权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

並列プログラミングのための反転授業向け学習支援ツールの研究

并行编程翻转课堂学习支持工具研究

基本信息

批准号：
18K02920
负责人：
若谷彰良
金额：
$ 2.58万
依托单位：
Konan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

並列コンピュータが一般化し、そのための並列プログラミングの需要が増加している。並列プログラミングの学習においては、APIの理解およびスレッド制御やデータ依存関係を理解するために、一般に、大量の例題を用いた学習が有効である。2022年度は、CUDA、OpenMP、POSIX thread、MPI、AVX、OpenACCの各並列プログラミングツール向け学習ツールからなるwebアプリケーションスイートに対し、音声付き電子教材の日本語版及び英語版を推敲し、完成度を高めた。プログラミング演習の例題のwebツールは、日本語及び英語のいずれでも実行できるように作成しており、COVID-19の影響により、被験者の数は少数にとどまっているが、反転学習を用いた実際の学部の実験系講義において運用評価を行ない、有効性を確認した。さらに、並列プログラミング教育の追加実装を検討するために、GPUベースマシンを用いた量子アニーリング実行をするためのPython言語を用いたプログラミング環境と、FPGAによる高速化（アクセラレーション）を行うためのOpenCLを用いたプログラミング環境を構築し、その基礎的な評価を行った。量子アニーリングでは巡回セールスマン問題やナップサック問題による予備評価で、制約条件が複雑なケースでは古典的解法より性能向上が見られた。また、FPGAアクセラレーションでは基本的な行列計算での並列化効果を確認した。

Parallel コンピュータがgeneralizedし,そのためのparallelプログラミングのneeds がincrease plusしている. Parallel learning and understanding of API, control and control of APIタDependency relationship is understood, it is general, and a large number of examples are used to learn and it is effective. 2022 は, CUDA, OpenMP, POSIX Thread, MPI, AVX, OpenACC each parallel thread, MPI, AVX, OpenACC each parallel program ebアプリケーションスイートに対し, Japanese version of audio electronic textbook and English version, high degree of completion.プログラミング Exercise のwebツールは, Japanese and English のいずれでも実行できるように成しており、COVID-19’s impactにより, the number of those who were raped is a small number of people, and the anti-転学を用いた実记The application of the lecture notes of the Department of Education is evaluated and the validity is confirmed.さらに、Parallel プログラミングeducation additional installation を検するために、GPU ベースマシンを用いたquantumアニーリング実行をするためのPython语を用いたプログラミングEnvironmentと、FPGAによるHigh-speed（アクセラレーション）を行うためのOpenCL is built using the OpenCL environment and is based on the OpenCL environment. Quantum アニーリングでは patrol セールスマン problem やナップサック problem による prepared Evaluation and restriction conditions are complex and the classical solution method is superior in performance.また、FPGAアクセラレーションではBasic row and column calculation and parallelization effect are confirmed.