.png){kind=icon}
返回
Taskblaster: A generic framework for automated computational workflows
.png){kind=icon}
OA
AI
DOI：10.1039/D5DD00097A.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们介绍Taskblaster；一个通用的Python框架，用于组合、执行和管理具有自动错误处理的计算工作流。Taskblaster支持动态工作流，其中计算任务根据其他任务的输出创建。工作流级别提供了分支和迭代（if和while逻辑）的流程控制，使系统成为图灵完备。一个工作流可以应用其他工作流，这些工作流随后被称为子工作流。这促进了一种模块化结构，提高了可读性，并简化了工作流设计和代码复用。任务与文件系统路径相关联，以便它们可以在目录树下直观地访问。命令行界面允许监控和控制工作流。任务由工作进程执行，这些进程可以直接在终端中运行或通过排队系统提交；允许特定任务资源控制。我们提供了一个工作流库（ASR-lib），用于采用原子模拟环境（Atomic Simulation Environment）和GPAW电子结构代码的常见材料模拟。Taskblaster同样适用于其他计算代码。
Keyword:
Taskblaster
computational workflows
error handling
dynamic workflows
modular design
期刊
IF:
5.6
论文数:
997
被引数:
1.7K
机构
暂无机构信息
引用论文
Identification and design principles of low hole effective mass p-type transparent conducting oxides低空穴有效质量p型透明导电氧化物的鉴定及设计原则.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Computational Screening of Layered Materials for Multivalent Ion Batteries多价离子电池层状材料的计算筛选ACS OMEGAOAAI
ACS OMEGAIF4.3
OAAI分享收藏Crystal Graph Convolutional Neural Networks for an Accurate and Interpretable Prediction of Material Properties晶体图卷积神经网络用于准确和可解释的材料特性预测OAAI
OAAI分享收藏Representing high-dimensional potential-energy surfaces for reactions at surfaces by neural networks
PREAI
分享收藏An implementation of artificial neural-network potentials for atomistic materials simulations: Performance for TiO2用于原子材料模拟的人工神经网络潜力的实现: TiO2的性能
PREAI
分享收藏The Computational 2D Materials Database: high-throughput modeling and discovery of atomically thin crystals2D MaterialsOAAI
2D MaterialsIF0
OAAI分享收藏Materials Design and Discovery with High-Throughput Density Functional Theory: The Open Quantum Materials Database (OQMD)高通量密度泛函理论的材料设计和发现: 开放量子材料数据库 (OQMD)JOM
JOMIF2.3
PREAI
分享收藏MISPR: an open-source package for high-throughput multiscale molecular simulationsMISPR: 用于高通量多尺度分子模拟的开源软件包SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容