Details

В данной работе представлен подход к разработке модели интеллектуального диспетчерского управления прикладными задачами в суперкомпьютерном центре коллективного пользования. Данную задачу можно представить как задачу регрессии, однако обучать модель предстоит на цензурированных данных. Из-за этого для разработки модели был взят алгоритм машинного обучения случайный лес выживания. Конечная цель состоит в том, чтобы модель интеллектуального диспетчерского управления предсказывала статистические оценки времени выполнения задач в СКЦ. Подобная модель будет играть важную роль в оптимизации использования вычислительных ресурсов суперкомпьютера и повышении объема успешно завершенных задач.

This work presents an approach to developing a model of intelligent dispatch control of applied tasks in a shared-use supercomputer center. This problem can be represented as a regression problem, but the model will be trained on censored data. For this reason, the random survival forest machine learning algorithm was used to develop the model. The ultimate goal is for the intelligent dispatch control model to predict statistical estimates of task execution time in the SSC. Such a model will play an important role in optimizing the use of supercomputer computing resources and increasing the volume of successfully completed tasks.