基于事件的全国尺度快速流行病学模拟

我们提出了一个计算建模框架，用于大规模人群中传染病传播的数据驱动模拟与分析。为了实现高效模拟，我们设计了针对多插槽共享内存架构的并行求解算法。该模型将传染动力学集成为连续时间马尔可夫链，并将动物移动或衰老等可用数据作为外部定义的事件纳入。为了发挥并行性并加速计算，我们分解空间域，并利用依赖感知的任务调度优化跨边界通信。利用高时空分辨率的注册牲畜数据，我们证明了我们的方法不仅对不同的模型配置具有弹性，而且能在真实工作负载下扩展到所有物理核。最后，我们表明这些特性使得在全国尺度上求解反问题成为可能。