基于高阶访问依赖的高效非定常流场可视化

摘要

我们提出一种新颖的基于高阶访问依赖的模型，用于在非定常流场中高效地计算迹线。通过使用更长的访问序列对粒子追踪中更复杂的数据访问模式进行建模，我们的方法很大程度地提高了预测数据访问的准确度和可靠性。在预处理中，我们正向和反向追踪均匀撒种的迹线，并由这些迹线进一步计算得到高阶访问依赖。为了验证方法的有效性，我们将这些高阶访问依赖运用到一个并行粒子追踪的框架中，并提供了高阶的数据预取。结果表明我们的方法可以获得更好的数据局部性，从而提高了迹线计算的效率。
关键词: 流场可视化, 迹线计算, 高阶访问依赖

示意图

图1. 该工作的流水线。在预处理阶段，根据原始非定常流场数据的输入，粒子被均匀撒种并在数据域内进行追踪，其所生成的迹线随后被用来计算高阶访问依赖。我们进一步将这些高阶访问依赖整合到数据块中，并利用一个实现了高阶数据预取的并行粒子追踪框架，来验证我们的方法能够获得比一阶方法更高的效率。

图2. 高阶访问依赖计算的示意图。从左至右依次为：9条从块(2, 1)出发的迹线；这些迹线所记录的访问依赖关系；块(2, 1)的三阶"累积"访问依赖，包含了从一阶到三阶的各阶访问依赖。底下的公式表示访问转移概率定义为下一个访问该数据块的所有迹线数量与访问所有可能数据块的迹线总数的比值。

引用

Jiang Zhang, Hanqi Guo, and Xiaoru Yuan. Efficient Unsteady Flow Visualization with High-Order Access Dependencies. In Proceedings of IEEE Pacific Visualization Symposium (PacificVis 2016), pages 80-87, Taipei, Apr. 19-22, 2016.

BibTeX

@Article{ZhangGY16,
Title     = {Efficient Unsteady Flow Visualization with High-Order Access Dependencies},
Author    = {Jiang Zhang and Hanqi Guo and Xiaoru Yuan},
Booktitle = {Proceedings of {IEEE} Pacific Visualization Symposium 2016},
Year      = {2016},
Pages     = {80--87},
Bibsource = {dblp computer science bibliography, http://dblp.org}
}