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

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی A Large-Scale Epidemic Simulation Framework for Realistic Social Contact Networks
عنوان مقاله به فارسی مقاله یک چارچوب شبیه سازی اپیدمی در مقیاس بزرگ برای شبکه های تماس اجتماعی واقع گرایانه
نویسندگان Joy Kitson, Ian Costello, Jiangzhuo Chen, Diego Jiménez, Stefan Hoops, Henning Mortveit, Esteban Meneses, Jae-Seung Yeom, Madhav V. Marathe, Abhinav Bhatele
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 13
دسته بندی موضوعات Distributed, Parallel, and Cluster Computing,محاسبات توزیع شده , موازی و خوشه ای ,
توضیحات Submitted 16 January, 2024; originally announced January 2024. , Comments: 13 pages (including references), 9 figures
توضیحات به فارسی 16 ژانویه 2024 ارسال شد.در ابتدا ژانویه 2024 اعلام شد ، نظرات: 13 صفحه (از جمله منابع) ، 9 شکل

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).

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.