航空宇宙の状況認識シミュレーションにおける増大する異種データの相互作用および学際的なモデリング要求に対応するため、コンテナクラウドに基づく高性能データ―モデル融合計算マイクロサービススケジューリングプラットフォーム（MP-DMC）を提案する。本プラットフォームの中核は、選挙最適化されたリーダー-フォロワー機構、二重移動平均―長短期記憶ネットワークに基づく動的弾性スケーリング予測モデル、およびインテリジェント負荷移行アルゴリズムを融合した分散ノード資源管理および融合スケジューリング戦略の一式である。これにより管理効率の向上、ノードクラッシュの防止、高負荷条件下での資源振動問題の緩和が可能となる。実験結果は、提案する分散ノード資源管理および融合スケジューリング戦略が、コンセンサスアルゴリズム（Paxos/Raft/PBFT）、弾性スケーリングアルゴリズム（HPA/DMA-HPA/ProSmart HPA/RL）、およびタスクスケジューリングアルゴリズム（ラウンドロビン、純ランダム、加重ランダム）などの主流アルゴリズムと比較して、選挙性能、ノードスケーリング効率、タスク応答時間、負荷バランスの面で優れており、卓越した資源配分性能とシステム可用性を実現していることを示している。

データ―モデル融合; 高性能シミュレーション計算; スケジューリング戦略; ノード負荷予測; マイクロサービス