模型。着重研究基于机理的模型和数据典型特征的匹配,以及与之相关的数据需求分析。

  (三)问题驱动的高性能计算与算法评价

  围绕国家重大需求、学科前沿领域亟须解决的,并且具有较好科学计算基础的重要问题,进行高性能计算,分析、评价算法和建模的有效性。主要研究内容包括:

  1.多物理过程耦合条件下的数值模拟与算法评价

  多个物理过程连续或同时发生是物理和材料等学科中许多问题的共同特征,如惯性约束聚变过程涉及粒子输运、流体不稳定性等,材料的位错与裂纹涉及弹塑性和晶键破裂等。利用发展的可计算模型和基础算法,针对具体物理过程研究高效算法的实现技术,对其进行数值模拟,并评价模型和算法的有效性。着重研究扩散输运耦合与内爆压缩湍流混合的算法实现技术,有效利用上万处理器核进行惯性约束聚变物理全过程的大规模数值模拟;对材料位错与裂纹的多尺度模型进行大规模高效耦合计算,加深对材料损伤与失效机制的理解。

  2.基于数据提取和分析的计算与算法评价

  基于数据提取及其关联分析建立数学模型进而进行推断和预测是研究许多复杂问题的重要模式,如生物调控网络中的细胞适应性控制网络、信号开关控制网络、高通或低通滤波控制网络等。利用发展的稀疏表示模型,针对具体超高维和多源数据,研究快速算法的实现技术,对其进行科学计算。着重研究生物海量数据的特征抽取及网络表征方法,开发高效调控网络推断算法,在对应的动力学方程的参数空间对系统实现大规模高效计算。通过科学计算认识生物网络拓扑结构与动力学参数之间的关系,探讨结构和功能的关系。

  3.模型和数据互补的计算与算法评价

  科学研究的发展涌现出许多不能单纯用模型或数据描述的科学问题。例如,对大气与海洋科学研究中非常重要的资料同化问题,一些影响天气与气候变化的机制的认识还不够,数值模式不尽完善,数据不完备、不同来源的资料之间不协调,需要模型和数据的互补与融合,利用建立的数值模式和海量资料开展资料同化方法和技术研究。选择一两个问题,譬如天气和气候预测中的资料同化问题、复杂介质中弹性波场的全波传播模拟,开展模型与数据互补的高性能计算研究。

三、2013年度拟重点资助的研究方向

  本重大研究计划拟分5个年度受理申请项目,主要以“培育项目”和“重点支持项目”予以资助,两类项目在资助强度和实现目标上有所不同。对于条件具备的领域优先布局,需要探索的方向经研讨后启动。对具有较好研究基础,并且有明确的、急需解决的可计算建模和算法关键问题的重要方向,经研讨凝练目标后以“重点支持项目”的方式推进;对于需要推动的方向以“培育项目”方式进行布局。

  2013年度拟资助“培育项目”15~20项左右,资助强度60万~90万元/项,资助期限为3年;拟资助“重点支持项目”8项左右,资助强度300万~500万元/项,资助期限为4年。2013年度资助经费约4 000万元。

  2013年度拟资助如下领域的“培育项目”和“重点支持项目”,申请人可根据“培育项目”和“重点支持项目”的研究方向,选择其中的一个或几个方面提出申请,无需覆盖指南中“培育项目”和“重点支持项目”的全部内容;亦需自行确定项目名称、科学目标(申请“重点支持项目”的应对《指南》中提出的预期目标进行分解和细化)、技术路线和相应的研究经费。

  (一)“重点支持项目”拟资助的研究方向

  1. 偏微分方程非线性特征值问题的计算方法

  针对模拟物质微观结构等的偏微分方程非线性特征值问题,发展高效实用的非线性迭代方法、网格自适应方法和离散问题的可扩展计算方法,研究相关的数学理论,实现逾万处理器核上的高效数值模拟。

  2. 高阶非线性偏微分方程的基础算法

  针对科学与工程问题(如图像处理、相场模型问题)中带有强非线性、小参数、高阶的偏微分方程,研究大时间步长、时空自适应算法、非线性迭代方法、初值选取方法,发展相应的快速算法,建立相关的算法理论。

  3. 高温高压下多相耦合动力学问题的自适应非结构网格方法

  面向国家重大工程问题,研究爆炸、高速化学反应流场中的可计算建模与高精度高效的自适应非结构网格方法,研究组分间的相互作用、界面的不稳定性与混合现象、复杂相界面、相变质量交换、热化学非平衡和湍流燃烧中的自适应非结构网格方法,发展相应的高效可扩展并行算法等,实现使用上万处理器核的大规模工程问题的数值模拟。

  4. 适用于不同时空尺度输运问题的新型计算方法

  围绕航空航天领域高速飞行器在大范围时空尺度上的气体动力学问题,基于波尔兹曼方程与宏观流体力学方程,建立描述跨越自由分子流区、过渡区、连续介质区的可计算模型,发展能刻画从介观到宏观的渐进极限的高效计算方法,并在实际问题中验证模型与算法在过渡区域的有效性。

  5. 复杂形状优化问题的关键数学理论与快速算法

  形状优化问题(包括广义的形状优化问题即拓扑优化问题)出现在许多重要的实际问题中,如飞行器的外形设计、大型承载结构的构型布局设计、材料/结构一体化设计等。基于数值模拟的复杂形状优化设计具有设计变量/约束函数数目庞大、多学科/多目标耦合、涉及多尺度层级结构等显著特点,已经成为相关领域研究的热点问题。建议针对飞行器设计中飞行器结构拓扑、气动气弹特性等多学科、多目标的优化问题,发展关键数学理论,建立大规模优化问题(设计变量10万以上)的可计算数值优化模型,提出基于坚实数学基础的具有原创性的高性能快速算法(不建议在商业软件基础上简单改进),完成具有显示度的应用验证。

  6. 资料同化中的数学方法研究

  针对气候预测等典型的初值问题,提出科学合理的资料同化方案及其相应的新型数学优化方法,突破现有资料同化方案维数高和计算量巨大的瓶颈,缓解背景误差协方差低估和与流依赖有关的一些关键数学问题,使之能够高效同化多源观测数据;利用新的同化方案在气候预测重大应用问题上得到验证。

  7. 信息处理的混合建模与高效计算方法

  针对空中目标识别与跟踪、末端制导等国家重大需求问题,研究其中的图像处理、弱信号辨认、机器学习及不完整信息下的目标还原等关键信息处理问题,提出有效的混合建模原理与方法,发展基于连续/离散/数据混合建模的高效计算方法,解决其相关联的信息处理基础算法问题,并在实际应用中得到验证。

  8. 大规模复杂数据集及系统的稀疏表示与降维建模

  针对现代应用领域(如大规模集成电路设计)中出现的超大规模复杂数据集及系统,从物理机理及微分方程出发,研究复杂随机采样误差问题的基本理论、符合输入输出采样的复杂微分系统的新正则化算法,建立大规模微分系统模型的降维建模的数学理论与有效方法。

  9. 基于高通量数据的复杂生物系统特征发现理论与算法及应用

  针对生物和医学等领域的复杂生物问题,研究小样本高通量数据的降维、特征选择、统计分析和网络构建,建立基于小样本、多源数据整合的高维生物系统特征发现理论与算法。基于小样本、高通量(基因组、转录组、表观遗传组、图像等)数据,重点研究不同分子(基因、非编码RNA等)间生物分子网络模型的重建方法,探讨疾病发生发展过程中及不同分子水平间的分子生物网络动态变化规律,解析重大疾病发病机理。

  10. 面向E级计算系统的计算模型和性能优化算法

  基于国产P级(PetaFlops)高性能计算机系统,应对E级(ExaFlops)计算机在并发、局部、可恢复、功耗等方面的挑战,研究适应E级计算机的可扩展计算模型和性能优化算法,形成能支持1~2个应用领域的高效能、具有良好扩展性和容错性的共性并行算法库(如大型代数方程的求解)、实用程序集,在国产P级高效能计算机和将要出现的百P级高效能计算机上部署并得到示范验证。

  (二)“培育项目”拟资助的研究方向

  1.矩阵恢复及运算的概率算法

  2.微分方程的时间并行/自适应方法

  3.分数阶微分方程的数学理论与计算方法

  4.非定常磁流体动力学方程组的高效算法

  5.大气和海洋模型与数据互补的计算与算法

  6.磁约束聚变模拟基准测试程序大规模异构并行可扩展算法

  7.并行计算规模与性能的极限计算

  8.海量医疗图像数据分析中的重要算法问题以及在临床诊断中的应用

  9.生物分子网络的动态建模与调控机制研究

  10.实际复杂系统数值模拟的不确定度量化

  11.难以计算的具体问题的可计算建模与算法探索

四、遴选项目的基本原则

  为确保实现总体目标,本重大研究计划在择优支持的基础上,要求不同研究领域的人员(鼓励由从事算法、问题、软件三个领域研究的人员结合)组织队伍进行项目申请,优先支持具有如下特征的项目申请:

  (1)具有原始创新思路和独具特色的探索性研究;

  (2)从建模、算法到数值模拟的融合研究;

  (3)能够真正发挥数学在交叉研究中的作用、有别于现有做法的研究。

五、申请注意事项

  (1)申请人在填报申请书前,应认真阅读本《指南》。必须在该重大研究计划2013年度拟资助的研究方向和该计划确定的核心科学问题内进行选题,同时要体现学科交叉研究的特征以及对解决核心科学问题和实现计划总体目标的贡献,尤其是要体现发展算法与解决实际科学问题的结合,明确和突出所申请研究问题的特色,不符合本《指南》的申请将不予受理。为避免重复资助,项目申请应注意与科技重大专项、863计划和973计划等国家相关科技计划的区别、关联与侧重。

  (2)申请书中的资助类别选择“重大研究计划”,亚类说明选择“培育项目”或“重点支持项目”,附注说明均须选择“高性能科学计算的基础算法与可计算建模”(以上选择不准确或未选择的项目申请将不予受理)。根据申请的具体研究内容选择相应的申请代码(譬如生命科学领域的项目选择生命科学部的申请代码、地球科学领域的项目选择地球科学部的申请代码、信息科学领域的项目选择信息科学部的申请代码等)。

  (3)为加强项目的学术交流,促进项目群的形成和多学科交叉与集成,本重大研究计划每年将举办一次资助项目的年度学术交流会,并不定期地组织相关领域的学术研讨会。获资助项目负责人有义务参加重大研究计划指导专家组和管理工作组所组织的上述学术交流活动。

  (4)申请书由数理科学部负责受理。

编辑委员会
主  任:孙家广
副 主 任:郑永和
委  员:常 青 汲培文 梁文平 冯雪莲 柴育成
     车成卫 张兆田 高自友 董尔丹 马新南
责任编辑:王丽汴 刘容光
版权所有:国家自然科学基金委员会 京ICP备05002826号 文保网安备1101080035号
Copyright 2005 NSFC, All Right Reserved