热门搜索:
eq19/maps
eq19
使用六边形结构可视化质数分布，结合CUDA和GPU集群实现并行计算，通过颜色编码识别斐波那契数列、幂次等序列模式，高效筛选和分析质数位置与模式，为数学研究和密码学提供支持。
下载次数: 0状态：社区镜像维护者：eq19仓库类型：镜像最近更新：6 天前
让 AI 帮你使用轩辕镜像？ · 展开查看说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
Prime Hexagon 镜像文档
镜像概述和主要用途
质数分布仍是数学领域未解之谜，尚无公式能准确预测质数。本项目基于数学家T. Gallion提出的Prime Hexagon数学结构，通过六边形网格可视化质数分布：将整数按序填入正三角形密铺区域，遇质数时改变填充路径，使2以上所有整数均被约束在24格六边形内。结合颜色编码识别斐波那契数列、2/3的幂次、π的幂次等关键序列模式，并利用分布式CUDA Sieve和Hex Sieve算法在GPU集群上实现并行计算，显著提升质数筛选与分析效率，为质数分布规律研究、密码学应用等提供高性能计算支持。
核心功能和特性
质数可视化与模式识别
- 六边形结构约束：2以上所有整数被约束在24格六边形内，形成可预测的网格分布
- 颜色编码分析：对六个六边形进行颜色编码，识别斐波那契数列、2^n、3^n、π^n等序列的分布模式，已发现π的幂次序列（计算至π^32）中无两个值位于同一六格六边形内（随机概率<1/400）
高性能并行计算
- 分布式算法：实现CUDA Sieve和Hex Sieve算法的分布式部署，支持多节点并行执行
- 硬件支持：适配多GPU/CPU集群（4×NVIDIA V100 GPU+4×AMD EPYC 7551 CPU，共20480 CUDA核心+256 CPU核心）
- 计算加速：较串行计算实现9倍速度提升，已完成10^17以内数值计算，计划扩展至128位以上整数
高效数据存储与检索
- 稀疏存储策略：仅存储每108个整数的位置信息（末尾8位均为0，已移除），降低存储开销
- 结构化文件编码：通过多级目录结构编码数值位置，目录名/文件名由数值分段（每2位）组成，行号对应数值在文件中的具体位置
- 快速检索机制：根据输入值动态调整筛选范围（以下一较小索引值为下界，输入值为上界），高效定位数值的绝对位置与颜色
使用场景和适用范围
数学研究领域
- 质数分布规律探索与验证
- 斐波那契数列、幂次序列等与质数关联性分析
- 大整数（10^17及以上）的质数特性研究
高性能计算领域
- 分布式GPU并行算法优化验证
- 大规模数值筛选与数据处理流程设计
- 多节点集群资源调度与任务分配研究
密码学应用领域
- 大质数筛选与定位（支持RSA等加密算法的密钥生成）
- 基于质数分布特性的加密算法优化
- 密码学中质因数分解效率提升研究
使用方法和配置说明
质数筛选与位置计算流程
-
分布式筛选：
- 多GPU节点运行分布式CUDA函数筛选质数，每108个整数记录1次相对位置值，生成100行数据文件（含"~"标志，如
1234567898~.txt）
- 多GPU节点运行分布式CUDA函数筛选质数，每108个整数记录1次相对位置值，生成100行数据文件（含"~"标志，如
-
数据整合：
- 文件传输至NUCAR服务器hybrid1节点，通过移位函数调整数值以对齐历史数据，计算绝对位置，同时移除"~"标志（如
1234567898~.txt→1234567898.txt）
- 文件传输至NUCAR服务器hybrid1节点，通过移位函数调整数值以对齐历史数据，计算绝对位置，同时移除"~"标志（如
-
结构化存储：
- 排序函数根据数值分段创建多级目录，将文件存储至对应路径（如
1234567898.txt→12/34/56/78/98.txt）
- 排序函数根据数值分段创建多级目录，将文件存储至对应路径（如
文件存储结构编码规则
数值编码格式（以12345678987600000000为例）：
- 移除末尾8位：
12345678987600000000→123456789876（因每108个数存储，末尾8位均为0） - 行号（后2位）：
76→文件中第76行存储颜色值 - 文件名（接下来2位）：
98→文件名98.txt - 目录名（每2位分段）：
78→78/目录，56→56/目录，34→34/目录，12→12/目录 - 完整路径：
12/34/56/78/98.txt（行76存储目标数值的颜色值）
注：若数值长度不足，前方补"0"以满足分段要求
数值搜索与定位方法
-
输入值查询：
- 用户输入目标数值，系统自动定位最近的较小索引值作为下界，以输入值为上界
-
范围筛选：
- 在指定范围内运行筛选函数，计算目标数值的相对位置
-
结果返回：
- 基于文件存储结构定位数值所在文件及行号，返回其绝对位置和颜色编码
性能与应用价值
计算性能
- 硬件配置：4×NVIDIA V100 GPU（20480 CUDA核心）+4×AMD EPYC 7551 CPU（256核心）
- 计算规模：已完成10^17以内数值计算，支持扩展至128位以上整数
- 效率提升：较串行计算实现9倍速度提升，π的幂次序列分析（至π^32）随机概率<1/400
核心应用价值
- 数学研究：为质数分布规律提供可视化工具，揭示质数与其他序列的潜在关联
- 密码学：优化大质数筛选流程，支撑现代加密算法的密钥生成与安全性分析
- 可扩展性：支持通过互联网动态添加计算节点，适应更大规模数值计算需求
- 算法创新：验证分布式GPU并行筛选算法的有效性，为高性能计算领域提供参考范例
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
DockerHub 原生拉取命令
docker pull eq19/maps:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"