Разработка алгоритмов решения коэффициентных обратных задач для трехмерных гиперболических уравнений с полным и неполным диапазоном данных на суперкомпьютерах на графических картах_НИР

Источник финансирования НИР

грант РФФИ

Этапы НИР

# Сроки Название
1 14 февраля 2014 г.-31 декабря 2014 г. Этап 1. Разработка алгоритмов решения коэффициентных обратных задач для трехмерных гиперболических уравнений с полным и неполным диапазоном данных на суперкомпьютерах на графических картах
Результаты этапа: В рамках работ по ультразвуковой томографии проводились исследования по разработке алгоритмов решения коэффициентных обратных задач для трехмерных гиперболических уравнений на суперкомпьютерах на графических картах. Были получены следующие основные результаты: - Разработаны математические модели и эффективные алгоритмы решения трехмерных нелинейных коэффициентных обратных задач в полном диапазоне углов. - Разработаны численные методы решения прямых и обратных задач для трехмерных гиперболических уравнений с полным диапазоном данных, ориентированных на использование графических процессоров. - Разработано программное обеспечения и проведены модельные расчеты на одной графической карте на суперкомпьютере «Ломоносов» на небольших расчетных сетках. Результаты расчетов показали как перспективность трехмерной (3D) томографии в сравнении с послойной (2.5D) томографией в случае волнового зондирования исследуемых объектов, так и преимущества использования графических процессоров в задачах волновой томографии по сравнению с процессорами общего назначения. Специфика решения рассматриваемых обратных задач связана с необходимостью многократных расчетов распространения волн в неоднородной среде. Такие расчеты имеет высокую степень параллелизма по данным, поскольку новые значения на всех точках сетки дискретизации для нового временного слоя вычисляются по одинаковой схеме и не зависят друг от друга. Архитектура GPU позволяет «разместить» всю задачу (при размерах достаточных для приложений) в высокопроизводительной графической памяти устройства и обрабатывать параллельно, получая в итоге в 20-30 раз большую производительность, чем с помощью компьютера обычной архитектуры с центральным процессором и обычной памятью. В ходе работ показано, что, как и ожидалось, томографический подход с полным диапазоном углов позволяет получать изображения высокого качества даже на небольших сетках. Однако в реальном эксперименте не всегда возможен сбор данных со всех направлений. Исследование возможностей томографии в этом случае является темой дальнейших исследований.
2 14 февраля 2015 г.-31 декабря 2015 г. Этап 2. Разработка алгоритмов решения коэффициентных обратных задач для трехмерных гиперболических уравнений с полным и неполным диапазоном данных на суперкомпьютерах на графических картах
Результаты этапа: Проведена постановка задачи как коэффициентной обратной задачи для трехмерного гиперболического уравнения с неполным диапазоном данных. Разработаны математические методы и численные итерационные алгоритмы решения трехмерных нелинейных коэффициентных обратных задач для гиперболического уравнения с неполным диапазоном данных. Предложены методы задания граничных условий на участках границы, где отсутствуют экспериментальные данные, в сопряженной задаче при вычислении градиента итерационного процесса. Разработаны программы для решения обратных задач волновой томографии с неполными данными на языке С/С++/OpenCL, работающие на одной графической карте суперкомпьютера «Ломоносов». Проведены модельных расчеты на одной графической карте на небольшой сетке 112×112×112 точек для характерного в медицине скоростного разреза. Одним из основных достижений проекта на втором этапе является демонстрация того, что отсутствие экспериментальных данных на части границы не являются непреодолимым препятствием при решении обратной задачи, хотя несколько ухудшает результат. Показано, что вблизи участков границы, с отсутствующими экспериментальными данными, ухудшается сходимость регуляризирующих итерационных алгоритмов решения трехмерных обратных задач для гиперболических уравнений. Вдали от этих участков устойчивая сходимость сохраняется. Проведены исследования по распараллеливанию алгоритмов на графических картах. Предложена двухуровневая схема распараллеливания для нескольких десятков карт. Теоретически обоснована эффективность предлагаемой схемы в трехмерных задачах с реальными параметрами со сверхбольшим объемом данных.
3 14 февраля 2016 г.-31 декабря 2016 г. Этап 3. Разработка алгоритмов решения коэффициентных обратных задач для трехмерных гиперболических уравнений с полным и неполным диапазоном данных на суперкомпьютерах на графических картах
Результаты этапа: Создан комплекс программ решения коэффициентных обратных задач для трехмерных гиперболических уравнений с полным и неполным диапазоном данных на языке С/С++/OpenCL, масштабируемый на несколько десятков графических карт суперкомпьютера «Ломоносов», что для задач волновой томографии реализуется впервые в мировой практике. Показан практически линейный рост производительности вычислений при распараллеливании вычислений на GPU по источникам томографического эксперимента. Впервые продемонстрирована возможность численного решения нелинейных вычислительно сложных коэффициентных обратных задач для трехмерных гиперболических уравнений с полным и неполным диапазоном данных на суперкомпьютерах на графических картах для параметров близких к реальным значениям ультразвуковой томографии в медицине. Разработанные алгоритмы хорошо ложатся на структуру GPU суперкомпьютеров. Открывается возможность для проведения расчетов на мелких расчетных сетках размера порядка 500×500×500 точек по пространственным координатам и порядка 1500 точек по времени. Объём экспериментальных данных в задаче ультразвуковой томографии такого размера составляет порядка 5 Гбайт, а число вычисляемых значений ультразвукового поля на пространственно-временной сетке порядка ста миллиардов. Время расчетов 3D задачи на 24 графических процессорах суперкомпьютер «Ломоносов» составило около 3 ч. Модельные расчеты продемонстрировали возможность восстановления с высоким разрешением не хуже 2-3 мм не только формы неоднородности, но и с высокой точностью абсолютного значения функции скорости, что позволяет проводить дифференциальную диагностику тканей в медицине. Такие высокие результаты удается достичь впервые благодаря учету влияния дифракционных эффектов в волновой модели. Проведены модельные расчеты в 3D томографии рака молочной железы в случае неполного задания данных, когда источники и приёмники не могут располагаться на верхней границе области расчетов (где расположена грудная клетка). Специальный выбор 3D томографической схемы, когда часть источников располагается близко к верхней границе позволяет получать реконструированные изображения с разрешением сравнимым с результатами реконструкции в случае полного задания томографических данных со всех сторон от объекта. Методами математического моделирования проведены исследования по выбору центральной длины волны широкополосного импульса ультразвукового излучения источника. Впервые показано, что даже для сравнительно низкого диапазона частот ~0.3-0.5МГц (длина волны в воде порядка 5 мм) томографические методы обеспечивают достаточное для медицины разрешения ~2-3мм при контрасте по скорости в объекте <10-20%. Увеличение частоты не обязательно приведет к увеличению разрешения, поскольку возрастают ошибки измерений. Ошибки измерений с ростом частоты возрастают из-за увеличения поглощения излучения в объекте и увеличения технических сложностей реализации эксперимента. Показано, что для длины волны порядка 5 мм суммарный уровень погрешности входных данных на приемниках не более 5 – 10% позволяет получать реконструированное изображение с разрешением ~2-3мм. Частота оцифровки сигнала по времени на приемниках порядка 20 отсчётов на период основной частоты сигнала и количество уровней оцифровки сигнала на приемниках не менее 1024 являются приемлемыми параметрами приемников, позволяющими получать разрешение ~2-3мм.

Прикрепленные к НИР результаты

Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".