I raggi X sono una tecnica utilizza frequentemente in molte aree scientifiche incluse medicina, fisica e scienza dei materiali per ottenere informazioni (come dimensione o forma) per quanto riguarda la particella colpita dai raggi X. La diffrazione dei raggi X può essere misurata e rappresentata in un grafico dove sono mostrate le minime e le massime intensità dei raggi. L'informazione della particella si ottiene mediante parametri che danno origine ai picchi nel grafico. Sfortunamente questi picchi possono sovrapporsi rendendo la distinzione tra loro e l'abbinamento per il miglior abbinamento piuttosto difficile.
Sfida
Diverse funzioni di idoneità possono essere applicate per classificare e comparare le possibili soluzioni. Se la funzione di idoneità applicata deve essere valutata per un gran numero di scenari, poi trovare la migliore soluzione di adattamento per una serie di risultati sperimentali, potrebbe essere molto intensa a livello di elaborazione. Come il tempo di elaborazione incrementa esponenzialmente con il numero di picchi nel profilo, l'analisi dei profili, con un numero sconosciuto di picchi, potrebbe essere piuttosto complessa. I risultati più precisi potrebbero essere ottenuti se tutte le possibili soluzioni della funzione di idoneità applicata sono comparate e valutate. Sfortunamente, il numero di possibili soluzioni potrebbe essere così alto che questo processo lineare di ricerca richiederebbe diversi centinaia di anni CPU per finire.
Utenti
La prima communità utenti e gli sviluppatori dell'applicazione sono i ricercatori dell'Università di Extremadura in Spagna. Tuttavia, la metodologia, se si dimostrerà efficace, ha grandi potenzialità per essere utilizzata in diverse aree di applicazione.
Soluzione
La versione originale dell'applicazione è una soluzione sequenziale che esisteva prima del progetto EDGeS. Il programma prende il numero di picchi ricercati e l'utente ne definisci il minimo, massimo e valori incrementali per ogni parametro ed esegue la funzione di idoneità per tutt le possibili combinazioni di valori dei parametri all'interno dell'intevallo dato e con l'incremento dato. Dato che un'esecuzione di una funzione di idoneità è indipendente da ogni altra esecuzione, in teoria tutte le differenti combinazioni possone essere eseguite su diversi processori in parallelo con tutti gli altri.
Tuttavia, dal momento che un'esecuzione prende solamente poco tempo, da qualche parte nel range dei 5*10-4 secondi, il sovraccarico causato dalla distribuzione di ogni singola esecuzione su diversi computer sarebbe troppo grande rispetto al guadagno di prestazioni. Al fine di ovviare a questo problema, milioni di calcoli di funzioni di idoneità possono essere impacchettati in una workunit impiegando un ragionevole tempo di esecuzione di 20-30 minuti per ogni particolare pacchetto.
Un'altra sfida è la scala cosmica del problema. Se il numero di parametri di input è alto e l'incremento richiesto è basso, allora una grande quantità di processori richiederebbero diversi anni per risolvere il problema. Al fine di ovviare questo, la ricerca lineare è stata sostituita con un approccio iterativo. Il calcolo iniziale inizia con un alto incremento e, quindi, con un valore basso di precisione. Sebbene questo calcolo garantisce di finire in tempi raionevoli, non è adatto a fornire risultati corretti. Quindi, la precisione aumenta e l'intervallo dei parametri di input decresce durante questa iterazione, focalizzandosi sugli intervalli circostanti i migliori valori della precedente iterazione.
Risultati
Sfortunatamente, i risultati scientifici non erano quelli aspettati. Iniziare con una bassa precisione scartava automaticamente alcune possibili soluzioni perdendo alcune delle migliori soluzioni. La modifica dell'approccio lineare ha generato dei risultati significativamente più deboli quando sono stati comparati agli altri approcci, per esempio quando è stato utilizzato l'algortimo evoluzionario. Dopo l'analisi dei risultati, il team di ricercatori ha scartato l'approccio della modifica della ricerca lineare ed investigherà su altre tecniche, come diversi tipi di algoritmi evoluzionari, per quanto riguarda la loro idoneità al problema.
Background
L'EDGeS Application Development Method (EADM) Ë un metodo che standardizza il porting delle applicazioni ad un complesso ambiente Grid. Il metodo assicura che Ë il miglior percorso possibile da scegliere per il porting.
La metodologia EDGes Application Development utilizzata nel porting dell'applicazione al Grid.
Il progetto EDGeS mantiene una infrastruttura Grid che connette Desktop Grid e Service Grid.
L'infrastruttura Grid di EDGeS.