Parallel implementation and load-balancing of the fluid particle model used in modeling of blood flow in capillary vessels

• Autorzy: Boryczko K.

Warianty tytułu

PL

Równoważenie obciążenia w równoległych programach symulacji przypływu krwi w naczyniach włosowatych wykorzystujących model cząstek płynu

• Języki publikacji: EN

Abstrakty

EN

The fluid particle model (FPM) is a discrete method, which is a developed, mesoscopic version of molecular dynamic (MD) technique. Unlike in MD, where the particles represent atoms and molecules, in FPM fluid particles are employed. The fluid particles mimic the "lumps of fluid", which interact with each other, not only via central conservative forces as it is in MD, but with non-central, dissipative and stochastic forces as well. Because of three times greater communication load per FPM particle than per MD atom. The reconfiguration of the system becomes very time consuming. Therefore, the parallelization of FPM code and its load balancing are more complicated than for standard MD codes. Inconsequence, both of these procedures cannot be so easy and such the efficient as they are for MD. I show how to obtain the optimal scalability and efficiency for FPM code by using a simple load-balancing scheme. The algorithm was tested on the multiprocessor SGI/Origin 3800 and multicomputer IBM SP system in the MPI environment on working FPM code used foe simulation of red blood cells flowing in capillary vessels. I demonstrate that in this case the proper load balancing can increase the code efficiency almost twice.

PL

Model cząstek płynu (FPM) jest metodą dyskretnych cząstek wykorzystywaną do symulacji zjawisk zachodzących w mezoskali. Stanowi ona rozwinięcie metody dynamiki molekularnej (MD). W odróżnieniu od metody MD, gdzie cząstka reprezentuje pojedynczy atom lub molekułę, model FPM wprowadza pojęcie cząstki płynu. Oznacza on obszar płynu oddziałujący z innymi cząstkami nie tylko centralną siłą konserwatywną, jak w metodzie MD, lecz również siłą niecentralną, dyssypacyjną i stochastyczną. Bardziej złożony opis oddziaływania implikuje około trzykrotne zwiększenie w stosunku do metody MD, ilości informacji opisującej cząstkę wpływając niekorzystnie na czas wykonania programu symulacyjnego, zwłaszcza w wersji równoległej. Skąd konieczność efektywnej implementacji połączonej z optymalizacją komunikacji wynikającej z rekonfiguracji systemu oraz konieczności wprowadzenia równoważenia obciążenia. Artykuł pokazuje w jaki sposób stosując proste procedury równoważenia obciążenia w powiązaniu z efektywnymi schematami komunikacyjnymi osiągnąć optymalne wskaźniki obliczenia równoległego dla programu wykorzystującego model FPM. Program równoległy był testowany na wieloprocesorowych superkomputerach SGI Origin3800 oraz IBM SP2 z wykorzystaniem środowiska obliczeń równoległych Message Passing Interfaces (MPI). Symulowano zjawisko przepływu erytrocytów w naczyniach włosowatych o różnym kształcie. Wprowadzenie procedury równoważenia obciążenia pozwoliło na niemal dwukrotne skrócenie czasu obliczeń.

Słowa kluczowe

EN

load balancing; molecular dynamics; FPM

• Wydawca: Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk
• Czasopismo: Archiwum Informatyki Teoretycznej i Stosowanej
• Rocznik: 2003
• Tom: T. 15, z. 1
• Strony: 71--81
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Boryczko K.

• Institute of Computer Science, AGH University of Technology, MIckiewicza 30, 30-059 Kraków, Poland
• Minnesota Supercomputing Institute, University of Minnesota, MN 55455, Minneapolis, USA

Bibliografia

• [1] Berman F., Fox G., Hey A.J., Hey A. 2003. Grid Computing. Making the Global Infrastructure a Reality. John Wiley and Sons Inc., New York.
• [2 ] Boryczko K, Dzwinel W. Yuen DA 2003. Dynamical clustering of red blood cells in capillary vessels. J Mol. Modeling, 9. 16-33.
• [3] Boryczko K., Dzwinel W., Yuen D.A. 2002. Parallel Implementation of the Fluid Particle Model for Simulating Complex Fluids in the Meso-scale. Concurrency and Computation: Practice and Experience 14, 1-25.
• [4] Boryczko K.. Kitowski, Mosciriski J. 1994. Load-balancing procedure for distributed short-range Molecular Dynamics. Lecture Notes in Computer Science 879, 100-109.
• [5] Deng Y., Peierls R.F.. Rivera C. 2000. An Adaptive Load Balancng Method for Parallel Molecular dynamics Simulatons. J. of Comput. Phys 161, 250-263.
• [6] Dzwinel W., Yuen D.A., Boryczko K. 2002. Mesoscopic Dynamics of Colloids Simulated with Dissipative Particle Dynamics and Fluid Particle Methods. J. Mol. Modelling 8. 33-45.
• [7] Flekkoy E.G. , Covcney P.V. 1999. From molecular dynamics to dissipative particle dynamics. Phys. Rev. Lett. 83, 1775-1778.
• [8] Foster I.. Kesselman C. 1998. The grid: blueprint for a new computing infrastructure. Morgan Kaufmann Publishers Inc., San Francisco.
• [9] Espanol P. 1998. Fluid Particle Model. Phys. Rev. E. 57. 2930-2948.
• [10] Hayashi R., Horiguchi S. 2000. Relationships between Efficiency of Dynamic IMad Balancing and Particle Concentration for Parallel Molecular Dynamics Simulation, Proc. of High Performance Computing Asia. 976-983.
• |11] Hockney R., Eastwood J.W. 1981. Computer Simulation Using Particles. Me Graw-Hill, New York, 1981.
• [12] Hoogerbrugge P.J., Koelman J.M.V.A. 1992. Simulating Microscopic Hydrodynamic Phenomena with Dissipative Particle Dynamics. Europhysics Letters 19, 3, 155-160.
• [13] Vattulinen I, Kartunen M, Bsold B, Poison J.M. 2002. Integration schemes for dissipative particle dynamics simulations: From softly interacting systems towards models. J. Chem. Phys. 116. 3967- 3979.