作者存档: Jiang Zhang

用于在大规模并行应用程序中优化通信的可视分析系统 (A Visual Analytics System for Optimizing Communications in Massively Parallel Applications)

近年来,超级计算机被广泛应用于诸如气候和分子动力学模拟等大规模并行应用程序中。这些超级计算机往往包含大规模的计算结点,结点之间通过复杂的通信网络连接,例如5D torus或者dragonfly等。应用程序的计算任务被分配到各个计算结点,并且由这些结点协作完成。在这个过程中,结点之间的通信是非常关键的,在很大程度上影响着并行程序的可扩展性和并行效率。因此, 如何识别通信瓶颈并且对通信进行优化变得非常重要。造成通信瓶颈的原因有很多,例如通信路由比较长,通信网络上收发的信息量比较大等。研究者需要能够了解通信路由,减少通信网络拥堵。今年VAST会议上有一篇文章提出了一个可视分析系统,使用可视化方法对通信行为进行分析[1]。

继续阅读 »

对基于聚类的集合天气预报分析的鲁棒性可视化 (Visualizing Confidence in Cluster-based Ensemble Weather Forecast Analyses)

图1 可视分析流程图,包含多个部分,主要是鲁棒性可视化

在天气预报领域,其数据往往包含多个在不同模型或者模型初始条件下生成的成员,这些成员组成了一个集合。在这些集合数据中,气象学家经常需要确定某个区域内成员的主要走势,从而可以进行气象预测。随后的一些分析也建立在这些发现上。为了确定这种主要走势,人们通常使用聚类分析,在某些特定的区域将集合数据中类似的成员进行聚类。但是,集合聚类也存在者一些挑战。聚类结果高度依赖于某些参数,例如所选区域和聚类个数等,其往往对这些参数非常敏感。因此,我们能够多大程度信任聚类结果,这些聚类结果的在参数有小的改变时鲁棒性如何,这些都是需要解决的问题。针对这些问题,今年VAST的一篇文章[1],提出了一种可视分析的流程,使用一系列多个层面上的可视化来分析聚类结果在所选区域变动下的鲁棒性。

继续阅读 »

针对大规模应用的欧拉-拉格朗日组合数据表示方法 (A Combined Eulerian-Lagrangian Data Representation for Large-scale Applications)

在科学应用中,模拟的数据输出形式主要有两种。一种是欧拉表示,也就是通常说的体数据,在固定的格点上记录数据信息,不过对于格点之间的区域往往需要插值。另一种是拉格朗日表示,即粒子数据,记录了离散粒子在数据场内的运动,其缺点是在一些感兴趣的区域可能没有粒子出现。在传统方法里,这两种数据表示形式在不同的分析任务中往往是独立存储和访问的。 为了提高计算效率,我们需要一种将两者进行结合的高效的组合表示形式。这篇文章[1]针对这一问题提出了一种欧拉-拉格朗日联合表示方法,可以对两种形式的原始模拟输出数据同时进行重组织,提高了数据载入和一些基本数据操作的效率。

继续阅读 »

具有时空误差控制的交互式渐进可视化 (Interactive Progressive Visualization with Space-Time Error Control)

在体可视化中,光线追踪算法是一种常用的算法。不过,由于对每条光线而言都需要进行大量的采样,其计算代价是非常大的。这时候往往可以使用渐进可视化的方法,即一边展示一些早期近似计算得到的绘制结果,一边持续对该结果进行优化精炼。但是,图片往往需要一个比较长的绘制时间才能达到高的质量(即空间误差随时间不断减小),而当视角和传递函数改变时,比较长的响应时间会延迟图片图片帧的替换(即时间误差越来越大)。因此,这里面需要做适当的权衡。传统的方法使用静态的采样率和帧率,但是如何选择一个好的静态设置并在交互式可视化中得到保持是非常困难的。2014年SciVis的这篇文章[1]提出的一种基于空间和时间误差估计的动态自适应帧控制的方法,很好地解决了这个问题。如图1所示示例,该方法在静态的采样率和帧率之间做到了很好的平衡。

继续阅读 »

虚拟牵开器:使用基于物理变形的交互式数据探索系统 (Virtual Retractor: An Interactive Data Exploration System Using Physically Based Deformation)

在三维数据的探索中,视觉遮挡往往是一个比较严重的问题。数据内部重要的信息会被表面的元素遮挡住,影响了人们对这类数据的探索和认知。尽管可以有一些手段来处理遮挡,但是在这一过程中如何尽力保留所探索目标附近的上下文信息(例如一些辅助性的关键特征)也非常重要。这些都给三维数据的探索带来了比较大的挑战。实际上与之相类似的是,在我们的日常生活中,我们经常会通过直接打开的方式检查一个物品的内部情况,例如,通过拉动拉链打开一个手提包就可以看到里面的东西。在医学上,医生们做手术时经常会用到医疗牵开器,将切开的患处表面组织牵开,从而显露出需要手术的范围。受这一思想的启发,今年的PacificVis会议上就有一篇文章[1],使用一种虚拟牵开器的方法,通过物理变形将三维数据从表面“切开”,让用户可以对数据内部的信息进行探索。

继续阅读 »

基于自下而上的子空间探索的多变量体数据分析和可视化(Multivariate Volumetric Data Analysis and Visualization through Bottom-Up Subspace Exploration)

多变量体数据的可视化是科学可视化中的一个重要研究方向。这类数据往往包含了很多有意义的特征,而这些特征大都与多个变量相关。为了提取并可视化这些特征,人们通常会设计和使用多变量传递函数。不过,由于变量的数据比较大,并且变量与变量之间的关系很复杂,多变量传递函数的设计相比与传统的一维传递函数会遇到更大的困难和挑战。但是另一方面,某些特征事实上可能只存在于一个变量的子集中,也即是所有变量的一个子空间中。例如,飓风的风眼是一个非常重要的特征,它可以只根据速度和压强这两个变量就可以识别出来。因此,在多变量体数据中,通过子空间的探索来鉴定某些特征往往更加方便和容易。针对这一现象,今年PacificVis的一篇文章[1]提出了一种自下而上的子空间探索方法,支持对多变量体数据中特征的提取和可视化。

继续阅读 »

IEEE Pacific Visualization Symposium 2017 – Day 2

今天是正式会议的第二天,包括一个Keynote演讲,三个Paper session,以及与Posters相关的Session。

继续阅读 »

用于3D数据探索的混合触感/有形交互 (Hybrid Tactile/Tangible Interaction for 3D Data Exploration)

在三维数据的可视化中,交互探索是非常重要的一部分。为了达到这一目的,研究者经常要依赖于专用的3D输入设备,例如平板电脑和大屏幕显示墙。这些设备提供了新的交互范式:触感(tactile)输入和有形(tangible)输入。触感输入通过使用一些单手或双手触控的映射和窗口部件来实现,而有形输入是基于在三维空间中通过物理移动专门的移动设备来达到交互。但是,在实际运用中,不同的输入范式之间的过渡仍然是未知的。尽管这两种输入在以往的工作中都出现过,但是并没有人研究它们在三维数据可视化探索中各自的益处和挑战。如何将触感和有形交互结合起来用于三维数据探索也成为了一个仍待解决的问题。因此,今年SciVis的一篇文章[1]设计并评估了一种结合触感和有形范式的交互界面,用于三维数据探索。文中针对流体动力学领域,首先了解了在三维数据探索中的一些基本的交互任务和交互技术,然后基于这些发现提出了一种针对常见的三维可视化任务这两种范式混合映射的设计空间,最后对其中的某些混合映射进行评估并通过用户调研将其与单独使用触感和有形输入的方法分别比较。

继续阅读 »

针对天气预报集合数据的时间层次聚类和可视化 (Time-hierarchical Clustering and Visualization of Weather Forecast Ensembles)

集合(ensemble)模拟数据可视化是科学可视化的一个重要研究方向,特别是针对气象学这一特定领域。通过扰动初始条件或者使用不同的预测模型公式,集合方法会生成代表大气未来可能状态的一些数据成员。分析集合预报中的时间演化和可变性是这类问题的一个重要的任务。在已有的方法中,spaghetti plots (意大利面条图)是一种比较常用的分析气象标量场集合数据中等高线(iso-contour)的变化的方法。具体来讲,对于每个时间步,都有一个spaghetti plot展示某一iso-value下所有集合成员的等高线,这些spaghetti plots往往并列放置。如果需要看其动态演变,则需要通过动画的方式。但是,由于用户需要感知大量的视觉信息,动画很难建立连续时间步下等高线之间的关联。针对这一问题,今年的SciVis上提出了一种新的方法,可以分析集合天气预报数据中等高线的时空演变[1]。

继续阅读 »

IEEE Pacific Visualization 2016会议成功举办

可视化三大会议之一的IEEE Pacific Visualization于今年4月19-22日在我国台北的台湾科技大学召开。PacificVis会议从2008年开始举办,主要面向亚太地区的可视化与可视分析研究,首届2008年在日本京都,次年四月在北京大学举办,至今已是第九届。本届大会共吸引了近百位世界各地的可视化领域专家和学者,国内包括北京大学、天津大学、浙江大学、中南大学、西南科技大学、四川大学、山东大学、中科院等高校机构都参加了这次盛会。

继续阅读 »