一级一级毛片-一级一级一级毛片-一级一级一级毛片免费毛片-一级一级一片在线观看-麻豆精品在线观看-麻豆精品永久免费视频

現代科學研究和工程技術中，高性能計算應用將建模、算法、軟件研制和計算模擬融為一體，已成為高性能計算機實現在重大科學發現的前沿基礎科學研究領域應用的必要紐帶。文章從高性能計算機的發展趨勢、不同科學計算應用對高性能計算機的需求談起，回顧和剖析了來自中國科學院多個學科的科學家協同通關，發揮學科深度交叉的優勢，在“曙光1000”并行計算機上完成了多個應用軟件并在天然DNA的整體電子結構理論計算、激光晶體材料（LBO）電子態理論分析及廣義本征值并行計算等方面取得了令人矚目的高水平成果的案例。多年來，中國科學院始終位列我國科學計算應用發展的前沿。在應用水平、計算規模及成果顯示度均取得了長足進步的背景下，文章選取了大氣科學、生命科學、高能物理、計算化學和材料科學等典型傳統科學計算應用，從科學家的視角對它們的現狀、領域發展促進及未來趨勢作了介紹，以期能引發讀者更深入的思考與關注。最后，提出了進一步發展我國科學計算的若干建議。

關鍵詞：科學計算    高性能計算機    高性能計算應用

傳送門：

《高性能計算之源起——科學計算的應用現狀及發展思考(上)》

3.5.1 現狀

第一性原理（First-principles）材料模擬的主要任務即從密度泛函理論（Density Functional Theory，DFT）出發，在無任何經驗參數的條件下從頭計算分子和固體材料的物理化學性質及其應用。第一性原理電子結構計算軟件包括了一些有史以來計算成本最高的科學應用程序，無論是硬件還是軟件發展方面，它們（如VASP、Gaussian、NWChem等）總是經常處于對高性能計算能力需求的最前沿。為了通過密度泛函理論數值計算求解具體的物理化學問題，需要采用基組展開等方法將DFT方程離散成計算機可以識別和操作的數組和矩陣，從而獲得材料中所有原子周圍的電子密度，進而計算出材料的電子結構及其他重要特性。第一性原理軟件包大致可以分為平面波基組軟件、原子軌道線性組合（LCAO）基組軟件、混合型平面波和高斯基組軟件。如果從計算復雜度（包括計算時間和內存）上區分，第一性原理電子結構計算方法可以分為傳統的高標度法和線性標度法。

當今國際上的高性能第一性原理計算軟件（包括低標度和高標度）并不多，僅有LS3D、CP2K、NWChem、BigDFT、DGDFT和Qbox等可實現中等規模高性能并行計算（10 000個CPU核以上），其中LS3D和Qbox曾獲得“戈登·貝爾”獎。另外，DGDFT和國內商業軟件PWmat還采用了圖形處理器（Graphics Processing Unit，GPU），GPU加速大大地提高了計算效率。同時，VASP、Gaussian、NWChem和BigDFT等軟件也正在發展GPU加速模塊。

3.5.2 對領域應用的促進

通過輸入的材料結構信息，第一性原理計算可較為準確地預測已知材料的基態結構和基本物理化學性質，并實現原子級別的精準控制。這已成為21世紀解決實驗理論問題和預測新材料結構性能的強有力工具和標準研究方法。該方法不需要開展真實的實驗，極大地節省了成本，縮短了新材料的開發周期，為材料的制備和改性、新材料的開發以及極端環境下材料的性質研究提供了有效的理論指導。然而，由于計算量極大，第一性原理材料模擬領域的科研人員對軟件性能和計算資源的需求越來越大。高性能計算的快速發展為第一性原理計算提供了機遇，使其在凝聚態物理學、材料科學、化學和生物學等領域發揮著日漸重要的作用，包括模擬并解釋實驗新現象，分析其本征物理機制，以及設計新型功能材料并預測新奇性質等，取得了很多重要科研成果。可以說，第一性原理計算體現了量子力學理論與高性能計算之間的高度結合，實現了理論-模擬-實驗三位一體的科研模式，并引發了材料科學的革新。

3.5.3 發展趨勢

事實上，第一性原理計算現已成為高性能計算中應用最廣泛和最活躍的領域。該領域研究的快速發展不僅歸功于理論、算法和軟件進步，更得益于計算機硬件能力的指數級增長，包括處理器速度和數目的增加、內存容量和速度的增長、大規模并行處理能力的提高等。隨著計算機硬件和算法軟件的發展，高性能計算機的計算能力飛速提高，第一性原理計算應用領域也將大步前進。更精確、更大體系的第一性原理計算以及更長時間尺度的分子動力學模擬都將成為可能，其計算結果也將更加接近真實體系，從而使第一性原理計算發揮更大作用。

3.6.1 現狀

由于結構材料的復雜性和應用對性能的多方面需求，一種新材料從設計到應用往往需花費20年以上。以航空發動機用鈦合金為例，對其強度、模量、韌性、疲勞、蠕變、氧化、腐蝕等方面性能均有很高要求，此外還需長壽命、高可靠、低成本。發達國家在航空航天材料方面有近百年的積累，而我國雖經幾十年的研究，也有很多自己的合金牌號，但許多關鍵材料仍無法自給，其原因之一是基礎研究不足。

21世紀以來，人們逐漸認識到計算模擬對新材料研發的促進作用，美國先后啟動了“集成計算材料工程”（ICME）[20, 21]和“材料基因組計劃”（MGI）[22-24]，希望借助計算加速新材料的研發，同時降低成本。我國2016年啟動了材料基因工程計劃，希望結合計算及實驗，促進鈦合金等多種關鍵材料的研發，以滿足航空航天及燃氣輪機等的需求。

3.6.2 對領域應用的促進

在新材料的研發與優化方面，多尺度模擬在合金化效應計算與合金元素篩選，微觀原子變形機制的揭示，不同條件下的微觀組織演化以及熱加工工藝的優化等方面都起到重要作用，而這些都需要以高性能計算為基礎。中國科學院金屬研究所在國內率先集成多尺度模擬與實驗研究，研發出應用600℃的高溫鈦合金Ti60和應用于人體的低模量鈦合金Ti2448，并對TiAl合金葉片的應用等方面起到了重要推動作用，但仍無法滿足航空、航天、航海、能源等對新材料的巨大需求。上述對性能的多方面需求，均需以材料的成分和組織為保證。盡管先進的測試手段不斷涌現，但仍無法滿足合金形變、相變機制及組織演化等的理解。例如，保載疲勞從20世紀70年代開始，一直制約著鈦合金的高效應用。

中國科學院計算機網絡信息中心張鑒團隊與中國科學院金屬研究所合作開展合金微結構演化相場模擬研究，研發了合金微組織演化大模擬并行軟件ScETDPF。它是基于可擴展緊致指數時間差分算法庫的相場模擬軟件，支持計算材料科學、計算物理學、計算生命科學等學科的計算模擬，實現了國際上最大規模的合金微結構粗化相場模擬，有助于加快我國新型合金的設計和加工工藝優化。團隊應用ScETD-PF軟件在“神威·太湖之光”超級計算機上運行合金微結構粗化過程相場模擬，規模較以往提高近百倍，實現了超過千萬核的擴展性能，相場模擬實際性能達到峰值的40%，遠高于普通軟件約5%的水平。該軟件入圍了2016年“戈登·貝爾”獎候選名單[25]。

3.6.3 發展趨勢

國產計算系統的研發將改變我國過去以實驗和仿制為主的新材料研發模式。通過計算模擬篩選合金成分，揭示形變、裂紋萌生的微觀機理，探索不同微觀組織的形成機制及其對性能的影響，為材料性能控制指明方向。甚至在材料制備之前即可模擬其在不同應用下的性能，從而大幅度減少實驗次數及時間，顯著提升創新能力。還可通過模擬，根據新部件設計對材料提出新要求，實現材料的按需設計，最終提升航空航天等系統的水平。

3.7.1 現狀

材料是國民經濟的基石，是實現制造業轉型升級的重要基礎。隨著計算機模擬技術的發展，流體力學、材料和醫療等專業領域也開始使用模型輔助科學研究。由于其問題的復雜性，這些領域的模型參數優化使用單一的優化算法或者適應度計算方法無法有效解決問題，比如某些方法精度高但運行時間長，而某些方法需要苛刻的前置條件。因此，在這些領域通常采用多種方法結合的方式進行參數優化，即由不同步驟組合起來進行問題求解，從而發揮各個方法的優點，更有效率的解決問題。同時，應用領域有很多商業軟件，不提供相應SDK（軟件開發工具包），整個流程通常只能采用腳本語言（如Shell語言）對各個步驟進行連接。

3.7.2 對領域應用的促進

多步驟參數優化算法的典型場景是材料學領域的晶體結構預測算法。目前常見的結構能量計算方法有分子動力學模擬的方法和基于第一性原理的密度泛函理論（DFT）方法。DFT方法能夠提供更準確的結構能量，但計算成本很高。以TiO2晶體為例，采用分子動力學軟件LAMMPS計算其能量，平均耗時為169 ms（100次實驗的統計結果，下同）；而采用DFT軟件VASP計算其能量，平均耗時為10 309.27 s，兩者相差將近6萬倍。在DFT軟件的基礎上采用參數優化算法搜索結構晶體狀態，其時間成本很可能超出科學家可接受時間上限。由此可見，單純采用分子動力學方法進行結構能量模擬，很難獲得和DFT方法同等的模擬精度；而單純采用DFT方法，隨著分子結構復雜度上升，其時間成本越來越昂貴。

3.7.3 發展趨勢

多步驟參數優化算法較好地解決了這個問題。目前該領域通常是將兩種方法結合，在不明顯影響系統效率的情況下，有效提升模擬方法的精確度。美國Ames國家實驗室提出一種AGA（Adaptive Genetic Algorithm）算法，其采用遺傳算法進行給定結構的晶體狀態搜索，在GA計算個體適應度時，采用分子動力學方法模擬結構能量。同時，創造性地添加了Adaptive loop模塊，將GA生成的數個最優結構交與第一性原理DFT方法重新精確計算其結構能量，再采用Force-Matching方法基于精確信息對分子動力學方法的勢參數進行耦合，從而提升分子動力學方法的精確性。如此組成大循環，直至收斂。

3.8.1 現狀

宇宙學模擬是理解星系形成、暗物質、暗能量等重大科學問題的重要手段，從計算技術方面來講，宇宙學模擬涉及的物理過程之多、動力學范圍之大、計算方法之復雜、計算規模之大，一直是反映國際高性能計算發展水平的典型代表。其中最核心的N體問題模擬及其應用先后9次獲得“戈登·貝爾”獎，這充分顯示N體問題相關算法及其應用的重要性和并行實現的技術難度。

日本東京大學的Ishiyama和Makino等開發了N體問題并行數值模擬軟件GreeM，并在富士通“京”超級計算機上通過各種性能優化技術，在國際上率先實現了萬億粒子規模的宇宙學N體模擬。

我國在宇宙學N體問題大規模模擬方面近幾年取得重要突破。中國科學院國家天文臺計算天體物理重點實驗室和中國科學院計算機網絡信息中心合作，在國際上率先發展了基于MIC/CPU混合架構的宇宙學N體模擬軟件PhontoNs。該軟件在“ Intel并行應用挑戰賽2014”的兩個獎項上均獲得了亞軍。

3.8.2 對領域應用的促進

2015年北京師范大學張同杰率領的研究團隊開發了Tian-Nu軟件，在“天河二號”上成功進行3萬億粒子數的中微子和暗物質的宇宙學N體問題模擬，揭示了宇宙大爆炸1 600萬年后至今的137億年的演化進程[26]。該軟件基于P2P和PM的耦合算法，模擬結果已發表在《自然-天文》（Nature Astronomy）上，獲得了國際宇宙學領域的高度關注。

3.8.3 發展趨勢

目前國際上成熟的宇宙學模擬軟件均基于純CPU的傳統超級計算機，而大型超級計算機的主流發展方向是深度異構。在異構計算環境下對超大規模粒子體系進行快速模擬需要研究如何提高算法的并行可擴展性，尤其需要解決動態模擬過程中粒子分布不均時的負載均衡問題。另外，還需要研究眾核異構平臺上的性能優化技術、分布式八叉樹周游的計算與通信重疊技術、三維FFT大規模可擴展性并行劃分與通信。中國科學院計算機網絡信息中心正在與中國科學院國家天文臺合作，針對國產超級計算機，通過并行異構算法設計以及代碼優化，研發能夠滿足宇宙學超大規模數值模擬需求的引力場N體模擬軟件。基于國產計算系統的天文N體計算模擬軟件將實施千億量級及以上規模的高效率宇宙學模擬，為國際大型星系巡天、暗物質、暗能量大型探測計劃，以及我國重大科學工程500米口徑球面射電望遠鏡（FAST）和空間站巡天望遠鏡等大科學裝置提供必要的數值模擬支撐。

3.9.1 現狀

從管中窺豹的DNA分子排列，到暗藏殺機的復雜遺傳疾病；從小分子代謝物流轉不息，到眼角眉梢的巧笑嫣然；見微知著地貫通微觀到宏觀是無數遺傳學家思考畢生的問題。前瞻性隊列研究是流行病學的基本觀察性研究設計之一，自20世紀70—80年代起，世界各國陸續開始建立長期隨訪的人群隊列。新建立的人群隊列，如中國法醫分子畫像樣本庫、荷蘭Rotterdam隊列、英國雙生子隊列、英國ALSPAC隊列、美國波士頓隊列、澳大利亞QIMR隊列、拉丁美洲CANDELA隊列等，其規模越來越大，且包含較為全面的健康結局信息、環境暴露信息和社會學信息。這些數據具備部分大數據的特征：大型隊列的規模已經達到了50萬種樣本以上，且采樣精度不斷提高，通過整合基因組學、轉錄組學、表觀組學、蛋白組學、代謝組學、免疫組學和影像組學等多維數據，數據量迅速擴大；表型數據包含非結構化圖像、音、視頻等高度異質性數據，并且存在復雜的關聯關系，呈現出多樣性和異質性；借助電子健康記錄及智能傳感設備，數據更新頻繁。深入解析這些數據是精準醫學和DNA表型刻畫等多領域的核心目標，在復雜疾病的個性化預防、診療和指導公安刑偵破案等方面有重要的應用價值。

3.9.2 對領域應用的促進

隨著測序技術不斷發展和各國對普惠健康領域投入的增加，新建立的人群隊列規模越來越大，且包含較為全面的健康結局信息、環境暴露信息和社會學信息，這些數據具備部分大數據的特征。未來由隊列聯盟整合的跨國人群隊列的樣本規模會達到千萬級，傳統分析手段的處理效率難以適應數據的產生速度。與此同時，借助電子健康記錄及智能傳感設備的實用，頻繁更新的多維表型組學數據形成了高度異質的數據集合。深入解析這些數據需設計高效合理的數據庫架構以對多源、異構數據的清洗、標準化和存儲，并引入新算法進行處理。

3.9.3 發展趨勢

面對樣本量和數據維度的爆炸性增加，生物信息學也迎來了技術拐點。科研界和工業界共同發力，許多經典的生物信息學算法和流程通過使用高性能計算資源，提高了生產效率，增強了系統易用性，降低了存儲管理難度；而針對高性能計算平臺開發的機器學習、深度學習算法，也在解析多維數據復雜因果關系及交互作用網絡方面嶄露頭角。以經典的全基因組關聯分析為例，配合高性能運算平臺的高算力開發的新統計學習算法，可以極大提高統計效力，從而發現以前未發現的影響人類復雜表型的遺傳因子，深入理解其遺傳結構。對于復雜疾病來說，這能夠提供明確的分子通路和基因靶標，進而完善復雜疾病的個性化預防、診療、分子分型、預后等健康管理方案。對于人類復雜外貌表型來說，也可以基于發現的遺傳因子建立外貌表型預測模型，推動協助刑事案件偵查、海關檢驗和移民管理等工作進入主動、精確、智能的新時代。將來，高性能計算將進一步推動面向生命科學研究的機器學習和深度學習的算法開發，助力數據聚類、建模預測、文本挖掘、圖像識別等領域開展數據驅動型研究。

歷經30年，我國的科學計算由起步發展至今，在諸多研究領域取得了長足的進步，但仍需面對E級超算（E級超算是指每秒可進行百億億次浮點運算（1018 Flops）的超級計算機，是全世界公認的“超級計算機的下一頂皇冠”）的新挑戰。高性能計算機的體系結構越來越復雜，其特征是處理器和加速器部件的復雜深度異構、單處理器內眾核、單節點內多處理器、數萬計算結點、多級存儲系統和超高速內部互聯網絡，這對應用軟件的研制提出了眾多挑戰。

我國經過多年的努力和投入，超級計算機硬件基礎設施能力已達國際先進水平。但由于在科學計算軟件方面如基礎算法庫、并行算法庫、高性能計算應用中間件和各學科領域應用軟件缺乏穩定投入和長期積累，導致我國科學計算應用各環節均嚴重依賴國外。特別是使用國外軟件占比高達90%以上，這已成為制約我國高性能計算進一步發展的“卡脖子”問題。

為了更好地發展我國的科學計算應用和加強研發應用軟件，今后應戰略性布局和規劃我國科學計算的發展路線和實施計劃，具體給出5點建議。

（1）設立國家級高性能計算軟件研發中心，并給予長期穩定支持。針對國產處理器研發若干重要領域的科學計算軟件；通過挖掘若干應用領域的科學問題，以應用需求為導向，設立長期穩定的科學目標。圍繞該目標，開展長期、持續的軟件研發。

（2）大力加強高性能計算應用中間件的開發。近年來，在國家“ 863”計劃和重點研發計劃“高性能計算”專項的支持下，我國科研工作者成功研制了三維并行結構自適應軟件框架JASMIN[[27]和三維并行自適應有限元軟件平臺PHG[[28]。中國科學院計算機網絡信息中心科研人員在計算科學應用研究中心支持下，正研發并行計算框架SC Tangram。通過框架支撐，并行計算細節可對應用科學計算研究人員屏蔽，使其可集中于物理模型和計算方法創新并加速計算程序與新方法、新模型的融合，最終實現大規模并行計算應用軟件的快速開發。

（3）進一步在國家戰略層面加強科學計算應用軟件的規劃和開發。科學計算應用軟件是計算科學和應用科學領域交叉融合的產物，涉及面廣。僅僅依靠高等院校和科研院所的研究人員憑興趣自發或是零散的研發應用是遠遠不夠的，應從國家戰略層面和科學問題的需要出發，以需求為牽引，以需要解決問題為目標，制定10年甚至更長時間的規劃并堅定地執行方才能見到成效。

（4）提高科學計算應用的基礎研究水平。科學計算能力包括計算機軟件硬件、支撐軟件以及算法的能力。只有提高科學計算應用的基礎研究水平，才能對高性能計算機的軟硬件提出更高的需求，從而推動高性能計算應用向著更深層次和更高水平發展。大力發展復雜異構系統上的各種精度的混合計算方法，加強高性能體系結構發展與算法、軟件的互動。

（5）大力加強計算科學和應用學科的復合型人才培養。科學計算涉及應用科學、計算機科學、數學等多個學科，必須在高等教育、繼續教育以及研究院所等層面開展相關培養工作，加大經費支持，建立適合的評價機制，鼓勵研究人員從事計算應用軟件的研發，提高待遇，從而形成可持續性發展的局面。

致謝

感謝中國科學院大氣物理研究所劉海龍和唐曉、中國科學院上海藥物研究所于坤千、中國科學院高能物理研究所陳瑩、中國科學技術大學胡偉、中國科學院金屬研究所徐東生、中國科學院北京基因組研究所劉凡、中國科學院計算機網絡信息中心王彥堈和王武提供了相關科學計算應用的文字材料；感謝中國科學院物理研究所王鼎盛院士提供珍藏了20多年的、發表在《人民日報》和《中國科學報》上的有關“曙光1000”攻關的報道。

[1]Dongarra J, Beckman P, Moore T, et al. The international exascale software project roadmap[J].  International Journal of High Performance Computer Applications, 2011, 25(1): 3-60.

[2]遲學斌, 趙毅. 高性能計算技術及其應用[J].  中國科學院院刊, 2007, 22(4): 306-313. DOI:10.3969/j.issn.1000-3045.2007.04.012

[3]陳志明. 科學計算:科技創新的第三種方法[J].  中國科學院院刊, 2012, 27(2): 161-166. DOI:10.3969/j.issn.1000-3045.2012.02.004

[4]中國科學院數理學部"高性能計算戰略研究"咨詢組. 加速發展我國高性能計算的若干建議[J].  科研信息化技術與應用, 2008, 1(3): 1-7.

[5]Colella P. Defining software requirements for scientific computing//Patterson D. Can Computer Architecture Improve Scientific Productivity?[2019-6-10]. http://www.lanl.gov/conferences/salishan/salishan2005/supinski.pdf.

[6]陳援.中科院"高性能并行計算"聯合攻關組運用曙光1000喜獲多項成果.中國科學報, 1996-03-15(2).

[7]魏芳, 陳援.中科院"高性能并行計算"聯合攻關獲多項高水平成果.人民日報(海外版), 1996-03-30(4).

[8]Yang C, Xue W, Fu H, et al. 10M-core scalable fullyimplicit solver for nonhydrostatic atmospheric dynamics//SC'16 Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis, Article No. 6, Salt Lake City, Utah, November 13-18, 2016.

[9]劉海龍.高分辨率海洋環流模式和熱帶太平洋上層環流的模擬研究.北京: 中國科學院研究生院, 2002.

[10]張學洪, 俞永強, 劉海龍, 等. 海洋環流模式的發展和應用Ⅰ.全球海洋環流模式[J]. 大氣科學, 2003, 27(4): 607-617. DOI:10.3878/j.issn.1006-9895.2003.04.12

[11]王文浩, 姜金榮, 王玉柱, 等. 海洋模式LICOM的MIC并行優化[J].  科研信息化技術與應用, 2015, 6(3): 60-67.

[12]Martin M, Singh D, Mourino J, et al. High performance air pollution modeling for a power plant environment[J]. Parallel Computing, 2003, 29: 1763-1790. DOI:10.1016/j.parco.2003.05.018

[13]Lieber, M, Wolke, R. Optimizing the coupling in parallel air quality model systems[J].  Environmental Modelling & Software, 2008, 23(2): 235-243.

[14]朱云, Lin Che-jen, 陳春貽, 等. 64位Linux并行計算大氣模型效率優化研究[J]. 計算機應用研究, 2009, 26(6): 2266-2269. DOI:10.3969/j.issn.1001-3695.2009.06.081

[15]王自發, 吳其重, Gbaguidi A, 等. 北京空氣質量多模式集成預報系統的建立及初步應用[J].  南京信息工程大學學報(自然科學版), 2009, 1(1): 19-26.

[16]Wang H, Lin J, Wu Q, et al. MP CBM-Z V1.0:design for a new Carbon Bond Mechanism Z (CBM-Z) gas-phase chemical mechanism architecture for next-generation processors[J]. Geoscientific Model Development, 2019, 12(2): 749-764. DOI:10.5194/gmd-12-749-2019

[17]Wang Y, Chen H, Wu Q, et al. Three-year, 5 km resolution China PM2.5 simulation:Model performance evaluation[J]. Atmospheric Research, 2018, 207: 1-13. DOI:10.1016/j.atmosres.2018.02.016

[18]Shaw D, Dror R, Salmon J, et al. Millisecond-scale molecular dynamics simulations on Anton//SC'09 Proceedings of the Conference on High Performance Computing Networking, Storage and Analysis, Article No. 39, Portland, Oregon, November 14-20, 2009.

[19]Shaw D, Grossman J, Bank J, et al. Anton 2: Raising the bar for performance and programmability in a special-purpose molecular dynamics supercomputer//SC'14 Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis, pp. 41-53, New Orleans, Louisiana, November 16-21, 2014.

[20]杜勇, 李凱, 趙丕植. 研發鋁合金的集成計算材料工程[J].  航空材料學報, 2017, 37(1): 1-18.

[21]李波, 杜勇, 邱聯昌, 等. 淺談集成計算材料工程和材料基因工程:思想及實踐[J].  中國材料進展, 2018, 38(7): 506-525.

[22]關永軍, 陳柳, 王金三. 材料基因組技術內涵與發展趨勢[J].  航空材料學報, 2016, 36(3): 71-78.

[23]Christodoulou J. Integrated computational materials engineering and materials genome initiative:Accelerating materials innovation[J].  Advanced Materials & Processes, 2013, 171(3): 28-31.

[24]劉梓葵. 關于材料基因組的基本觀點及展望[J].  科學通報, 2013, 58(35): 3618-3622.

[25]Zhang J, Zhou C, Wang Y, et al. Extreme-scale phase field simulations of coarsening dynamics on the Sunway Taihulight supercomputer//SC'16 Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis, Article No. 4, Salt Lake City, Utah, November 13-18, 2016.

[26]Yu H, Emberson J, Inman D, Zhang T, et al. Differential neutrino condensation onto cosmic structure[J]. Nature Astronomy, 2017, 1: 0143. DOI:10.1038/s41550-017-0143

[27]莫則堯, 張愛清. 并行自適應結構網格應用支撐軟件框架JASMIN用戶指南[J]. 北京應用物理與計算數學研究所技術報告:T09-JMJL-01, 2009.

[28]張林波, 鄭偉英, 盧本卓, 等. 并行自適應有限元軟件平臺PHG及其應用[J].  中國科學:信息科學, 2016, 46(10): 1442-1464.

本文摘抄自《中國科學院院刊》2019年第6期

由金鐘、陸忠華、李會元、遲學斌、孫家昶等撰寫

原文鏈接：http://www.bulletin.cas.cn/publish_article/2019/6/20190605.htm