抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
心臓シミュレーションは心室細動のような心律動障害に関連する心血管疾患の電気生理学的研究における有望なツールである。心臓組織の現実的な3Dシミュレーションは,大量のデータに対して微分方程式ソルバー(DES)を適用する必要がある。これは,並列化と適応技術の利用に関する努力にもかかわらず,臨床応用に対して実行可能になる主要な障壁となる。通常の立方体メッシュ構造と均一組織に対して良く機能する従来の適応ステンシル技術は,心臓組織の複雑な形状と不均一性に適していない。著者らは,2レベル自律計算アプローチによるこの挑戦に取り組んだ。自律的要素としてシミュレーションメッシュの各ノードを低レベルの自律性で処理する。3Dメッシュ構造における各ノードは,周囲ノードからのデータを検索し,非同期DESとして作用し,情報を配布する。自律性の上位レベルにおいて,機械学習(ML)と最適化モジュールから成る閉ループ自律自己同調システムを導入した。このシステムは,ノードからエラー関連情報を受け取り,MLモジュールに基づくルールを学習し,最適化モジュールに基づく時間ステップ適応性関数のパラメータを調整する。この新しい有限要素法に基づく手法はスケーラブルで,効率的な非同期適応技術を可能にし,単一のNvidia K20X GPU上で計算を効果的に並列化するのに適している。提案した手法は,適応性なしでベースラインGPUステンシル実装に関して99.9%の精度を維持しながら,30と120(シミュレーションの幾何学と位相に依存する)の範囲の因子により実行時間を低減することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】