拓扑映射方法被认为是优化高性能计算机上通信性能的有效解决方案。通过优化进程到空闲计算资源的映射可以提高数据的局部性，例如，合理的映射使得互相通信的进程被映射到物理距离相近的处理器上，这样能使大部分通信都集中在同一机框或机柜中，减少了长距离通信，从而使得高性能计算机的通信性能得以优化。

网格质量判别可用于优化航空航天工程应用领域中数值计算的准确性问题，是高质量网格生成技术的重要技术手段，也是计算流体力学（CFD）研究的难点。目前网格质量的判别优化过程无法摆脱人工参与，已知的商业网格软件和网格生成技术都不能自动地筛选高质量的计算网格，这成为了制约网格自动化处理流程发展的瓶颈。本课题组拟使用深度学习方法，以实现智能化、自动化网格质量判别为目标，以构建网格质量数据库，训练对网格质量进行判断识别的深度学习网络模型，开发网格质量智能检测模块等关键步骤为主线，研究基于人工智能的网格质量检测及网格优化调整新方法。项目研究工作能为国家数值风洞网格软件的自动化检测功能提供技术支撑，对提高网格质量判别效率，缩短网格生成周期，完善全自动网格生成、检测、调优的迭代闭环有重要应用价值。