مقاله یک چارچوب شبیه سازی اپیدمی در مقیاس بزرگ برای شبکه های تماس اجتماعی واقع گرایانه

چکیده

Global pandemics can wreak havoc and lead to significant social, economic, and personal losses. Preventing the spread of infectious diseases requires implementing interventions at different levels of government, and evaluating the potential impact and efficacy of those preemptive measures. Agent-based modeling can be used for detailed studies of epidemic diffusion and possible interventions. We present Loimos, a highly parallel simulation of epidemic diffusion written on top of Charm++, an asynchronous task-based parallel runtime. Loimos uses a hybrid of time-stepping and discrete-event simulation to model disease spread. We demonstrate that our implementation of Loimos is able to scale to large core counts on an HPC system. In particular, Loimos is able to simulate a US-scale synthetic interaction network in an average of 1.497 seconds per simulation day when executed on 16 nodes on Rivanna at the University of Virginia, processing around 428 billion interactions (person-person edges) in under five minutes for an average of 1.4 billion traversed edges per second (TEPS).

چکیده به فارسی (ترجمه ماشینی)

همه گیر جهانی می تواند ویران شود و منجر به خسارات قابل توجه اجتماعی ، اقتصادی و شخصی شود.جلوگیری از شیوع بیماریهای عفونی ، مستلزم اجرای مداخلات در سطوح مختلف دولت و ارزیابی تأثیر و اثربخشی احتمالی آن اقدامات پیشگیرانه است.از مدل سازی مبتنی بر عامل می توان برای مطالعات دقیق انتشار اپیدمی و مداخلات احتمالی استفاده کرد.ما Loimos را ارائه می دهیم ، یک شبیه سازی بسیار موازی از انتشار اپیدمی که در بالای جذابیت ++ نوشته شده است ، یک زمان موازی مبتنی بر کار ناهمزمان.Loimos از یک هیبرید از شبیه سازی مرحله ای و گسسته و گسسته برای گسترش بیماری استفاده می کند.ما نشان می دهیم که اجرای ما از Loimos قادر به شمارش هسته های بزرگ بر روی یک سیستم HPC است.به طور خاص ، Loimos قادر به شبیه سازی یک شبکه تعامل مصنوعی در مقیاس ایالات متحده به طور متوسط 1.497 ثانیه در هر روز شبیه سازی است که در 16 گره در ریوانا در دانشگاه ویرجینیا اجرا می شود و حدود 428 میلیارد تعامل (لبه های شخص-شخص) را در زیر پردازش می کند.پنج دقیقه به طور متوسط 1.4 میلیارد لبه عبور در ثانیه (TEP).