4
Л.А. Зинченко, В.А. Шахнов
затраты. Однако применение этих вычислительных систем требует
значительной модернизации существующего алгоритмического и про-
граммного обеспечения. Это объясняется тем, что не все алгоритмы
могут быть успешно реализованы на параллельных вычислительных
системах. Использование алгоритмов, которые являются эффективны-
ми для последовательных вычислительных систем, может привести
даже к повышению вычислительных затрат при их реализации на па-
раллельных вычислительных системах.
Разработка принципиально новых параллельных алгоритмов для
решения задач наноинженерии ведется в двух направлениях. Первое
направление ориентировано на максимальный учет особенностей кон-
кретной вычислительной системы, на которой будет эксплуатироваться
разрабатываемая программная система. Примером удачного примене-
ния этого подхода является комплекс QBox [10]. Это программное обе-
спечение было разработано специально для последующего применения
на суперкомпьютере IBM Blue Gene/L, содержащего 131072 процессо-
ра. Однако при разработке были выбраны алгоритмы, отличающиеся
кубической вычислительной сложностью.
В связи с этим, перспективной также представляется разработка
принципиально новых алгоритмов для решения задач наноинженерии,
отличающихся линейной или квадратичной вычислительной сложно-
стью. Удачным примером такого подхода является разработка специ-
ального программного обеспечения MGmol [11], отличающегося ли-
нейной вычислительной сложностью алгоритма. На рис. 2 приведены
графики временных затрат при решении аналогичных задач в пакете
Qbox и пакете MGmol [11]. Здесь
t
— вычислительные затраты на одну
итерацию в секундах,
N
— число молекул воды.
Необходимо отметить, что аналитические модели практически не
используются в наноинженерии. Основное распространение получили
численные модели, получаемые на основе
применения численных методов решения
уравнений. Как следствие этого, результа-
том моделирования наносистем в основ-
ном являются наборы численных данных,
которые затем должны быть каким-то об-
разом обработаны для извлечения инфор-
мации. Однако для принятия решения при
проектировании полученная информация
должна быть обработана и представлена
в виде совокупности знаний (учебников,
стандартов, инструкций и т. п.).
Математические модели, используе-
мые при выполнении анализа характери-
Рис. 2.
Графики, характеризу-
ющие вычислительную слож-
ность алгоритмов, использо-
ванных в программном обе-
спечении Qbox и MGmol [11]
