Hypre

המטרה של Hypre של פרויקט Scalable ינארית פותרי היא לפתח אלגוריתמים ותוכנה להרחבה לפתרון מערכות גדולות, דלילות ליניארית של משוואות במחשבים במקביל.
מוצר התוכנה העיקרי הוא hypre, ספרייה של preconditioners ביצועים הגבוה שכוללת שיטות multigrid מקבילות לשתי בעיות רשת מובנהיות ולא מובנים.
הבעיות של עניין עולות בקודי הסימולציה שפותחו בLLNL ובמקומות אחר כדי ללמוד תופעות פיזיות בהגנה, סביבה, אנרגיה, ומדעים ביולוגיים.
למרות העיבוד מקביל הוא הכרחי לפתרון המספרי של בעיות אלה, לבד זה לא מספיק. אלגוריתמים מספריים מדרגי גם נדרשים. על ידי "הרחבה" אנחנו בדרך כלל מתכוונים ליכולת להשתמש במשאבי מחשוב נוספים בצורה יעילה כדי לפתור את הבעיות גדולות יותר ויותר. גורמים רבים תורמים ליכולת הרחבה, כוללים הארכיטקטורה של המחשב המקביל והיישום המקביל של האלגוריתם. עם זאת, נושא אחד חשוב הוא לעתים קרובות התעלם: יכולת ההרחבה של האלגוריתם עצמו. כאן, יכולת הרחבה הוא תיאור של כמה דרישות העבודה חישובית הכוללת לגדול עם גודל בעיה, שניתן לדון עצמאי של פלטפורמת המחשוב.
רבים מהאלגוריתמים המשמשים בקודי הסימולציה של היום מבוססים על הטכנולוגיה המנוצחת של אתמול. משמעות דבר היא כי את העבודה הנדרשת כדי לפתור את בעיות גדולות יותר ויותר גדלה הרבה יותר מהר מאשר באופן ליניארי (השיעור האופטימלי). השימוש באלגוריתמים להרחבה יכול להקטין פעמים סימולציה על ידי כמה סדרי גודל, ובכך להקטין ריצת יומיים בMPP עד 30 דקות. יתר על כן, את הקודים המשתמשים בטכנולוגיה זו מוגבלים רק על ידי הגודל של זיכרון המכשיר כי הם מסוגלים לנצל ביעילות את משאבי מחשב נוספים כדי לפתור את הבעיות עצומות.
אלגוריתמים להרחבה יאפשר מדען היישום לשתי הפוזה ולענות על שאלות חדשות. לדוגמא, אם סימולציה נתון (עם רזולוציה מסוימת) לוקחת כמה ימים לרוץ, ומודל מזוקק (כלומר, מדויק יותר) היה לוקח הרבה יותר זמן, מדען היישום עשוי לוותר על הסימולציה הנאמנות הגדולה יותר, גבוהה יותר. הוא או היא יכולה להיות גם נאלצה לצמצם את היקף מחקר פרמטר כי כל ריצה לוקחת יותר מדי זמן. על ידי הפחתת זמן ביצוע, אלגוריתם להרחבה מאפשר המדען לעשות יותר סימולציות ברזולוציות גבוהות יותר

מה חדש בהודעה זו :.