DeepFlame:基于深度學(xué)習(xí)和高性能計(jì)算的反應(yīng)流模擬開源平臺(tái)

摘要： 近年來，深度學(xué)習(xí)被廣泛認(rèn)為是加速反應(yīng)流模擬的一種可靠方法。近期開發(fā)了一個(gè)名為DeepFlame的開源平臺(tái)，可以在模擬反應(yīng)流過程中實(shí)現(xiàn)對機(jī)器學(xué)習(xí)庫和算法的支持?；贒eepFlame,成功地采用深度神經(jīng)網(wǎng)絡(luò)來計(jì)算化學(xué)反應(yīng)源項(xiàng)，并對DeepFlame平臺(tái)進(jìn)行了高性能優(yōu)化。首先，為了充分發(fā)揮深度神經(jīng)網(wǎng)絡(luò)(DNN)的加速潛力，研究實(shí)現(xiàn)了DeepFlame對DNN多卡并行推理的支持，開發(fā)... （共7頁）