Towards High-Dimensional Computational Steering of Precomputed Simulation Data using Sparse Grids
Towards High-Dimensional Computational Steering of Precomputed Simulation Data using Sparse Grids
复制标题
使用稀疏网格进行预计算仿真数据的高维计算引导
DOI：
10.1016/j.procs.2011.04.007
复制
发表时间：
2011
期刊：
影响因子：
--
通讯作者：
Bungartz
中科院分区：
文献类型：
--
作者：
Butnaru;Pflüger;Bungartz
随着模拟的复杂性、准确性、维度和规模的不断增加，有必要朝着数据密集型科学发现的方向迈出一步。参数依赖模拟是这样一个数据密集型任务的一个例子：研究人员对模拟结果对一组输入参数的依赖性感兴趣，改变基本参数，并希望立即看到视觉环境中变化的效果。在这种情况下，交互式探索是不可能的，因为即使是对应于一个参数组合的单个模拟也需要很长的执行时间，并且可能感兴趣的参数组合的总数很大。在本文中，我们提出了一种方法，计算转向与预先计算的数据作为一种特殊形式的视觉科学探索。我们认为一个参数化的模拟作为一个多变量函数的几个参数。使用稀疏网格的技术，这使得有可能采样和压缩潜在的高维参数空间，并有效地将模拟数据和预先计算的数据的组合提供给转向过程，从而使用户能够交互式地探索高维模拟结果。
With the ever-increasing complexity, accuracy, dimensionality, and size of simulations, a step in the direction of data-intensive scientific discovery becomes necessary. Parameter-dependent simulations are an example of such a data-intensive tasks: The researcher, who is interested in the dependency of the simulation's result on a set of input parameters, changes essential parameters and wants to immediately see the effect of the changes in a visual environment. In this scenario, an interactive exploration is not possible due to the long execution time needed by even a single simulation corresponding to one parameter combination and the overall large number of parameter combinations which could be of interest. In this paper, we present a method for computational steering with pre-computed data as a particular form of visual scientific exploration. We consider a parametrized simulation as a multi-variate function in several parameters. Using the technique of sparse grids, this makes it possible to sample and compress potentially high-dimensional parameter spaces and to effciently deliver a combination of simulated and precomputed data to the steering process, thus enabling the user to interactively explore high-dimensional simulation results.
登录
查看更多内容
DOI：
--
发表时间：
1997-12
期刊：
--
影响因子：
--
作者：
M. Griebel;T. Dornseifer;T. Neunhoeffer
通讯作者：
M. Griebel;T. Dornseifer;T. Neunhoeffer
稀疏网格技术的紧凑数据结构和可扩展算法
DOI：
10.1145/1941553.1941559
发表时间：
2011
期刊：
J. Comput. Appl. Math.
影响因子：
--
作者：
A. Murarasu;Josef Weidendorfer;G. Buse;D. Butnaru;D. Pflüger
通讯作者：
D. Pflüger
Cumulvs：提供容错。
DOI：
10.1177/109434209701100305
发表时间：
1996
影响因子：
3.1
作者：
A. Geist;J. Kohl;P. Papadopoulos
通讯作者：
P. Papadopoulos
计算力学中运行时可视化和应用程序引导的分布式环境
DOI：
10.1016/0956-0521(92)90135-6
发表时间：
1992
期刊：
Computing Systems in Engineering
影响因子：
--
作者：
R. Haber;B. Bliss;D. Jablonowski;C. Jog
通讯作者：
C. Jog
DOI：
--
发表时间：
1999
期刊：
Future generations computer systems
影响因子：
--
作者：
J. D. Mulder;J. J. Wijk;R. V. Liere
通讯作者：
R. V. Liere